2025年被視為智能化汽車的爆發(fā)拐點，而AI正作為未來汽車市場競爭的核心變量。DeepSeek以低算力、低成本的創(chuàng)新性大模型切入車圈，在成本優(yōu)化和智駕座艙落地上展現(xiàn)顛覆潛力。與車企的合作加速智能化普及，DeepSeek或重塑車企在AI時代的競爭格局

文｜包校千 晏玉婷 陳亮 李皙寅

編輯｜李皙寅

汽車在變得更聰明，不用再生硬地反復(fù)呼喚車機的名字，彼此對話越來越像真人，像有個智能助理。不僅如此，自動駕駛也越發(fā)順滑、可靠，更重要的是這些體驗不再專屬于高端豪華汽車，而逐漸下探到普惠車型。

如上這些場景，距今并不遙遠，越來越多的汽車產(chǎn)業(yè)界人士寄希望于AI技術(shù)。2025年春節(jié)，DeepSeek這股風吹到汽車行業(yè)，讓上述暢想離現(xiàn)實更近一步。

2月10日，比亞迪董事長王傳福就公開表示，全系新車全系搭載智駕，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2月10日的短短三天內(nèi)，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(lǐng)域深度融合DeepSeek。

在當前汽車行業(yè)中，頭部車企在智能化領(lǐng)域的競爭已趨同化，難以凸顯差異或維持領(lǐng)先優(yōu)勢。面對這一現(xiàn)狀，整個行業(yè)都在熱切期盼更高級別的智能化技術(shù)涌現(xiàn)，為汽車行業(yè)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(shù)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(yōu)化算法結(jié)構(gòu)，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：汽車終于能聽懂“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(diào)溫度、座椅角度、設(shè)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(xiàn)實并沒那么美好，現(xiàn)有車機系統(tǒng)需要逐一呼叫車輛小名，回答內(nèi)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(shù)上，希望借此更好地理解乘員提出的模糊指令，進而優(yōu)化車輛控制、人車交流、售后等各種體驗。不只是優(yōu)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(tǒng)，以便展開聯(lián)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(fā)階段，作為純語言模型，其主要作用體現(xiàn)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(yè)務(wù)助理的載體，車企紛紛探索有關(guān)應(yīng)用落地。R1模型有望帶來更優(yōu)的座艙交互體驗，座艙智能業(yè)務(wù)助理將實現(xiàn)前所未有的功能提升，并有望孕育全新應(yīng)用場景。同時其對算力的節(jié)約也讓模型更容易在座艙端本地化部署，實現(xiàn)更優(yōu)的體驗。

結(jié)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(xiàn)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。

小擺脫“算力霸權(quán)”：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(lǐng)域內(nèi)減少對高算力芯片的依賴，用國產(chǎn)工規(guī)或消費級芯片實現(xiàn)替代，進一步降低整體成本。

數(shù)據(jù)蒸餾是一種業(yè)內(nèi)常見的技術(shù)做法，是指通過一系列算法和策略，將原始的、復(fù)雜的數(shù)據(jù)進行去噪、降維、提煉等操作，從而得到更為精煉、有用的數(shù)據(jù)。數(shù)據(jù)蒸餾的目的是將復(fù)雜模型的知識提煉到簡單模型。

試舉一例，以前的大模型訓練相當于使用題海戰(zhàn)術(shù)，在大量的數(shù)據(jù)中訓練。而蒸餾就相當于讓在題海戰(zhàn)術(shù)里磨煉過的優(yōu)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(tǒng)AI訓練方法不同，DeepSeek降低成本的關(guān)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(jiān)督微調(diào)（SFT）或人工標注數(shù)據(jù)。這一模式不僅優(yōu)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(fā)展邏輯。

高性能、低成本是DeepSeek模型開發(fā)的準則。其推理模型R1通過采用了一種名為“動態(tài)蒸餾”的技術(shù)，在已有的通用大模型V3基礎(chǔ)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(yè)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(quán)或就此終結(jié)。

