股票 
板块 
用户 
资讯 未经许可，不得转载或者引用。
投资要点
投资要点：
LLM、VLM、VLA可理解为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，主要解决语言理解、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。三者存在继承关系，但不能简单归结为同一种next-token机制。
从概念脉络看，LLM由Transformer、GPT等奠定，核心是以海量文本和自监督训练形成语言基础模型；VLM由CLIP、Flamingo等推动，通过图文对齐、视觉编码器和模态投影，把视觉信息接入语言模型；VLA由Google DeepMind在RT-2中明确命名，核心是把视觉、语言与动作统一到策略模型中。
从数据和表征看，三者难度逐级抬升。LLM训练依赖文本语料，VLM增加图文对和视觉编码，VLA则需要机器人示教、遥操作轨迹、动作反馈和真实环境数据。动作不是普通输入模态，而是会改变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，也可用扩散策略或流匹配生成连续动作轨迹。
从应用边界看，LLM主要处理知识、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、自动驾驶和具身执行，需要处理实时性、安全性和物理反馈。NVIDIA的慢思考VLM加快思考动作模型、π0的连续动作生成、RT-2的动作token化，均体现VLA内部路线仍在分化。
产业映射上，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、智谱、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。后续竞争核心将从模型能力延伸到数据、硬件、动作控制与场景闭环。
我们认为,数字AI底座模型发展路径已逐渐清晰、价值在于确定性，但其难以实现物理世界的建模闭环；我们认为物理AI将成为物理世界的AI解决方案，从而在AI的当前发展阶段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，我们认为应重点关注。
风险提示：技术迭代不及预期的风险；大模型厂商 ARR 增速放缓的风险；云服务商资本开支不及预期的风险；智能驾驶及机器人商业化落地不及预期的风险。
1
LLM：以文本为核心的语言基础模型
生成模型是表征体系从编码走向解码的重要环节。相较于CNN/ViT、RNN/Transformer等模型回答如何读取数据并形成表征，生成模型则进一步回答如何基于噪声、潜变量或条件输入生成新数据。GAN以生成器和判别器的对抗博弈为核心，Diffusion以加噪和去噪过程为核心。当前图像和视频生成的通用主线已转向Diffusion及其流匹配变体，Stable Diffusion、DALL-E2、Sora均属于这一方向；主要原因在于GAN训练不稳定、易模式崩溃且规模化难度较高，而Diffusion在训练稳定性、分布覆盖和条件控制上优势更突出。但GAN并未退出，仍在实时生成、特定垂类和扩散提速中发挥作用。
判别式模型回答“这是什么”，生成式模型回答“如何生成一个符合分布的新样本”。从文生图、文生视频到自动驾驶场景仿真、机器人动作生成，底层均涉及生成模型。需要强调的是，视频生成可以成为世界模型的技术前置，但并不天然等同于可被安全闭环依赖的数据工厂。理解GAN与Diffusion之争，需要先明确生成模型解决的问题和评估标准。
1.1
概念界定与提出背景
判别式模型的核心是学习类别边界。给定图像、文本或传感器输入，模型判断其属于哪一类或对应何种标签。CNN/ViT在分类、检测、分割中的大量应用，均属于判别式建模范畴，其重点在于识别差异，而不是完整刻画数据分布。
生成式模型的核心是还原数据分布。它不仅需要区分类别，还需要学习某类图像、文本或视频样本的整体结构，并从该分布中采样生成训练集中未出现的新样本。GAN和Diffusion都属于生成式模型。
判别模型关心类别边界，生成模型关心数据分布。前者只需识别样本差异，后者需要学习样本整体结构并据此生成新数据。GAN与扩散模型都属于后者。
1.2
核心机制：自回归预训练与Transformer
数据分布可以理解为高维空间中真实样本的概率结构。每张图像都是一个高维点，海量真实图像构成具有特定形态的点云；真实人脸只占像素空间中极小区域，随机噪点几乎不会落入该区域。生成模型的任务，是学习这一概率结构并从中采样新样本。
围绕如何建模分布，学界大致形成三条取向：1）显式建模似然，直接写出概率密度并最大化，代表为VAE与自回归模型；2）隐式建模，不显式写出密度，而是直接学习采样过程，GAN是典型路线；3）建模得分，即对数概率密度的梯度，并通过逐步去噪完成采样，扩散模型属于此类。2021年后，流匹配等框架进一步统一多条生成路径。
