本文來(lái)源：智車(chē)科技

國(guó)內(nèi)智能汽車(chē)行業(yè)正經(jīng)歷一場(chǎng)由AI驅(qū)動(dòng)的技術(shù)變革，而DeepSeek憑借其開(kāi)源生態(tài)與高效訓(xùn)練能力，迅速引起國(guó)內(nèi)車(chē)企的共情和合作。在傳統(tǒng)汽車(chē)向“軟件定義汽車(chē)”轉(zhuǎn)型的浪潮下，車(chē)聯(lián)網(wǎng)、自動(dòng)駕駛等技術(shù)的迭代對(duì)算力與研發(fā)成本提出了更高要求。

開(kāi)源+高效訓(xùn)練

車(chē)企擁抱DeepSeek的底層邏輯

DeepSeek的開(kāi)源模式為汽車(chē)行業(yè)提供了新思路。

2月6日，吉利汽車(chē)宣布自研大模型星睿與DeepSeek已完成深度融合。吉利將對(duì)星睿車(chē)控FunctionCall大模型、汽車(chē)主動(dòng)交互端側(cè)大模型等進(jìn)行蒸餾訓(xùn)練。屆時(shí)，吉利智能汽車(chē)AI不僅能對(duì)用戶(hù)的模糊意圖實(shí)現(xiàn)精準(zhǔn)理解，進(jìn)而準(zhǔn)確調(diào)用約2000個(gè)車(chē)載接口，還能基于車(chē)內(nèi)外場(chǎng)景主動(dòng)分析用戶(hù)潛在需求，并為用戶(hù)主動(dòng)提供車(chē)輛控制、主動(dòng)對(duì)話、售后等服務(wù)，智能交互體驗(yàn)將大幅提升。

2月7日，嵐圖汽車(chē)旗下車(chē)型嵐圖知音完成與DeepSeek模型的深度融合，成為汽車(chē)行業(yè)首個(gè)搭載該技術(shù)的量產(chǎn)車(chē)型。此前，嵐圖座艙已完成DeepSeek全系列模型接入和部署，AI智能體將在云端與DeepSeek大模型融合，帶來(lái)精準(zhǔn)智能交互體驗(yàn)。

圖1 吉利凌渡座艙，搭載吉利與DeepSeek整合AI模型

業(yè)界的普遍共識(shí)是，汽車(chē)行業(yè)正在從傳統(tǒng)的電動(dòng)汽車(chē)（EVs）向智能電動(dòng)汽車(chē)（EIVs）演變。AI和云計(jì)算正在推動(dòng)新能源汽車(chē)競(jìng)爭(zhēng)力。AI和云計(jì)算的整合已成為中國(guó)新能源汽車(chē)（NEV）市場(chǎng)的一個(gè)重要趨勢(shì)。汽車(chē)制造商正在利用這些技術(shù)提升車(chē)輛性能，為用戶(hù)提供更個(gè)性化的駕駛體驗(yàn)。

在近期于達(dá)沃斯舉行的世界經(jīng)濟(jì)論壇上，寧德時(shí)代聯(lián)席主席潘健強(qiáng)調(diào)，智能與中國(guó)電動(dòng)汽車(chē)市場(chǎng)的快速增長(zhǎng)密不可分。他表示，電力和智能的無(wú)縫整合是這一轉(zhuǎn)型的關(guān)鍵。他強(qiáng)調(diào)，電動(dòng)力為汽車(chē)提供了先進(jìn)的智能功能，結(jié)合DeepSeek類(lèi)大模型，將進(jìn)一步鞏固了中國(guó)在全球智能電動(dòng)汽車(chē)領(lǐng)域的領(lǐng)導(dǎo)地位。

