“AI‘上車’”的敘事已經(jīng)平淡、甚至近乎泛濫之際，DeepSeek以異軍突起之姿，強勢“攪動”智駕產(chǎn)業(yè)。

1月20日，DeepSeek正式發(fā)布DeepSeek-R1模型，并同步開源模型權重。憑借低廉的成本價格和異常強悍的性能，DeepSeek僅用7天實現(xiàn)用戶增長破億，成為全球現(xiàn)象級的應用。

在多模態(tài)方面，DeepSeek于2024年12月發(fā)布了用于高級多模態(tài)理解的專家混合視覺語言模型——DeepSeek-VL2，模型的視覺問答、光學字符識別、文檔/表格/圖表理解以及視覺定位等能力得到進一步提升。

實際上，在DeepSeek名不見經(jīng)傳時，產(chǎn)業(yè)界已經(jīng)關注到了其旗下模型，部分自動駕駛公司已開始提前探索該模型的應用潛力。

“效果超出預期！我們今年初在內(nèi)部進行了實際測試，DeepSeek最直觀的變化就是對模型訓練效率的提升，它可以將推理響應時間縮短40%，甚至50%，同時算力利用率也有一定的下降。”一位某智駕龍頭企業(yè)高管透露說。

在業(yè)內(nèi)看來，DeepSeek作為開源基礎模型，有望加速智能駕駛的訓練速度，降低智能駕駛的訓練成本，成為智駕訓練的重要工具。

就智駕系統(tǒng)的開發(fā)而言，知行汽車科技系統(tǒng)總監(jiān)張偉分析稱，復雜城區(qū)場景是當前開發(fā)難度最大的地方，依賴傳統(tǒng)的感知模型很難去解決此類長尾場景。各個企業(yè)都在嘗試開發(fā)訓練VLM模型（視覺語言模型），以優(yōu)化系統(tǒng)對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，部署到車端的模型也要依賴較大算力的硬件平臺。而DeepSeek通過其獨特的技術優(yōu)勢，例如MoE（混合專家架構）、GRPO（群組相對策略優(yōu)化）、MLA（多頭潛在注意力機制）等，可以更好賦能智駕系統(tǒng)開發(fā)。

“一言以蔽之，DeepSeek有助于以更少的數(shù)據(jù)和訓練成本，實現(xiàn)同等性能的城市自動駕駛功能。”張偉說。

具體來看，在云端訓練環(huán)節(jié)，用于自動駕駛模型訓練的數(shù)據(jù)，要經(jīng)過標注后才能進行模型訓練，最后才得到能夠識別車輛和行人的深度學習模型。DeepSeek本身降低了對數(shù)據(jù)標注的需求，因此可以幫助智駕企業(yè)進行數(shù)據(jù)挖掘和生成，降低數(shù)采和標注的成本。

在車端，DeepSeek可以通過蒸餾提升模型能力，降低車端計算資源需求，并降低車端部署成本。模型單次調(diào)用算力需求和訓練成本都因此大大降低。

在場景理解上，張偉認為，跨模態(tài)遷移后DeepSeek邏輯性與場景理解力更強，在極端路況（如斷頭路、罕見交通標志識別、突發(fā)道路施工等）的表現(xiàn)有望優(yōu)于傳統(tǒng)模型。黑芝麻智能CMO（首席市場營銷官）楊宇欣同樣表示，未來DeepSeek可以用于融合視覺、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。

楊宇欣認為，DeepSeek等大模型的核心價值在于通過端側高效推理能力，推動智能駕駛系統(tǒng)從“感知驅動”向“認知驅動”升級。若DeepSeek能通過低成本算力芯片實現(xiàn)規(guī)模化應用，將加速智駕功能向大眾市場滲透。