今天小编分享的汽车经验：车企扎堆接入DeepSeek，概念狂欢还是认知革命？，欢迎阅读。
图片系 AI 生成
技术革命的浪潮正加速席卷汽车行业。
春节过后，已经有超过 20 家车企与 DeepSeek 达成深度合作，其中包括但不限于比亚迪、吉利、奇瑞、东风集团、长城汽车、宝骏汽车、极氪、岚图、智己等。
在竞争日益激烈的汽车市场环境中，车企越来越重视智能化营销，DeepSeek 成为车企追求智能化的 " 万能钥匙 "，并不难理解。
然而，狂热的资本追逐之下，DeepSeek 的真实落地情况如何？其技术红利能否真正推动行业变革？是开启智驾新时代的关键变量，还是一场概念先行的营销狂欢？
对此业内有些专家已经开始反思，商汤绝影 CEO 王晓刚一针见血地指出：目前车企与 DeepSeek 的结合仅是原始模型的简单接入，距离汽车产品体验层面的深度结合仍有显著差距。
小鹏汽车 CEO 何小鹏更直言：" 很多只是通过 Web 调用一下接口，这种方式对最终的 driver 没有那么大价值，真的要做到用户体感非常优秀才行。"
DeepSeek 带来的技术红利真实存在，但落地后真正体现出的价值还需要进一步缕清。一位不愿透露姓名的智驾公司技术负责人也向钛媒体 App 证实："DeepSeek 接入确实简单，谁都能搞定。关键是看应用领網域、数据有效性和场景对错误的容忍度。"
智舱立竿见影，智驾任重道远
梳理车企与 DeepSeek 的合作内容发现，主要集中于智能座舱的互動功能。
传统车载语音助手常常遭受 " 人工智障 " 的诟病，而 DeepSeek 本身就是一个大语言模型算，它的语义理解能力可以使得车载系统更具人性化，对话更丝滑，不再机械和呆板。
例如，吉利的星睿大模型在与 DeepSeek-R1 融合后，能根据车主最新的驾驶路线，回答车主关于路过湖泊的问题；广汽的 ADiGO SENSE 与 DeepSeek-R1 融合后，让汽车从 " 响应指令的工具 " 进化成了 " 预见需求的伙伴 "；上汽的斑马智行接入 DeepSeek 后，能精准把握用户的模糊意图，提供合适的服务组合。
比亚迪智驾负责人杨冬生在介绍璇玑架构接入 Deepseek-R1 大模型的能力时，也着重提到，比亚迪车型可借助 R1 大模型的推理能力，更好理解用户的模糊意图和隐性需求，提供更加精准和个性化的服务。
这背后主要是依靠 DeepSeek 自身的能力——通过引入强化学习拥有长思维链、慢推理的能力，能够产生一些更高层次的认知，达到情感上的支持。通俗理解，思维链就像是一条无形的线，将问题的各个关键节点串联起来，使模型在处理任务时能够有条不紊地进行逻辑推导，抽丝剥茧，逐步找到问题的答案。
然而，这里面涉及两个问题，一个是 " 慢 "，一个是 " 准 "。
一方面，现在 DeepSeek 本身能够支撑的访问量是比较有限的，因为用户量非常多，所以提问的话整个反馈的时间延迟也都是比较长。另一方面，DeepSeek 是一个长推理的模型，在推理的时候输出相对慢一些。
延迟对于智能座舱来说，关乎的体验好坏的问题，但对于自动驾驶安全，则关乎安全与否。一般来说，人类驾驶员的反应时间受到生理限制，通常在 0.5 秒到 1 秒之间，而人们对自动驾驶系统的反应时间显然需要更快。
另外，一个是 " 准 " 的问题。" 如果是智能座舱的人机互動，端侧部署几个 B 的版本都是 OK 的，但输出精准性远不如大尺寸的模型，一般要达到比较好的效果，需要 32B 及以上的版本，但对端侧算力要求较高。" 东土科技集团副总经理兼具身智能公司总经理张人杰解释说。
张数也表示，除了 671B 的版本，其余的小 size 参数的版本基本上输出准确度很低，而 671B 要想在设备端侧 ( 包括汽车这类 ) 部署目前可能性不大而且自动驾驶是安全领網域的应用，不是内容输出类应用，二者容错性不可同日而语。
因此，在目前的汽车应用中，DeepSeek 主要是用于智能座舱的人机互動，而自动驾驶的场景仍然需要重新规划才能有可能享受大语言模型快速发展带来的技术红利。
从 ChatGPT 到 DeepSeek，" 思路 " 很重要
人工智能的发展始终是算法、算力和数据进行螺旋式交替作为技术驱动力，推动技术不断演进。车企蜂拥 DeepSeek 的场景，与 2023 年 ChatGPT 爆火时的场景类似。
" 在 ChatGPT 出来之前并不存在通用大模型，哪怕当时也有端到端自动驾驶，但是多数指的是一个纯自动驾驶模型。" 零一汽车智能驾驶合伙人王泮渠向钛媒体 App 解释两波技术热潮时表示，"ChatGPT 出现之后，标志着所有东西都能统一到语言这个框架里面，而且它还能通过一个比较好的 Scaling law ( 尺度定律 ) 生出一个非常强的基础模型。"
