春節(jié)期間，DeepSeek 在全球科技圈引發(fā)強烈震動。此熱議從國內蔓延到歐美科技圈乃至西方主流媒體如《自然》、《紐約時報》、《經(jīng)濟學人》等。盡管全球來自科技、金融、政府等領域的專家對其評價各有側重，但其出圈和影響力已不容忽視。

DeepSeek-R1的橫空出世更是讓中國智駕圈悄然上演了一場算力起義。

01.
DeepSeek為智駕帶來了算法、算力和數(shù)據(jù)多維度的借鑒

2025年全民智駕爆發(fā)之際，截至現(xiàn)在，長安、長城、吉利、比亞迪、東風、通用等十幾家車企官宣了與國內大模型公司DeepSeek深度融合的合作。

今年1月，國內大模型公司DeepSeek發(fā)布了DeepSeek-R1，并同步開源。這一推理模型擁有思維鏈輸出，在數(shù)學、代碼、自然語言推理等任務上擁有不弱于美國OpenAI o1的表現(xiàn)。

在車企被算力規(guī)模受制的當下，DeepSeek模型百萬Token輸出僅需16元，遠低于OpenAI O1及O1 mini的價格（分別為438元及88元）讓整個行業(yè)期盼下一個更高級別的智能化技術涌現(xiàn)時刻。尤其是對汽車行業(yè)來說，當?shù)退懔?、低成本的?chuàng)新性大模型涌入車圈，更為當下業(yè)界都在呼喚的智駕平權摁下了加速器。

DeepSeek的到來為智駕產(chǎn)業(yè)帶來了算法、算力和數(shù)據(jù)多維度的借鑒，在智駕算法和算力上可體現(xiàn)為：

DeepSeek對智駕算法提升主要集中在感知層多模態(tài)融合、決策層策略優(yōu)化、知識蒸餾等多個方面。

DeepSeek的多模態(tài)模型能夠整合道路圖像、交通標識、車輛傳感器數(shù)據(jù)等多種信息，促進車端場景理解能力提升。

而在決策與控制方面，DeepSeek能夠自行涌現(xiàn)出長思維鏈能力，模擬人類駕駛員對突發(fā)事件的反思與策略調整，優(yōu)化自動駕駛的決策邏輯。

從算力維度出發(fā)，Deepseek極大降低了大模型對于算力的需求，為此，也有了英偉達的市值一夜之間蒸發(fā)了6000億美元的現(xiàn)象級事件。

2月6日，吉利汽車已經(jīng)宣布，其自研大模型與DeepSeek已完成深度融合，成為節(jié)后首個官宣與DeepSeek合作的國內車企。

按照吉利官方公布的信息，與DeepSeek-R1模型深度融合之后，吉利將對星睿車控FunctionCall大模型、汽車主動交互端側大模型等進行蒸餾訓練，融合后的吉利汽車AI，能夠主動分析用戶的潛在需求，提供更全面的智能服務。

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。

總結而言：

• 車端算力需求下降：可提供開源模型（如Deepseek R1），通過知識蒸餾壓縮大模型，降低車端部署成本。

  
  

• 算力需求降低，云端模型訓練成本下降：相同算力下，推理速度提升。算力需求少，大幅節(jié)省成本。

  
  

• 多模態(tài)能力更強：跨模態(tài)遷移后Deepseek邏輯性與場景理解更強，極端路況（如斷頭路）表現(xiàn)優(yōu)于傳統(tǒng)模型。

  
  

這些都對于DeepSeek推動高階智駕實現(xiàn)商業(yè)化落地和普及有積極作用。

當前智駕開發(fā)難度最大的是復雜的城區(qū)場景，依賴傳統(tǒng)的感知模型很難去解決那些長尾場景，各家都有去嘗試去開發(fā)訓練VLM模型以優(yōu)化對類似復雜的長尾場景的檢測及處理能力。