在追求模型高效落地的過(guò)程中，蒸餾（Distillation）技術(shù)成為DeepSeek賦能車(chē)企的另一張王牌。傳統(tǒng)大模型雖性能強(qiáng)悍，但高昂的存儲(chǔ)與運(yùn)行成本使其難以適配車(chē)載場(chǎng)景。DeepSeek R1通過(guò)知識(shí)蒸餾，將大型語(yǔ)言模型的“經(jīng)驗(yàn)”遷移至輕量化模型中，既保留了核心能力，又大幅降低了硬件負(fù)載。據(jù)悉，吉利將對(duì)星睿車(chē)控 FunctionCall 大模型、汽車(chē)主動(dòng)交互端側(cè)大模型等進(jìn)行蒸餾訓(xùn)練，將DeepSeek R1的語(yǔ)義理解與優(yōu)先級(jí)決策能力注入車(chē)輛控制模塊，這種“類(lèi)人思考”的決策邏輯，將為車(chē)企在成本與性能間找到了平衡點(diǎn)，加速了AI模型從實(shí)驗(yàn)室到量產(chǎn)車(chē)的轉(zhuǎn)化。

DeepSeek在智能車(chē)輛行業(yè)的未來(lái)擴(kuò)展

-類(lèi)腦思考的端到端自動(dòng)駕駛

在自動(dòng)駕駛領(lǐng)域，還沒(méi)有自動(dòng)駕駛模型在大數(shù)據(jù)統(tǒng)計(jì)檢驗(yàn)意義上公認(rèn)優(yōu)于人類(lèi)駕駛員。如何讓機(jī)器理解“人類(lèi)用語(yǔ)義表達(dá)的操作優(yōu)先級(jí)”，這正是DeepSeek和其它潛在大語(yǔ)言模型最好的切入點(diǎn)之一。而且，這種技術(shù)切入是融合到最新的端到端（end to end）自動(dòng)駕駛技術(shù)潮流的。

圖2 三階段和端到端自動(dòng)駕駛對(duì)比，圖片來(lái)自Research Gate

傳統(tǒng)的自動(dòng)駕駛系統(tǒng)通常由多個(gè)獨(dú)立的模塊或者階段組成，如感知、決策和控制。而端到端自動(dòng)駕駛技術(shù)試圖通過(guò)將這些模塊整合成一個(gè)統(tǒng)一的龐大神經(jīng)網(wǎng)絡(luò)模型，直接將原始傳感器輸入（圖像、點(diǎn)云、超聲波雷達(dá)等等）映射到車(chē)輛的控制命令，以實(shí)現(xiàn)自動(dòng)駕駛的功能。

具體而言，端到端自動(dòng)駕駛技術(shù)將原始傳感器數(shù)據(jù)（如攝像頭、雷達(dá)和激光雷達(dá)）作為輸入，并通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行處理，直接輸出車(chē)輛的控制命令（如方向盤(pán)轉(zhuǎn)角、油門(mén)和剎車(chē)）。這種方法消除了傳統(tǒng)自動(dòng)駕駛系統(tǒng)中的中間步驟和模塊，簡(jiǎn)化了系統(tǒng)的設(shè)計(jì)和實(shí)施過(guò)程。

端到端自動(dòng)駕駛技術(shù)的主要優(yōu)勢(shì)在于它可以通過(guò)使用大規(guī)模的數(shù)據(jù)集進(jìn)行端到端的訓(xùn)練，從而提高系統(tǒng)的性能和魯棒性。它能夠從原始數(shù)據(jù)中學(xué)習(xí)到更高級(jí)別的特征和抽象表示，自動(dòng)發(fā)現(xiàn)和理解復(fù)雜的交通場(chǎng)景和駕駛行為。此外，端到端自動(dòng)駕駛技術(shù)還能夠適應(yīng)不同的道路和環(huán)境條件，具有更好的泛化能力。

端到端自動(dòng)駕駛技術(shù)有許多潛在的優(yōu)勢(shì)，但它的優(yōu)勢(shì)面也同步帶來(lái)對(duì)應(yīng)的劣勢(shì)，如對(duì)大規(guī)模數(shù)據(jù)的需求、對(duì)計(jì)算資源的要求以及解釋性和安全性等問(wèn)題。其中最大的潛在劣勢(shì)是最終結(jié)果的統(tǒng)一單一模型可能極為龐大，帶來(lái)巨大的存儲(chǔ)、訓(xùn)練，運(yùn)行開(kāi)銷(xiāo)和巨大的能耗。因此，盡管業(yè)界普遍接受端到端方案是自動(dòng)駕駛的未來(lái)，但主要實(shí)踐端到端自駕的還是巨頭Tesla。