回看2024年，國產(chǎn)智駕集體進入“端到端”時代，有頭部智駕解決方案企業(yè)CEO表示，其應(yīng)用深度的差異仿佛代表了技術(shù)領(lǐng)先性。當時，面對AI的高門檻和復(fù)雜性，國內(nèi)的智駕玩家普遍以特斯拉為范式，囤算力、囤數(shù)據(jù)，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(fā)副總裁郎咸朋曾表示，伴隨著智駕參數(shù)量的持續(xù)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(zhuǎn)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(yè)提供了本地化部署大模型的機會，自動駕駛領(lǐng)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(yè)智能化躍遷的催化劑。

DeepSeek作為多模態(tài)大模型的代表，其核心價值在于通過端側(cè)高效推理能力，推動智能駕駛系統(tǒng)從“感知驅(qū)動”向“認知驅(qū)動”升級。在黑芝麻（參數(shù)丨圖片）智能首席市場營銷官楊宇欣看來，有助于降低開發(fā)門檻：黑芝麻智能專為下一代AI模型設(shè)計的 A2000芯片，已支持當前主流大模型的部署，通過軟硬件協(xié)同優(yōu)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(nèi)要用DeepSeek+國產(chǎn)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(jīng)》指出，目前全球80%以上的大模型是基于英偉達芯片訓練的。

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(yè)雖然尚未提出結(jié)合Deepseek的相關(guān)技術(shù)應(yīng)用，不過低成本、低算力、高性能模式，與當下高階智駕技術(shù)，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。何小鵬認為，DeepSeek有兩個技術(shù)細節(jié)和小鵬的判斷吻合，一是蒸餾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日研報指出，DeepSeek-R1模型的諸多優(yōu)化方法有望為智駕行業(yè)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(yōu)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(yù)測，這一數(shù)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(tǒng)車企訓練自動駕駛模型需3—6個月，相比之下，DeepSeek的MoE（混合專家）架構(gòu)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(yōu)化和算力節(jié)約，全面提升自動駕駛系統(tǒng)的性能和用戶體驗，實現(xiàn)科技創(chuàng)新與市場價值的雙贏。

可見，在AI技術(shù)的驅(qū)動下，當下自動駕駛技術(shù)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(zhàn)

盡管DeepSeek具備顛覆性特點，但它也并非萬能解藥。

一位國內(nèi)領(lǐng)先智能駕駛公司技術(shù)專家告訴《財經(jīng)》，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(wěn)定，對高并發(fā)情況（通過設(shè)計保證系統(tǒng)能夠同時并行處理很多請求）處理不如ChatGPT穩(wěn)定。

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

DeepSeek也曾推出過Janus Pro多模態(tài)模型，可以將文字生成圖片，但應(yīng)用范圍在娛樂領(lǐng)域。上述人士表示，在自動駕駛這種嚴謹性高、安全系數(shù)高的場景中，目前的應(yīng)用還頗為受限，但是其對自動駕駛研發(fā)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(shù)中的場景理解能力，具體來說DeepSeek可融合視覺、語音、環(huán)境等多維度數(shù)據(jù)，實現(xiàn)更擬人化的駕駛決策，例如在復(fù)雜路口動態(tài)調(diào)整路徑規(guī)劃，或在突發(fā)狀況中快速生成安全策略。

除卻技術(shù)難題待解外，如何真正體現(xiàn)技術(shù)價值，而不是停留在紙面乃至營銷上，這是對于汽車在內(nèi)諸多應(yīng)用級玩家的挑戰(zhàn)。

當前車企對包括DeepSeek在內(nèi)的諸多AI技術(shù)的理解和開發(fā)還處于初級階段，技術(shù)深度和實際應(yīng)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(chǎn)品中，不僅未能提升用戶體驗，反而使消費者對產(chǎn)品的實用性產(chǎn)生懷疑。

當一個又一個大模型在各行各業(yè)落地應(yīng)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(xiàn)出價值。

對于所有車企來說，要持續(xù)思考三個問題：對于車主而言，是否真正提升了用車體驗？對于車企而言，是否真正提升了經(jīng)營業(yè)績？對于生態(tài)而言，是否真正獲得了穩(wěn)定利潤？

責編：王 祎

the end