但開發(fā)這樣一套系統(tǒng)，依賴極大的云端算力及數(shù)據(jù)訓練成本，并且部署到車端的模型也依賴較大算力的硬件平臺。

因此知行汽車科技系統(tǒng)總監(jiān)張偉認為，DeepSeek通過其獨特的技術優(yōu)勢，如MOE、MLA、GRPO等，可以很好賦能智能駕駛的開發(fā)。

但即便在優(yōu)化云端 「教師模型」環(huán)節(jié)中，也仍需要對世界模型、VLA模型等核心模型進行訓練并優(yōu)化訓練成果。在云端模型優(yōu)化過程中，訓練算力規(guī)模、數(shù)據(jù)規(guī)模仍是云端教師模型能力提升的核心參數(shù)指標。

可以預料到，未來車企、供應商的核心差距將取決于數(shù)據(jù)規(guī)模與模型優(yōu)化能力。

往往，在智能駕駛的浪潮中，算法、傳感器、高精地圖等技術常常成為討論的焦點，而數(shù)據(jù)的力量卻往往被忽視。

智能駕駛的核心在于「智能」，而智能的本質是數(shù)據(jù)。無論是感知、決策還是控制，智能駕駛的每一個環(huán)節(jié)都依賴于海量數(shù)據(jù)的支持。DeepSeek的獨特之處在于，它不僅僅是一個數(shù)據(jù)處理工具，而是一個從數(shù)據(jù)采集、清洗、分析到應用的全鏈條解決方案提供商。

傳統(tǒng)的數(shù)據(jù)采集方式往往局限于車輛自身的傳感器，而DeepSeek通過整合車端、路端和云端的多源數(shù)據(jù)，構建了一個多維度的數(shù)據(jù)生態(tài)。

例如，通過車聯(lián)網(wǎng)技術，DeepSeek能夠實時獲取車輛的行駛數(shù)據(jù)、環(huán)境數(shù)據(jù)以及駕駛員行為數(shù)據(jù)，同時結合路側單元（RSU）和云端的高精地圖數(shù)據(jù)，形成一個完整的「數(shù)據(jù)閉環(huán)」。

這種多維數(shù)據(jù)采集方式，不僅提高了數(shù)據(jù)的豐富性，還為智能駕駛系統(tǒng)提供了更全面的環(huán)境感知能力。例如，在復雜的城市道路場景中，單一傳感器可能無法準確識別障礙物，而DeepSeek的多源數(shù)據(jù)融合技術可以通過交叉驗證，顯著提升感知精度。

數(shù)據(jù)采集只是第一步，如何從海量數(shù)據(jù)中提取有價值的信息，才是關鍵。

DeepSeek通過自研的AI算法和機器學習模型，能夠對原始數(shù)據(jù)進行高效清洗、標注和分析。例如，在自動駕駛訓練中，DeepSeek的算法可以自動識別和標注道路上的行人、車輛和交通標志，大幅降低了人工標注的成本和時間。

此外，DeepSeek還開發(fā)了基于邊緣計算的數(shù)據(jù)處理技術，能夠在車端實時完成部分數(shù)據(jù)處理任務，減少對云端的依賴。這種「邊云協(xié)同」的模式，不僅提高了數(shù)據(jù)處理的效率，還增強了智能駕駛系統(tǒng)的實時性和安全性。

02.
DeepSeek的方法論有望重塑智駕生態(tài)

DeepSeek的影響力不僅僅局限于技術層面，它正在通過數(shù)據(jù)的力量，重塑整個智能駕駛生態(tài)。

自動駕駛算法的訓練需要大量的場景數(shù)據(jù)，而DeepSeek通過其龐大的數(shù)據(jù)平臺，為車企和自動駕駛公司提供了豐富的數(shù)據(jù)資源。例如，DeepSeek的「場景庫」中包含了數(shù)百萬公里的真實道路數(shù)據(jù)，涵蓋了各種極端天氣、復雜路況和突發(fā)場景。