1.3
能力边界与应用场景
生成质量通常同时考察保真度与多样性。保真度关注单张样本是否清晰、真实，多样性关注模型能否覆盖数据分布的不同模式，而不是反复生成相似样本。二者存在权衡，因此需要多个指标交叉验证。
主流指标包括Inception Score（IS）和Fréchet Inception Distance（FID）。IS用预训练分类网络衡量生成样本类别是否明确且丰富，但不直接反映生成分布与真实分布的差距；FID在特征空间比较生成分布和真实分布距离，数值越低通常代表质量越好。文本到图像任务还常用CLIP Score衡量图文匹配度，但自动指标仍需与人工评测结合。
1.4
代表性模型与公司
生成质量通常同时考察保真度与多样性。保真度关注单张样本是否清晰、真实，多样性关注模型能否覆盖数据分布的不同模式，而不是反复生成相似样本。二者存在权衡，因此需要多个指标交叉验证。
主流指标包括Inception Score（IS）和Fréchet Inception Distance（FID）。IS用预训练分类网络衡量生成样本类别是否明确且丰富，但不直接反映生成分布与真实分布的差距；FID在特征空间比较生成分布和真实分布距离，数值越低通常代表质量越好。文本到图像任务还常用CLIP Score衡量图文匹配度，但自动指标仍需与人工评测结合。
2
VLM：视觉模态如何接入语言底座
2.1
概念界定与技术脉络
VAE：训练稳定但生成保真度有限。变分自编码器（VAE）用编码器把图像压成潜变量、再用解码器还原，并通过最大化证据下界来训练。它训练稳定、有清晰的概率解释，但生成图像往往偏模糊，保真度不及后来的GAN与扩散。VAE的潜空间思想后来被潜空间扩散（Latent Diffusion）继承。
2.2
核心机制：视觉编码、模态对齐与语言推理
GAN：以对抗训练替代显式似然。生成对抗网络（GAN）放弃显式写出概率密度，改由判别器持续区分真实样本与生成样本，生成器则学习提升生成样本的真实度。2015年的DCGAN将卷积网络引入GAN后，图像生成质量快速跃升，GAN在2015-2020年间成为图像生成主流路线。
2.3
能力边界与应用场景
自回归生成，如PixelRNN/PixelCNN，将图像视为有序元素序列，逐像素或逐图块预测下一个元素，与语言模型预测下一个词的机制相近。该路线似然清晰、训练稳定，但逐元素生成速度较慢；在图像离散token与文本统一建模后，自回归路线在多模态大模型中重新受到关注。
2.4
代表性模型与公司
3
VLA：动作输出如何进入多模态模型
3.1
概念界定与提出背景
GAN由两个网络组成：生成器负责将随机噪声映射为图像，判别器负责判断样本来自真实数据还是生成器。两者在训练中形成对抗关系，判别器提升识别能力，生成器则提升生成样本的真实度。
极小极大博弈。用Goodfellow等在2014年的表述，训练目标是一个二人零和的极小极大博弈：判别器尽量提高识别真假的准确率，生成器尽量降低被识破的概率。理论上，当生成分布与真实分布完全重合、判别器无法区分时，博弈达到均衡。
3.2
核心机制：动作表征、连续生成与系统分工
模式崩溃是GAN的典型失败形态。生成器可能只生成少数几类容易通过判别器的样本，导致多样性不足。例如，在手写数字任务中，模型本应覆盖0-9各类数字，却可能长期集中生成个别数字。这与生成模型覆盖完整分布的目标相悖。
训练不稳定是GAN规模化应用的核心约束。对抗训练要求生成器和判别器保持相对平衡，任一方过强都可能导致梯度信号失效、训练震荡或停滞；同时，GAN缺乏清晰的似然收敛指标，往往需要通过生成样本质量进行辅助判断，因此调参和复现难度较高。
3.3
能力边界与应用场景
DCGAN确立较稳定的卷积GAN结构；BigGAN借助大规模训练提升ImageNet条件生成保真度；StyleGAN与StyleGAN2通过风格化生成器实现人脸属性细粒度控制，成为高质量人脸合成代表。图像翻译方向则有Pix2Pix和CycleGAN等方法。
3.4
代表性模型与公司
4
LLM、VLM、VLA关系：模态扩展与约束递进
4.1
架构关系：从文本到视觉再到动作
前向过程（forward/diffusion process）按固定方差表，在数百到上千步中向图像持续加入高斯噪声，最终将任何图像转化为近似标准噪声的随机点。该过程不包含可学习参数，本质上是确定的结构破坏过程。
4.2
问题与数据递进：从数字语料到真实动作轨迹
反向过程需要模型学习每一步的去噪方向。给定某一步带噪图像，网络预测噪声成分或等价变量，并据此还原上一阶段状态；重复该过程后，即可从随机噪声生成清晰样本。DDPM验证了预测噪声这一训练目标的有效性。
扩散与GAN的根本差异在于训练目标。GAN依赖对抗博弈，扩散则将生成问题转化为稳定的去噪回归任务，因此更不易出现模式崩溃，分布覆盖更充分，训练也更易复现。其代价是采样需要多步迭代，推理速度显著慢于一步式GAN。训练稳定性是扩散成为通用生成主线的关键原因。
