DeepSeek“上车”

“我有点累了，一会儿叫我。”司机对车辆语音助手说完后片刻，车窗自动关闭，座椅靠背角度、空调温度随之调节适当，助手“叫醒服务”也应声开启，准备在35分钟后唤醒司机。社交媒体上网友分享的这一幕，发生在新近接入人工智能大语言模型DeepSeek（深度求索）的汽车上。

今年1月，DeepSeek—R1模型问世后，引发广泛关注，各行各业掀起接入潮。2月6日以来，十多家车企陆续宣布接入，以改善人车交互体验。不过，这仅是人工智能深度赋能汽车行业的开端。

交互升级 响应指令变预见需求

DeepSeek“上车”的第一枪由总部同在浙江杭州的吉利汽车打响。新春开工第二天，吉利汽车宣布，自研大模型星睿与DeepSeek已完成深度融合。融合后，吉利将对星睿车控FunctionCall大模型、汽车主动交互端侧大模型等进行蒸馏训练（将大模型的基本知识和能力提炼成更小、更高效的模型）。届时，吉利智能汽车AI（人工智能）不仅能精准理解用户的模糊意图，进而准确调用约2000个车载接口，还能基于车内外场景主动分析用户潜在需求，并主动提供车辆控制、主动对话、售后等服务，大幅提升智能交互体验。

此后，各大车企纷纷跟进。2月8日，广汽集团宣布，自研ADiGO SENSE端云大模型与DeepSeek—R1完成深度融合，今年上半年将逐步覆盖昊铂、传祺、埃安三大品牌系列车型。2月15日，商用车行业龙头宇通集团“一云两舱”，包含“云管家安睿通”“智慧驾舱”和“智享客舱”宣布接入DeepSeek。

车企为何争相接入DeepSeek？国信证券研报分析指出，DeepSeek—R1模型以低成本著称，百万Token（Token指自然语言处理文本数据的最小单元）输出成本最低约是同类产品的二十七分之一，车企无需承担高昂费用，就能借助其自然语言处理、多模态感知等能力，显著提升产品竞争力、降低研发成本和研发周期。

座舱内的人车交互场景与用户最为贴近，直接关系终端销售，也因此成为各大车企的发力点。据广汽集团介绍，融合后的广汽智能系统，认知与推理能力大幅提升——语音助手交互延迟降至毫秒级，理解用户行为和外部环境更精准，还能识别用户潜在需求。

宇通集团相关负责人表示，接入DeepSeek后，司机可通过智能座舱、安睿通平台实现智能问答，关于用车、修车、养车等方面的问题均可得到有效回复，即使是模糊意图也能被精准理解。在实际应用中，可以帮助用户快速了解用车技巧和车辆维保等信息，为司机、车辆管理人员和企业提供更便捷高效的智能化服务。

赋能智驾 降低模型训练成本

尽管车企围绕人车交互打得火热，但这仅是人工智能大模型在座舱端的小试牛刀，更具潜力的应用是智能驾驶模型训练。

比亚迪集团高级副总裁、汽车新技术研究院院长杨冬生近日公开表示，比亚迪“璇玑”电子电气架构将接入DeepSeek大模型，快速提升车端和云端的AI处理能力。具体到智驾系统，比亚迪基于云端VLM（视觉语言模型），利用DeepSeek大模型进行推理和输出，能大幅提升数据自动化生成的效率与质量，数据投入和生成比例可达1比1万，这有助于迭代智驾模型，提升车辆在长尾场景中的感知能力。

中国电动汽车百人会在《汽车智能化发展报告（2024）智驾篇》中提出，智能驾驶已成为汽车智能化发展阶段的核心竞争点，国内车企和供应商正加大研发及商业化投入，以抢占市场先机。不过，当前智能驾驶发展受制于高质量数据的匮乏。据介绍，智能驾驶需要依靠海量且精准的数据进行算法训练，但由于范围与场景存在局限性，准确性与一致性难以保障，缺乏有效的标准与体系。

中金公司研报分析认为，DeepSeek可在数据、算法、算力多个环节全面赋能智能驾驶。在数据方面，DeepSeek大模型通过数据生成，复现虚拟优质场景，可助力模型训练。另外，高质量数据标注降低了车企对大规模人工数据标注的依赖。在算法方面，DeepSeek的多模态模型能够整合道路图像、交通标识、车辆传感器数据等多种信息，促进车端场景感知能力提升。在决策与控制方面，DeepSeek能够自行涌现出长思维链能力，模拟人类驾驶员对突发事件的反思与策略调整，优化自动驾驶的决策逻辑。在算力方面，DeepSeek模型训练成本更低，所占用的云端算力下降，而且蒸馏模型可降低车端部署的硬件成本。

