东吴证券：从LLM到VLA 物理AI成新方向_新浪财经_新浪网

炒股就看金麒麟探究师研报，东吴到权威，证券专业，从L成新财经按时，物理网完善，新浪新浪助您挖掘潜力主题机会！东吴到（来源：智通财经）智通财经APP获悉，证券东吴证券发布研报称，从L成新财经LLM、物理网VLM、新浪新浪VLA可理解为同一技术脉络上逐层扩展模态和输出能力的东吴到三类大模型，从文本到视觉再到动作，证券能力边界与训练难度逐级抬升。从L成新财经该行认为，物理网数字AI底座模型发展馗已逐渐清楚、新浪新浪价值在于选定性，但难以实现物理世界的建模闭环;物理AI将成为物理世界的AI处理方式划，增量空间更大，智能驾驶作为最先跑通闭环的代表场景应题关注。东吴证券题观点如下：LLM、VLM、VLA是同一技术脉络上逐层扩展模态和输出能力的三类大模型LLM以文本为输入输出，题处理语言理解、生成和推理;VLM在语言底座上加入视觉理解，使图像和文字在同一语义空间交互;VLA进一步把动作作为输出模态，使模型能够驱动机器人或车辆在物理世界中行动。三者存在后续关系，但不能便捷归结为同一种next token机制。概念脉络：三类模型各有奠基性技术与馗LLM由Transformer、GPT等奠定，题是以海量文本和自监督训练形成语言基础模型;VLM由CLIP、Flamingo等促进，通过图文对齐、视觉编码器和模态投影把视觉材料接入语言模型;VLA由Google DeepMind在RT-2中清楚命名，题是把视觉、语言与动作统一到对策模型中。数据与表征：三者难度逐级抬升LLM训练依赖文本语料，VLM提高图文对和视觉编码，VLA则需机器人示教、遥操作轨迹、动作反馈和真实环境数据。动作不是往往见不鲜输入模态，而是会变化物理世界的控制输出;因此VLA既可把动作离散化为token自回归生成，也可用扩散对策或流匹配生成后续动作轨迹。采取边界：从软件任务走向具身实施LLM题处理知识、代码、对话和软件任务;VLM把能力扩展到图像理解、图文问答、视觉检索和多模态交互;VLA则进入机器人、自动驾驶和具身实施，需处理实时性、安全性和物理反馈。NVIDIA的慢思考VLM加快思考动作模型、π0的后续动作生成、RT-2的动作token化，均体现VLA内部路线仍在分化。产业映射：海外主导基础模型，国内加高效跟进，竞争题向数据、硬件与场景闭环延伸海外OpenAI、Google、Meta、Anthropic等主导LLM/VLM，Google、Physical Intelligence、NVIDIA、Figure等布局VLA和机器人;国内DeepSeek、阿里、字节、百度、腾讯、智条件、月之暗面、MiniMax等布局LLM/VLM，智元、银河通用等聚焦VLA与机器人本体。之后竞争题将从模型能力延伸到数据、硬件、动作控制与场景闭环。物理AI是增量更大的方向，智能驾驶应题关注该行认为，数字AI底座模型发展馗已逐渐清楚、价值在于选定性，但难以实现物理世界的建模闭环;物理AI将成为物理世界的AI处理方式划，从而在AI目前发展时期成为增量更大的方向，智能驾驶作为最先跑通闭环的代表场景，应题关注。风险提示技术往往代不及预期风险;大模型厂商ARR增高效放缓风险;云服务商资本开支不及预期风险;智能驾驶及机器人商业化落地不及预期风险。海量资讯、精准解读，尽在新浪财经APP

(责任编辑：休闲)