DeepSeek如何影響汽車業？

汽車正在變得更聰明。不再需要生硬地反復喚醒車機，人與車的對話越來越自然，仿佛車內多了一位智能助理。同時，自動駕駛也變得更加流暢和可靠。更重要的是，這些原本專屬于高端豪華車的體驗，正逐漸下探到普惠車型。

這些場景的實現并不遙遠，越來越多的汽車產業界人士將希望寄托于AI技術。2025年春節期間，DeepSeek風潮吹入汽車行業，讓上述暢想離現實更近一步。

2月10日，比亞迪董事長王傳福表示，新車全系搭載智駕，接入DeepSeek，高階智駕開始覆蓋10萬元以下車型。

越來越多的車企宣布接入DeepSeek大模型。從2月8日至10日的短短三天內，吉利、嵐圖、東風、智己、長安，這樣的名單正越來越長，近20家車企已在智艙端或AI運營領域深度融合DeepSeek。

在當前汽車行業中，頭部車企在智能化領域的競爭已趨同化，難以凸顯差異或維持領先優勢。面對這一現狀，整個行業都在熱切期盼更高級別的智能化技術涌現，為汽車行業帶來更為顯著和可觀的變革。在這樣的背景下，像DeepSeek這樣的AI技術逐漸成為車企眼中的“寵兒”。

長期以來，車企在智能化布局中面臨高昂成本，主要源于對高算力芯片及算法資源的依賴。而以DeepSeek為代表的低算力方案，通過優化算法結構，大幅降低了成本，為汽車智能化的普及提供了突破口。

突破交互瓶頸：汽車能深度聽懂“人話”

汽車里的按鍵越來越少了，按照車廠的美好暢想，汽車能聽懂乘員指令，不但能夠調溫度、座椅角度、設定路線，還能輔助決策、理順日程，成為一個聰明的車載助理。現實并沒那么美好，現有車機系統需要逐一呼叫車輛小名，回答內容簡單機械，既不方便也不智能，甚至不如掛在支架上的手機。

為了打破如上瓶頸，車企將寶押在DeepSeek等新技術上，希望借此更好地理解乘員提出的模糊指令，進而優化車輛控制、人車交流、售后等各種體驗。不只是優化既有功能體驗，車企更有意借助DeepSeek完善自己的人工智能系統，以便展開聯合訓練。

更懂乘員，能夠聽懂并說人話的智能座艙，這恰恰是DeepSeek“上車”的抓手。目前，DeepSeek尚處于開發階段，其中DeepSeek-R1作為推理模型，其主要作用體現在智能座艙的語言訓練中。

開源證券研報認為，座艙是智能業務助理的載體，車企紛紛探索有關應用落地。R1模型有望帶來更優的座艙交互體驗，座艙智能業務助理將實現前所未有的功能提升，并有望孕育全新應用場景。同時其對算力的節約也讓模型更容易在座艙端本地化部署，實現更優的體驗。

結合最近各大車企公布的DeepSeek大模型融合情況，可以看到對于智能座艙的顛覆具體表現為以下幾點：對話更絲滑，更像人與人交流，而不再機械和呆板，突破以往一問一答模式；同時，更懂車和乘員，能夠基于地理位置、氣象信息、用戶過往習慣等，更聰明地控制車輛、建議售后維保等。

擺脫“算力霸權”：低算力能否撼動英偉達芯片地位

DeepSeek所采用的“蒸餾法”，允許在非安全領域內減少對高算力芯片的依賴，用國產工規或消費級芯片實現替代，進一步降低整體成本。

數據蒸餾是一種業內常見的技術，通過算法和策略對原始復雜數據進行去噪、降維和提煉，從而得到更精煉、有用的數據。其核心目標是將復雜模型的知識提煉到簡單模型中。

試舉一例，以前的大模型訓練相當于使用題海戰術，在大量的數據中訓練。而蒸餾就相當于讓在題海戰術里磨煉過的優秀大模型充當新模型的老師，篩選出有效題目，再讓新的大模型訓練。

與傳統AI訓練方法不同，DeepSeek降低成本的關鍵在于采用了全新的強化學習（RL）方式進行訓練，而非依賴于監督微調（SFT）或人工標注數據。這一模式不僅優化了訓練效率，更降低了對高端AI芯片的依賴，顛覆了算力市場一貫的發展邏輯。

高性能、低成本是DeepSeek模型開發的準則。其推理模型R1通過采用一種名為“動態蒸餾”的技術，在已有的通用大模型V3基礎之上濃縮為精華版的小模型。由此一來，在沒有超強算力的情況下也能實施部署。

也就是說，DeepSeek向行業證明了一件事：不用堆疊算力也可以搞好大模型，AI芯片霸權或就此終結。

回看2024年，國產智駕集體進入“端到端”時代，有頭部智駕解決方案企業CEO（首席執行官）表示，其應用深度的差異仿佛代表了技術領先性。當時，面對AI的高門檻和復雜性，國內的智駕玩家普遍以特斯拉為范式，囤算力、囤數據，不斷訓練、不斷迭代。