在交通运输部公路科学研究院汽车运输研究中心主任周炜看来，以DeepSeek为代表的大模型将加速汽车行业智能化进程，尤其是提升预见性驾驶能力。比如，在遇到障碍物前，车辆能预测其对安全行车的影响，并评估继续行进和绕行等不同行驶方案的风险，再从中择优而取。随着搭载大模型的辅助驾驶及自动驾驶车辆规模化运行，经海量数据“投喂”训练的大模型也得以进化，使汽车变成连接万物的“智能体”，进而深刻改变运输服务组织方式和出行体验。

“‘智能化’的应有之义，是在信息不全甚至存在错误的情况下，仍能产生有效判断。要实现这一目标，汽车行业仍需创新发展思路，持续提升技术水平，打破各种隐形壁垒，走向合作共赢。”周炜说。

提问DeepSeek

问题一：怎么看车企争相接入DeepSeek？

车企密集接入DeepSeek大模型的现象，本质上是汽车智能化竞争进入新阶段的体现。

车企竞逐大模型，首要考虑是降低自身智能化转型成本，从“堆硬件”转向“拼算法”。传统智能座舱依赖高通8155/8295芯片+定制系统，单车成本较高（超过200美元），而DeepSeek通过算法优化可在低算力平台（如芯驰E3）实现同等体验，硬件成本直降40%。某车型案例显示，接入大模型后，OTA（汽车远程升级功能）功能迭代周期从3个月缩短至2周，研发效率提升8倍。

其次，车企通过大模型将用户语音、驾驶行为等非结构化数据转化为可迭代的“数字燃料”，使数据资产“变现”。例如某车企每天产生的20TB（太字节）数据，经DeepSeek清洗后形成“雨天自动调节悬架”等新功能。在形成“数据—模型—服务”闭环后，车企可拓展付费订阅服务（如奔驰DRIVE PILOT年费1200美元），打开软件收入新空间。

传统车厂一级供应商主导的电子电气架构下，车企软件差异化不足，因此自研大模型成为车企争夺供应链话语权的关键抓手。有案例显示，通过DeepSeek实现智能座舱操作系统自主可控后，供应商数量从32家减至9家。

此外，大模型可大幅提升车辆对用户需求的预判能力，比如能基于用户行程和天气数据，提前15分钟自动开启座椅加热或方向盘加热等。同时语音交互错误率也会大幅下降，且支持“打开window并播放粤语歌”等跨语种混合指令，从而提升高端市场竞争力。

2023年仅有部分“新势力”车企试水大模型，2024年已渗透至部分传统车企，预计今年，15万元以上车型大模型配置率可达80%。这也将推动车企创新商业模式，比如推出“冰雪模式”“越野专家”等AI驱动功能包，单独进行收费，以及改变保险策略——通过大模型分析驾驶行为，对智能驾驶使用率高于70%的用户保费下调25%。

车企接入DeepSeek的核心逻辑在于低成本实现智能化升级，短期内可快速提升用户体验并抢占市场关注度，长期价值则取决于能否在通用模型基础上开发个性化应用，并平衡外部技术与自主创新。车企拥抱DeepSeek绝非简单的“技术嫁接”，而是智能汽车价值链条重构的战略选择。这场变革正在改写汽车产业的成本结构、盈利模式和竞争规则——当“软件定义汽车”进入大模型时代，行业洗牌速度或将远快于燃油车向电动车的转型。对于消费者而言，更直观的体验是，未来的汽车将不再是“带轮子的手机”，而是“能自主进化的移动智能体”。

问题二：DeepSeek将如何影响智能驾驶？

感知层面上，DeepSeek的跨模态能力可将激光雷达点云、摄像头图像、毫米波雷达数据，融合为语义化场景描述，如“左侧有戴头盔的电动车正加速切入”，超越了传统算法对物体分类的简单判断。在雨雪天传感器信号衰减时，大模型能结合历史数据与实时环境进行推理，如“前车突然减速可能是路面结冰导致”，从而提升系统鲁棒性。

决策层面上，传统规则引擎只能处理“看到黄灯是否通过”等即时决策，而DeepSeek可模拟未来5分钟交通流变化（如预测前方连环追尾风险），提前规划绕行路线。

DeepSeek还将大幅提升仿真测试效率。这一生成式模型可自动创建高精度虚拟场景，如极端天气、复杂路口等，弥补真实路测数据的不足，降低数据采集成本，车企利用AI驱动的仿真平台，将更加快速地验证算法表现，缩短智能驾驶系统开发周期。

不过，由DeepSeek驱动的智驾系统，也存在安全验证、算力成本、合规、伦理等方面的风险挑战。比如有测试表明，DeepSeek生成的控制策略在99.7%场景表现优异，但仍有0.3%的异常决策，完全偏离预期。

未来两年，DeepSeek或将作为辅助工具提升开发效率；3—5年内则有望重构部分子系统架构。更长远来看，可能催生下一代智驾范式。技术突破的速度永远快于社会接受度，如何在创新与安全之间找到平衡点，是决定这场变革成败的关键。对于消费者而言，未来选择智驾系统时，除了关注“是否搭载大模型”，更需了解其训练数据边界与安全冗余机制。

（内容摘编自DeepSeek回答，不代表本平台观点）