從算法開發(fā)者角度而言，這些數(shù)據(jù)可以幫助他們更快速發(fā)現(xiàn)和修復模型的缺陷，從而加速算法的迭代和優(yōu)化。

更重要的是，DeepSeek還通過數(shù)據(jù)共享機制，推動了行業(yè)內的協(xié)同創(chuàng)新。例如，多家車企可以通過DeepSeek的平臺共享匿名化的駕駛數(shù)據(jù)，共同提升自動駕駛算法的性能。這種「數(shù)據(jù)共贏」的模式，正在打破傳統(tǒng)車企之間的數(shù)據(jù)壁壘，推動整個行業(yè)的技術進步。

DeepSeek的野心不僅僅局限于數(shù)據(jù)本身，它正在通過數(shù)據(jù)的力量，構建一個全新的智能駕駛生態(tài)。未來，DeepSeek可能會在以下幾個方面繼續(xù)發(fā)力：

一是數(shù)據(jù)標準化。

目前，智能駕駛行業(yè)的數(shù)據(jù)標準尚未統(tǒng)一，這給數(shù)據(jù)共享和協(xié)同創(chuàng)新帶來了很大的障礙。DeepSeek有望通過其技術優(yōu)勢，推動行業(yè)數(shù)據(jù)標準的制定和普及，從而打破數(shù)據(jù)孤島，實現(xiàn)更高效的數(shù)據(jù)流通。

二是AI模型的輕量化。

隨著智能駕駛技術的普及，如何在資源有限的車端設備上運行復雜的AI模型，成為了一個重要的挑戰(zhàn)。DeepSeek正在研發(fā)輕量化的AI模型和高效的壓縮算法，以降低計算資源的消耗，從而推動智能駕駛技術在更多車型上的應用。

03.
調用DeepSeekAPI接口稱不上深度融合

不過，回到現(xiàn)實，目前國內汽車公司能夠快速實現(xiàn)DeepSeek上車，大概率只是調用了DeepSeek開放的API（應用程序編程接口），往DeepSeek充值了一些費用，還沒有完全做到真正意義上的定制化深度融合。

正如何小鵬的評論：「有十家宣布深度融合DeepSeek的汽車，他們的方法只是通過外部調用了一下接口，這個對最終的Driver（駕駛者）沒有那么大價值。真正做到用戶的體感是非常優(yōu)秀的才行?！?br/>

日前，輕舟智航官宣了基于J6M中算力平臺做安全的端到端方案，同時采用基于運動模擬的世界模型做離線訓練。輕舟也坦承表示：「和DeepSeek是類似的方法，但并不是已經(jīng)用了DeepSeek，智駕上沒人敢這么吹?！?/p>

所以當下，車企直接把DeepSeek做智駕接入的可能性不大。畢竟DeepSeek還處于大型語言模型階段，其更快的應用場景仍是在座艙層面，提供更優(yōu)的座艙交互以及孕育全新應用場景，而想要直接應用自動駕駛還有更漫長的探索過程。

因此，DeepSeek可以被視為當前智駕的重要工具，但還遠沒到改變格局的時候。

目前，智能駕駛在安全性方面要求很高，為確保功能安全可靠，需要投入較長時間進行訓練。而且，由于不同車型在算力和架構上存在差異，即便采用蒸餾技術，后續(xù)仍要依據(jù)具體車型完成有針對性的開發(fā)工作。

尾聲：

DeepSeek產(chǎn)生的影響是多方面的，但對于智能汽車產(chǎn)業(yè)而言，各主機廠積極接入當然是一件好事，但是在當下意圖通過某一項技術的接入而實現(xiàn)“研發(fā)、產(chǎn)出的平權”并給消費者帶來相同的體驗，是不現(xiàn)實的。

在DeepSeek之前，英偉達推出的Cosmos模型也宣稱可以極大的降低智駕研發(fā)投入，降低數(shù)據(jù)需求。

不過換個視角，無論是DeepSeek還是Cosmos都是工具，對于沒有正向研發(fā)能力的車企而言，除了跟蹤熱點并不能改變自己在整個產(chǎn)業(yè)中的弱勢地位。

還是那句話，在研發(fā)方面，雖然并非一分投入一分收獲，但對于建立了完整研發(fā)體系的主機廠而言，DeepSeek的方法論遠比API接入要有價值的多。