市场商业报告披露官方网站
2025年03月14日 星期五
DeepSeek也为智能驾驶做出什么贡献？
◎编写 孙小程序 刘华彩
“AI‘进入车内’”的叙事早已平平淡淡、乃至几近泛滥成灾之时，DeepSeek以迅猛发展之态，强悍“搅拌”智能驾驶产业链。
1月20日，DeepSeek正式公布DeepSeek-R1实体模型，并同步开源系统实体模型权重值。凭着实惠的成本价和异常强大的特性，DeepSeek只用7天帮助企业实现提高过亿，变成了全球现象级运用。
在跨模态层面，DeepSeek于2024年12月发布用以高端跨模态了解的专业人士混和视觉元素实体模型——DeepSeek-VL2，实体模型视觉上的互动问答、光学字符识别、文本文档/报表/数据图表了解及其视觉定位的能力得到进一步提升。
事实上，在DeepSeek没名气时，工业界早已关注到其旗下实体模型，一部分自动驾驶公司已经开始提早探寻该方法的使用发展潜力。
“实际效果超出预算！大家今年在外部展开了实际测试，DeepSeek最明显的变化就是对模型推理效能提升，它可以将逻辑推理回应时间压缩40%，乃至50%，与此同时算率使用率也有一定的降低。”一位某智能驾驶领头企业管理人员透露说。
在行业内看起来，DeepSeek做为开源系统初始模型，有望加速无人驾驶的练习速率，减少无人驾驶的练习成本费，变成智能驾驶练习的重要方式。
就智能驾驶系统的开发来讲，知行汽车科技系统软件主管刘明分析认为，繁杂市区场景是现阶段开发设计难度最大的地区，依靠传统式的感知实体模型很难处理该类扇尾情景。各企业都在尝试开发设计练习VLM实体模型（视觉元素实体模型），以优化软件对扇尾场景下的检测与处理量。
但开发设计那样一套系统，依靠很大的云空间算率及算法训练成本费，布署到车端实体模型也需要依靠比较大算力的硬件系统。而DeepSeek根据独特的市场优势，比如MoE（混和权威专家架构设计）、GRPO（群聊相对性策略优化）、MLA（双头潜在性注意机制）等，能更好的创变智能驾驶系统软件开发。
“一言以蔽之，DeepSeek有利于以更低的数据信息学习训练成本费，完成同样特性的大城市自动驾驶功能。”刘明说。
具体而言，云端练习阶段，用以无人驾驶模型推理的信息，需要经过标明后才能进行模型推理，最终才能得到能够识别车辆和行人的机器学习模型。DeepSeek自身减少了对数据堂的需要，因而能够帮助智能驾驶公司进行大数据挖掘和形成，减少数采和注明的成本费。
在房端，DeepSeek能通过分馏提高实体模型水平，减少车端云计算服务器要求，并减少车端部署成本。实体模型一次启用算力需求学习训练成本都因而大幅度降低。
在场景理解上，刘明觉得，跨模态转移后DeepSeek思维逻辑与场景理解能力比较强，在极端实时路况（如跨线桥、少见交通标志识别、突发性公路施工等）表现有希望优于传统实体模型。黑芝麻智能CMO（顶尖网络营销官）杨宇欣同样表示，将来DeepSeek可用作结合视觉效果、视频语音、自然环境等多个方面数据信息，实现更拟人化的安全驾驶管理决策，比如在繁杂街口动态管理最短路径算法，或者在紧急状况中快速生成安全设置。
杨宇欣觉得，DeepSeek等各大实体模型的核心理念取决于根据端侧高效率逻辑推理能力，促进智能驾驶系统从“认知推动”向“认知能力推动”更新。若DeepSeek可以通过降低成本算率处理芯片完成规模化应用，将加快智能驾驶作用向外界市场渗透。
市场观察所刊载信息，来源于网络，并不代表本媒体观点。本文所涉及的信息.数据和分析均来自公开渠道，如有任何不实之处、涉及版权问题，请联系我们及时处理。本文仅供读者参考，任何人不得将本文用于非法用途，由此产生的法律后果由使用者自负。投诉举报请联系邮箱：News_Jubao@163.com