在此之前，不少車企有意投入巨資，大量購買乃至囤積算力卡。理想智駕研發副總裁郎咸朋曾表示，伴隨著智駕參數量的持續擴大，以及未來智駕向L4級的深入，理想每年單在算力集群上的花銷就達到10億美元左右（折合人民幣72.8億元）。

如今，把錢砸向算力不再是唯一的解題思路，許多AI轉型計劃因受限于算力、算法和成本而面臨困境，DeepSeek的方案則為這些企業提供了本地化部署大模型的機會，自動駕駛領域同樣如此。有分析認為，DeepSeek開源、低成本、低算力的模型，有可能成為新能源汽車和自動駕駛行業智能化躍遷的催化劑。

DeepSeek作為多模態大模型的代表，其核心價值在于通過端側高效推理能力，推動智能駕駛系統從“感知驅動”向“認知驅動”升級。在黑芝麻智能首席市場營銷官楊宇欣看來，有助于降低開發門檻：黑芝麻智能專為下一代AI模型設計的A2000芯片，已支持當前主流大模型的部署，通過軟硬件協同優化，幫助車企減少算法適配成本，加速功能迭代。

DeepSeek的算法為低成本訓練提供了解題思路，不過短期內要用DeepSeek+國產芯片的方案去替代英偉達芯片難度不低。羅蘭貝格全球合伙人時帥就向《財經》指出，目前全球80%以上的大模型是基于英偉達芯片訓練的。

算法魔力：DeepSeek如何重塑智駕生態？

自2022年ChatGPT爆火后，汽車企業便開始陸續推動AI大模型上車。部分新勢力車企還發布了自有AI大模型，如2023年6月理想汽車發布了Mind GPT；小鵬汽車發布了XGPT靈犀大模型。業內普遍認為，DeepSeek的出現不僅將迅速推動大模型上車，更會加速推動高階智駕落地。

OpenAI和DeepSeek主要信息對比

在全球大模型競賽中，以往方法是圍繞“數據、算法、算力”三要素中的算力進行突破，通過不斷堆高算力水平來實現大模型訓練和推理的加速。就像在一場跑步比賽中，大家都在試圖通過更強的體能來贏得比賽。而DeepSeek的出現，打破了這種傳統模式。它選擇從架構和算法創新入手，就像是跑步比賽中的選手，不再單純依靠提升體力，而是通過改進跑步姿勢、節奏等技巧來提高跑步速度。通過創新的架構和算法，DeepSeek可以在有限的算力與訓練成本下，顯著提升算力利用效率。

那么，DeepSeek為什么能夠做到成本低、算法優，它的技術原理到底好在哪里？

簡單地說，DeepSeek之所以在某些方面比其他AI大模型表現更優，不僅僅是因為它采用了高效架構設計、輕量化模型、分布式計算等技術，更重要的是它在技術細節的實現、創新點的結合以及對實際應用場景的深度優化上做得更好。這些技術細節包括算法創新、數據利用、模型優化、場景適配、資源管理、生態整合等方面進行的更深度優化和創新。這些優勢不僅體現在技術層面，還體現在對實際應用場景的深刻理解和快速響應能力上。

比如在自動駕駛實驗中，真實路測難以覆蓋所有危險場景（如行人突然橫穿馬路）。DeepSeek可以構建高保真的虛擬駕駛場景（如極端天氣、突發事故等），通過合成數據訓練模型，彌補真實數據中罕見場景的不足。同時生成對抗網絡（GAN），包括生成多樣化的行人、車輛行為模式等，以提升模型對復雜交通場景的適應能力。

基于此，DeepSeek所構建的虛擬仿真場景數據，可以使模型提前學習應對策略，避免實際路測中的安全隱患。同時，通過云端協同的方式將數據合成，并與仿真訓練放在云端完成，車端僅需加載輕量化模型，避免占用車端算力。

在應用于具身智能（如自動駕駛、智能機器人等）場景數據訓練過程中，DeepSeek所具備的自我進化能力可以自發地產生一些高級推理行為，如自我反思。并且，它還會重新審視和評估自己之前的推理步驟，以及探索多種解題思路，嘗試從不同角度解決問題。這一特殊性能可以很好地被利用在基于基礎駕駛場景的泛化設計處理中。

此外，如果將DeepSeek的思維方法應用到自動駕駛中，還可以通過邊緣計算在車端部署輕量化模型，實時處理傳感器數據（如攝像頭、激光雷達），實現低延遲決策。同時輔以增量學習在車端注入新數據持續優化模型。借用DeepSeek流式數據處理方式、輔以邊緣計算、在線學習、記憶回放、彈性權重鞏固等技術，實現自動駕駛中的實時數據處理與增量學習。