然而，从 ChatGPT 再到 DeepSeek 横空出世，这段时间里 " 大模型行业的发展实际是遇到了一些瓶颈——主要是在于互联网的数据价值被榨干。" 王晓刚说到。
他进一步解释说，原来通过尺度定律，在它的指引通过扩大模型的规模以及增加单纯的算力，但得到的收益相对来说是比较有限的。
" 端到端就是要有海量的数据去模仿人类的这个行为。但是从中国的实际情况来看，我们很难像特斯拉一样，要有 700 万台车，有大量数据的回流。"
相比 DeepSeek 在智舱上 " 立竿见影 " 的效果，DeepSeek 在智驾领網域的作用更多是让人们意识到以前需要非常多资源才能完成的事情，门槛降低了。" 它真正从一个精英精英去做的事情变成一个大众的公司也能做的事情。" 王泮渠说到。
一方面，因为大模型对于算力的依赖在降低，众所周知，车载上端侧的算力是有限的，但是由于实时性、安全性、还有隐私性这方面的要求，对于端侧模型运行的要求是比较高的，那么 DeepSeek 的出现，在这个端侧上其实也带来比较大的机会。
当然，这并不意味着算力需求降低是绝对的。王晓刚指出，DeepSeek-R1 的慢思考长思维链里面就是要一个强大的云端模型，所以在云端，其实并不能够去降低它的算力，反而对算力有更高的要求。然而，它可以通过 " 蒸馏 " 一系列的手段，通过一个强大的云端模型去产生一个合适的端侧模型，DeepSeek-V3 就是通过数据的蒸馏去降低算力。
DeepSeek 采用的 " 蒸馏法 "，核心目标是将复杂模型的知识提炼至简单模型中。如果说以前的大模型训练用的是题海战术，蒸馏法并不是简单复制参数，而是筛选出有效的问题，再训练新的大模型。
何小鹏此前说过，小鹏的云端大模型和 DeepSeek 的技术是一样的，用一个云端超级大模型蒸馏出来，再下放到车端。
不过，想要直接把 DeepSeek 应用到自动驾驶，还需要很漫长的探索过程。王泮渠以零一汽车在做的研发为例，介绍说正在做两个尝试：
第一， DeepSeek 是一个大语言通用模型，然而自动驾驶是一个垂直模型，需要把通用的大模型变成垂直领網域模型。
张人杰也表示，如果要在自动驾驶中真正实现端到端，世界模型和 VLA 需要能够得到真正的应用，而 DeepSeek 类的大语言模型的开发思路可以被参考用于开发适合自动驾驶的多模态大模型。
第二， DeepSeek 是一个长推理的模型，在推理的时候输出相对慢一些，接下来要尝试如何把推理的时间缩短。
能否叩开 " 全民智驾 " 大门？
2025 年，中国汽车产业正经历一场由 AI 驱动的智能化浪潮。在这场变革中，DeepSeek 的崛起成为关键变量。凭借其 " 低成本、高性能 " 的特性，DeepSeek 不仅重构了智能座舱的互動逻辑，更在自动驾驶领網域掀起技术平权的风暴。
DeepSeek 的核心竞争力源于其技术创新与工程化能力。其研发的 DeepSeek-R1 模型通过混合专家架构（MoE）和动态蒸馏技术，在降低算力需求的同时提升推理效率。
例如，相比传统模型需要数万块 GPU 的训练成本，DeepSeek 仅用 2048 块 GPU 即可完成 6710 亿参数模型的训练，费用低至 557.6 万美元。这种高效性直接降低了车企的研发门槛，使得中小厂商也能快速部署高阶智驾功能。
与此同时，DeepSeek 所采用的 " 蒸馏法 "，允许在非安全领網域内减少对高算力芯片的依赖，用国产工规或消费级芯片实现替代，进一步降低整体成本。
然而，车企争相拥抱 DeepSeek 的背后，也暗藏着风险。
车企若仅将 DeepSeek 视为营销噱头，忽视硬體研发与数据积累，可能重蹈安卓系统同质化覆辙。当前，多家车企宣称 " 首搭 DeepSeek"，但实际仅用于语音互動优化，核心智驾能力未见突破。这种 " 表面智能化 " 可能透支用户信任，反噬行业长期发展。
更深层的矛盾在于技术普惠与产业更新的平衡。DeepSeek 推动的 " 全民智驾 " 本质是存量市场的内卷，而真正的革命需突破更高阶自动驾驶技术并重构交通生态。
若车企能以 DeepSeek 为跳板，而非救命稻草，这场 AI 驱动的智驾革命或将真正改写出行历史。正如欧阳明高所言：" 智能化的终局不是垄断，而是让技术回归服务本质。" 唯有如此，" 全民智驾 " 才不会沦为一场资本游戏，而是成为普惠社会的技术里程碑。
（本文首发于钛媒体 App 作者｜韩敬娴 编辑｜李玉鹏）