一般而言，作為現(xiàn)狀的當(dāng)前自動(dòng)駕駛系統(tǒng)通常采用混合方法，結(jié)合傳統(tǒng)的模塊化方法和端到端技術(shù)，以實(shí)現(xiàn)更可靠和安全的自動(dòng)駕駛功能。

那么如果有一個(gè)破局者，具有低訓(xùn)練成本、低使用成本，最終模型采用蒸餾distillation技術(shù)極小化，又能理解“人類(lèi)用語(yǔ)義表達(dá)的操作優(yōu)先級(jí)”如何呢？

這個(gè)回答似乎是訓(xùn)練費(fèi)用560w美元，單個(gè)token使用費(fèi)用約chatGPT o1的三十分之一，且不依賴(lài)海外高端芯片的DeepSeek R1，以及它的多模態(tài)前身DeepSeek V3。

圖3 學(xué)術(shù)界使用多模態(tài)大語(yǔ)言模型LLM處理自動(dòng)駕駛傳感器輸入的多模態(tài)數(shù)據(jù)（來(lái)自next-GPT）

隨著智能駕駛向“全場(chǎng)景化”邁進(jìn)，端到端（End-to-End）技術(shù)成為行業(yè)競(jìng)爭(zhēng)的高地。傳統(tǒng)自動(dòng)駕駛依賴(lài)感知、決策、控制分階段執(zhí)行的模塊化架構(gòu)，存在系統(tǒng)復(fù)雜、響應(yīng)延遲等短板。DeepSeek通過(guò)多模態(tài)大模型，將傳感器數(shù)據(jù)直接映射為控制指令，構(gòu)建起“輸入-輸出”一體化的新范式。

以DriveGPT4、商湯DriveAGI、Senna架構(gòu)為代表的端到端方案，已展現(xiàn)出顯著優(yōu)勢(shì)。

1.DriveGPT4：DriveGPT4是將大模型應(yīng)用于可解釋的端到端自動(dòng)駕駛的一個(gè)重要里程碑。它通過(guò)引入更強(qiáng)大的感知能力和更高的決策透明度，推動(dòng)了自動(dòng)駕駛技術(shù)向更加智能的方向發(fā)展。

2.Senna架構(gòu)：Senna采用了獨(dú)特的解耦行為決策-軌跡規(guī)劃思路，利用大規(guī)模駕駛數(shù)據(jù)進(jìn)行微調(diào)，以增強(qiáng)對(duì)駕駛場(chǎng)景的理解能力。此外，該架構(gòu)還能通過(guò)自然語(yǔ)言輸出高維決策指令，進(jìn)一步提升了系統(tǒng)的靈活性和適應(yīng)性。

3.商湯絕影DriveAGI：商湯絕影推出的新一代自動(dòng)駕駛大模型DriveAGI，憑借其寬泛適用場(chǎng)景、高性能以及低門(mén)檻的特點(diǎn)，成為行業(yè)內(nèi)的一大亮點(diǎn)。該模型特別注重增強(qiáng)端到端自動(dòng)駕駛方案的可解釋性和交互能力

除此以外，我們還可以再加上前文提到的吉利將自身AI模型和deepseek整合得到混合模型。

也許近期就會(huì)出現(xiàn)DeepSeek獨(dú)立的Driving AGI，這些模型在技術(shù)架構(gòu)上都一般包含如下特點(diǎn)作為基礎(chǔ)部件：

1.多模態(tài)數(shù)據(jù)融合：

多模態(tài)大模型能夠處理來(lái)自不同傳感器的數(shù)據(jù)，如攝像頭、激光雷達(dá)（LiDAR）、毫米波雷達(dá)等。這些數(shù)據(jù)被整合成一個(gè)統(tǒng)一的表示形式，從而為后續(xù)的決策和規(guī)劃提供全面的信息支持。