比如，此前車輛在面對某一個危險場景下，已有專家策略是進行障礙物大小識別后，進行繞行避撞，如果此時復現該類似場景，那么就可以通過記憶回放直接調用之前的處理小模型，再次利用繞行避撞策略進行局部端到端的處理。

有業內人士指出，DeepSeek需與傳統的自動駕駛技術棧（如控制理論、SLAM、強化學習）深度融合，其核心價值在于解決開放環境下的認知智能問題，而非替代現有感知-決策-控制鏈路。

在智能化時代，優秀的用戶體驗、更快的迭代速度和更低的成本，成為車企競爭的關鍵指標。

國聯證券認為，DeepSeek是智駕重要工具。一方面智能駕駛安全邊界較高，仍需要較長訓練時長保證功能安全；另一方面針對不同車型算力和架構，蒸餾后仍需要完成定向開發。從未來功能實現層面來看，尚未實現智能駕駛功能完整性部署前，DeepSeek的使用或加速縮小各家車企之間的時間差距。實現功能突破后智能駕駛領先企業有望保持用戶黏性和高階功能性能的領先。

10萬元智能車的鑰匙：智能駕駛向主流車下沉

自動駕駛行業雖然尚未提出結合DeepSeek的相關技術應用，不過低成本、低算力、高性能模式，與當下高階智駕技術，逐漸向10萬元級車型普及的方向相一致。

顯而易見，這是DeepSeek帶來的積極意義。小鵬汽車董事長兼CEO何小鵬認為，DeepSeek有兩個技術細節與小鵬汽車的判斷吻合：一是蒸餾技術是有效保存模型能力的方法；二是巨大模型的蒸餾后效果強于小模型的強化學習。

開源證券2月5日的研報指出，DeepSeek-R1模型的諸多優化方法有望為智駕行業所借鑒。目前自動駕駛玩家推動大語言模型甚至視覺語言動作模型（VLA）上車提升智駕算法的認知能力，DeepSeek-R1有望作為優秀的教師模型，將其性能蒸餾給車端模型，進一步提升車端模型的能力。

2024年，中國高階智駕的滲透率突破了10%。按照中國電動汽車百人會的預測，這一數字將在2025年達到20%，提升近一倍。

而低成本、高性能的開源模型，將加速自動駕駛的迭代周期。傳統車企訓練自動駕駛模型需三個至六個月，相比之下，DeepSeek的MoE（混合專家）架構可將訓練周期壓縮至45天。

與DeepSeek的融合，有望受益于DeepSeek R1的算法優化和算力節約，全面提升自動駕駛系統的性能和用戶體驗，實現科技創新與市場價值的雙贏。

可見，在AI技術的驅動下，當下自動駕駛技術已告別硬件堆疊、比拼算力的時代，一場錨定AI融合的高階智駕、智能座艙“新競賽”即將拉開帷幕。

DeepSeek不是萬能藥：大模型落地的挑戰

一位國內領先智能駕駛公司技術專家告訴《財經》，目前公司嘗試在一些項目中使用DeepSeek-R1。相較于ChatGPT4o模型來說，DeepSeek目前不穩定，對高并發情況（通過設計保證系統能夠同時并行處理很多請求）處理不如ChatGPT穩定。

純語言模型專注于文本數據的處理和生成。而現實物理世界還有圖像、視頻和音頻等多模態，多模態模型可以理解和處理除了文本以外的各種模態。因此，純語言模型應用場景不如多模態模型廣泛。

DeepSeek曾推出過Janus Pro多模態模型，可以將文字生成圖片，但應用范圍在娛樂領域。上述人士表示，在自動駕駛這種嚴謹性高、安全系數高的場景中，目前的應用還頗為受限，但是其對自動駕駛研發具有借鑒意義。

不過，能看得出DeepSeek本身也在進化和迭代當中，為此智駕公司對其抱有不小的期待。在楊宇欣看來，DeepSeek有助于顯著提升智駕技術中的場景理解能力，具體來說DeepSeek可融合視覺、語音、環境等多維度數據，實現更擬人化的駕駛決策，例如在復雜路口動態調整路徑規劃，或在突發狀況中快速生成安全策略。

除了技術難題待解，如何真正體現技術價值，而不是停留在紙面乃至營銷上，這是對于汽車在內的諸多應用級玩家的挑戰。

當前車企對包括DeepSeek在內的諸多AI技術的理解和開發還處于初級階段，技術深度和實際應用仍有很大提升空間。例如部分車企追求營銷噱頭，將AI功能生硬地堆砌到產品中，不僅未能提升用戶體驗，反而使消費者對產品的實用性產生懷疑。

當一個又一個大模型在各行各業落地應用，大模型落地似乎沒有想象中的那么難，難的是，落地后真正體現出價值。

對于汽車業來說，要持續思考三個問題：車主是否真正提升了用車體驗？車企是否真正提升了經營業績？整個產業生態鏈是否真正獲得了穩定利潤？