行业核心观点 - AI正超越工具属性，为汽车注入可进化、可感知的“灵魂”，重塑人类用车体验[2] - 自动驾驶领域技术路线纷繁复杂，业界对“最优解”尚无共识[2] - 讨论不仅关乎技术未来，更关乎即将迎接的人车共生全新生活方式[8] AI驾驶的本质与阶段 - 智驾已从技术概念成为一种真实的生活方式，超越了“元年”的讨论[9] - 智能辅助驾驶是通向AGI（通用人工智能）的最佳实践之一[10] - AI汽车是具身智能的最佳实践，其本质是成为一种新的生活方式[10] 技术路径与核心突破 - 各种技术路线本质差异不大，核心都基于端到端，关键在于相信AI的力量能将分散模型整合进一个大模型[10] - 过去十年智能驾驶最大的突破是确立了数据驱动的范式，新能源汽车的高算力平台和传感器为收集海量数据提供了前提[11] - 行业突破在于确立了数据驱动的范式，物理AI的未来在于不同智能体共享通用的底层知识[8] 关键实施策略 - 打好端到端的直觉基座是第一步，没有扎实的底座，再炫酷的技术名词也只是噱头[6][10] - 坚持软硬结合，能以“周”为单位实现芯片从回片到上车，远超行业“年”级的周期，帮助中国车企快速补齐智能化差距[10] - 采用通用AI路径：以预训练+后训练结合的方式，用类机器人的方法解决智驾问题，预训练模型是以视觉为底子的多模态模型[12] - 模型应能直接输出控制车辆的轨迹，同时生成中间信号与场景解释，替代过去手写的规则，让决策过程更智能、可理解[13] 对特定技术路线的看法 - 语言在训练中更像一个辅助项，而非决定项，对于提升模型的推理能力有帮助，但前提是直觉反应的基座必须足够扎实[13] - 技术演进中，前50%的收益容易获取，但后50%的收益能否拿到，以及新维度引入的新问题能否解决，才是真正的挑战[13] 物理AI的未来前景 - 未来汽车是“移动智能空间”，思考物理AI需要场景驱动的思维，中国复杂的路况是AI算法优化的“场景富矿”[14] - 物理AI的未来是达成一种“新的和谐”，实现人机共生[14] - 物理AI尚未到大爆发之时，但正处于重要节点，当行业聚焦于所有智能体内部那套深入一致的通用知识时，才是其真正爆发的时刻[14][15] - AI可能是人类主导的最后一次科技革命，实现通用人工智能还需计算平台和算法的数代升级，一旦辅助驾驶迈向真正的无人驾驶，物理世界的AI能力就会迅速构建[15]