4.3
演进时间线
4.4
中国厂商在三个层次的布局
优势：扩散训练稳定、分布覆盖全、样本多样性好，并通过CFG、图像修复、ControlNet等手段实现强可控与可编辑，易于扩展到新数据与新任务。
局限：采样需多步迭代，推理速度相比一步式的GAN慢若干数量级，训练与部署算力开销大。如何在保证质量的前提下减少步数，是扩散研究与工程的核心命题。
5
风险提示
技术迭代不及预期的风险：数字 AI、物理 AI 技术进展低于预期，任务或应用场景拓宽速度低于预期。
大模型厂商 ARR 增速放缓的风险：若客户增长、续费率或客单价不及预期，模型厂商 ARR 增速可能放缓。
云服务商资本开支不及预期的风险：若自由现金流承压，或 AI 算力需求及投资回报低于预期，云服务商可能下调资本开支。
智能驾驶及机器人商业化落地不及预期的风险：若产品可靠性、成本下降或用户需求低于预期，相关产品商业化进程可能放缓。
最新代表报告
《【AI系列深度08期】GAN与Diffusion两类生成范式有何差异？》20260731
《【AI系列深度07期】CNN与ViT两类视觉骨干有何差异？》20260730
《【AI系列深度06期】Transformer如何从序列任务走向基座模型？》20260730
东吴汽车团队介绍
团队荣誉
2025年证券时报（新财富）最佳分析师汽车行业第一名；
2024年证券时报（新财富）最佳分析师汽车行业第一名；
第二十一届新财富最佳分析师汽车和汽车零部件板块第二；
第二十届新财富最佳分析师汽车和汽车零部件板块第二；
第十九届新财富最佳分析师汽车和汽车零部件板块第三；
第十五届卖方分析师水晶球汽车及零部件板块第二；
第五届新浪财经金麒麟最佳分析师汽车行业第二；
第四届新浪财经金麒麟最佳分析师汽车行业第二；
第三届新浪财经金麒麟最佳分析师汽车行业第三；
Wind第十二届金牌分析师汽车板块第一；
Wind第十一届金牌分析师汽车板块第一；
Wind第十届金牌分析师汽车板块第一；
Wind第九届金牌分析师汽车板块第二；
上海证券报最佳分析师汽车板块第一；
黄细里 团队负责人
华中科技大学企业管理学士，上海交通大学企业管理硕士；
负责投资策略+汽车智能化主线，曾任职长江证券汽车分析师等，13年汽车行业研究工作经验
工作邮箱：huangxl@dwzq.com.cn
孟璐 团队成员
同济大学金融本硕；
聚焦全球化乘用车，5年汽车行业研究经验
工作邮箱：mengl@dwzq.com.cn
郭雨蒙 团队成员
中国海洋大学本科，北京航空航天大学硕士
聚焦零部件＋机器人，2025年加入东吴证券，此前就职于民生证券、天风证券，5年汽车行业研究经验
工作邮箱：guoym@dwzq.com.cn
孙仁昊 团队成员
同济大学本科，香港中文大学（深圳）硕士
聚焦智能化零部件+客车，4年汽车行业研究经验
工作邮箱：sunrh@dwzq.com.cn
童明祺 团队成员
上海财经大学金融本硕
聚焦智能化乘用车，2025年加入东吴证券
工作邮箱：tongmq@dwzq.com.cn
公众号| 东吴汽车黄细里团队
请扫关注我们
免责声明：
本公众订阅号（微信号：东吴汽车黄细里团队）由东吴证券研究所汽车团队设立，系本研究团队研究成果发布的唯一订阅号。
本公众号所载的信息仅面向专业投资机构，仅供在新媒体背景下研究观点的及时交流。
本订阅号不是东吴证券研究所汽车团队研究报告的发布平台，所载内容均来自于东吴证券研究所已正式发布的研究报告或对已发布报告进行的跟踪与解读，如需了解详细的报告内容或研究信息，请具体参见东吴证券研究所已发布的完整报告。
本订阅号所载内容不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见。本订阅号所载内容仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主做出投资决策并自行承担风险。东吴证券研究所及本研究团队不对任何因使用本订阅号所载任何内容所引致或可能引致的损失承担任何责任。
本订阅号对所载内容保留一切法律权利。订阅人对本订阅号发布的所有内容（包括文字、图片、影像等）未经书面许可，禁止复制、转载；经授权进行复制、转载的，需注明出处为“东吴证券研究所”，且不得对本订阅号所截内容进行任何有悖原意的引用、删节或修改。
特别声明：《证券期货投资者适当性管理办法》、《证券经营机构投资者适当性管理实施指引（试行）》于2017年7月1日起正式实施。通过新媒体形式制作的本订阅号推送信息仅面向东吴证券客户中的专业投资者，请勿在未经授权前进行任何形式的转发。若您非东吴证券客户中的专业投资者，为保证服务质量、控制投资风险，请取消关注本订阅号，请勿订阅、接收或使用本订阅号中的任何推送信息。因本订阅号难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。
评论 (0)