深度学习爆发后智能驾驶成物理AI主赛道_观焦点

【资料图】

数据显示，2012年前后深度学习实现关键突破，AlexNet将ImageNet图像识别top-5错误率从约26%降至约15%，标志着AI从学术验证走向产业扩散的起点。公司动态显示，CNN与RNN两大架构先后经历范式确立、成长扩展到成熟高峰的演进过程。

一份研报观点认为，AI第一次爆发的本质是连接主义路线在数据、算力与深层网络算法共同成熟后的复兴。研报指出，当高引用成果开始集中于轻量化部署与迭代优化，同时新增基础架构型突破减少时，既有架构虽进入学术瓶颈，但产业应用窗口却随之打开。研报认为，2016-2017年前后CNN和RNN均进入成熟高峰，随后Transformer的出现正是范式切换的节点。

研报指出，数字AI底座模型的发展路径已逐渐清晰且价值确定，但难以完成物理世界的建模闭环，而物理AI将成为物理世界的AI解决方案。在当前AI发展阶段，智能驾驶作为最先跑通闭环的代表场景，增量空间最大。研报认为，随着深度学习技术向轻量化部署和产业落地加速，智能驾驶相关企业的商业化进程有望加快，业绩增长确定性提升，这将成为驱动相关股票估值修复和上涨的核心动力。

关键词： 商业频道 快讯