AI二次爆发浪潮来袭 智能驾驶迎最大增量机遇_微资讯

(相关资料图)

数据显示，AI技术正从人工设计模型转向规模化学习，Transformer架构凭借自注意力机制突破了传统循环网络的计算瓶颈，成为这一转变的核心推动力。2017年以来，主干架构保持稳定，能力提升主要来自MoE、长上下文、多模态融合以及推理优化等技术演进。

一份研报观点认为，AI第二次爆发的本质在于模型能力形成方式的根本转变。研报指出，Transformer以弱归纳偏置实现跨模态统一接口，推动文本、代码、视觉等多类输入进入同一底座体系。研报认为，AI发展清晰分为模型能力奠基、人机对齐与推理外部赋能三个阶段，GPT系列的演进路径正是典型例证，从基础规模验证到多模态交互，再到o1等模型引入测试时计算和工具调用。

研报指出，Scaling Law已从单纯的参数数据扩张，扩展为涵盖训练、推理、数据质量、对齐与多模态的全链条资源优化框架。目前数字AI任务边界正加速收敛，但研报认为其难以完成物理世界的建模闭环，而物理AI将成为当前阶段增量更大的方向。智能驾驶作为最先跑通物理闭环的代表场景，技术路径已逐渐清晰，商业化落地确定性较强。

研报认为，这将使智能驾驶产业链在AI技术扩散中占据关键位置，相关企业在数据、算力、算法闭环上的积累有望转化为显著竞争优势，带来持续的投资机会。