2.端到端學(xué)習(xí)：

端到端學(xué)習(xí)是指從原始傳感器數(shù)據(jù)直接輸出駕駛指令或軌跡規(guī)劃的過(guò)程。這種方式省去了傳統(tǒng)方法中復(fù)雜的中間步驟，簡(jiǎn)化了系統(tǒng)設(shè)計(jì)，并提高了系統(tǒng)的實(shí)時(shí)性和魯棒性。例如，EMMA（End-to-End Multimodal Model for Autonomous Driving）技術(shù)可以直接將原始攝像頭數(shù)據(jù)映射到具體的駕駛動(dòng)作。

3.自然語(yǔ)言處理與交互：

一些先進(jìn)的多模態(tài)大模型不僅限于視覺(jué)信息，還結(jié)合了自然語(yǔ)言處理能力，可以理解并生成人類(lèi)語(yǔ)言描述的駕駛意圖或指令。這使得系統(tǒng)能夠更好地理解和響應(yīng)復(fù)雜環(huán)境中的動(dòng)態(tài)變化，同時(shí)也增強(qiáng)了人機(jī)交互的可能性。

其應(yīng)用場(chǎng)景包括：

1.乘用車(chē)自動(dòng)駕駛：在城市道路、高速公路等多種路況下，多模態(tài)大模型可以幫助車(chē)輛安全地完成變道、避障、停車(chē)等操作。據(jù)報(bào)道，理想汽車(chē)已經(jīng)基于快慢雙系統(tǒng)的思路實(shí)現(xiàn)了量產(chǎn)上車(chē)的應(yīng)用。

2.商用車(chē)及物流配送：商用車(chē)輛和物流配送機(jī)器人不僅可以在NOA模式下使用多模態(tài)大模型實(shí)現(xiàn)L1-L4級(jí)別自駕，特別是在面對(duì)非結(jié)構(gòu)化環(huán)境時(shí)，如港口（比如東風(fēng)商用車(chē)和招商集團(tuán)合作的廈門(mén)港、媽灣港無(wú)人集卡）、礦區(qū)（遠(yuǎn)安磷礦地下礦區(qū)自動(dòng)礦車(chē)）、工地、倉(cāng)庫(kù)內(nèi)部等特殊場(chǎng)景。這些模型能夠提高運(yùn)輸效率，減少人為干預(yù)的需求，減少司乘人員的精力消耗。

結(jié)語(yǔ)

值得關(guān)注的是，DeepSeek通過(guò)開(kāi)源生態(tài)與高效訓(xùn)練框架，正在打破特斯拉對(duì)端到端技術(shù)的壟斷。其模型支持分布式訓(xùn)練與邊緣計(jì)算部署，即便在國(guó)產(chǎn)芯片上也能實(shí)現(xiàn)低延遲推理。隨著蒸餾技術(shù)的進(jìn)一步優(yōu)化，未來(lái)車(chē)載模型的體積與能耗有望再降，為L(zhǎng)4級(jí)自動(dòng)駕駛的規(guī)�；�落地鋪平道路。

從開(kāi)源賦能到蒸餾提效，再到端到端重構(gòu)駕駛邏輯，DeepSeek正在以“技術(shù)普惠”的姿態(tài)重塑?chē)?guó)內(nèi)智能汽車(chē)行業(yè)。在這場(chǎng)變革中，車(chē)企借助AI大模型的“智力杠桿”，實(shí)現(xiàn)安全、高效與人性化駕駛體驗(yàn)的全面升級(jí)。當(dāng)DeepSeek的“類(lèi)腦思考”真正融入車(chē)輪之上，中國(guó)智能汽車(chē)產(chǎn)業(yè)的全球領(lǐng)導(dǎo)地位或?qū)⒉辉龠b遠(yuǎn)。

免責(zé)聲明：

凡本公眾號(hào)注明“來(lái)源：XXX（非智車(chē)科技）”的作品，均轉(zhuǎn)載自其它媒體，轉(zhuǎn)載目的在于傳遞和分享更多信息，并不代表本平臺(tái)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)，版權(quán)歸原作者所有，如有侵權(quán)請(qǐng)聯(lián)系我們刪除。

       原文標(biāo)題 : 端到端類(lèi)腦自動(dòng)駕駛 | DeepSeek如何影響國(guó)內(nèi)智能汽車(chē)行業(yè)