没有人关心汽车司机是否可以写一篇完整的分数论文。
作者| Cao Siqi
编辑| Jingyu
DeepSeek成为蛇年初最热门的事情。即使是家里的父母和祖父母也要求我告诉他们新年餐桌上的AI发生了什么。
由于其强大的推理能力和开源模型，几乎所有技术公司都在研究如何与DeepSeek“深入融合”。尽管诸如华为，腾讯，百度，字节等的互联网巨头都有自己的模型，但它们并不能尽快在云服务器中连接到DeepSeek。由于“服务器很忙，请稍后再试”。用户能够在曲线中节省该国，云服务提供商能够吸引流量。
由于类似的逻辑，筹码，金融，电信和其他行业的主要参与者也与该模型有关。毕竟，每个人都希望体验R1模型中最强大的大脑。无论在业务层面有多大帮助，大多数公司的股价至少都会上涨。
但是，有一个行业略有异常，即汽车行业的OEM。
截至2月13日，包括比德，吉利，东芬，大城市，Zekr和Zhiji在内的20多家汽车公司已宣布完成与DeepSeek的深入整合。但是，新部队中的Wei Xiaoli Huami和Tesla均未宣布与DeepSeek相关的集成信息。
在此阶段，大型模型上车的最大问题是，它没有显示出足够好的场景。相反，在某些OEM的微博评论部分中，汽车所有者更关心是否可以及时通过OTA优化某些现有功能。
可以看出，技术不是用户最关心的问题，用户真正关心的是产品体验。用户真正关心的是如何使用更好的模型获得更智能体验。相反，如果在此阶段无法获得更聪明的体验，那么用户更关心汽车是否易于驾驶，内部是否舒适以及是否便宜。
用户想要的是“更聪明的汽车”，但这并不意味着他们必须在汽车上的大学入学考试上写一篇完整的文章。
01
汽车公司排队以访问DeepSeek？ “ tathagata”
在DeepSeek上车之后，在各种OEM发布的有限信息中，智能驾驶舱中的人类计算机互动预计将成为深层整合的第一个典型情况。
在Zhiji和Geely发布的两个视频中，显示了与智能驾驶舱有关的三个用法场景，即：
场景1：激活驾驶舱模型，并致电DeepSeek进行文本生成，例如“生成一篇文章来庆祝亚洲冬季奥运会金牌的诞生”。
智能驾驶舱是通过DeepSeek生成的|图像来源：视频屏幕截图
在这种情况下，驾驶舱通过连接到DeepSeek API将DeepSeek的“良好写作风格”带入了汽车。与习惯在手机和计算机上操作的绝大多数人略有不同的点是，语音被添加为一种新的交互方法。
场景2：问一个问题，您在某个里程中遇到的湖名是什么名字。 DeepSeek通过调用诸如车程行程记录，地图等的信息来提供相应的答案。
通过DeepSeek回答车主的问题|图像来源：视频屏幕截图
在这种情况下，通过连接到DeepSeek，将存储在车辆中的端端信息（旅行记录，地图）作为推理语料库提供，从而获得了更多的个人推理问题和答案。
场景3：模糊命令直接向汽车机器表达：“我很累，稍后打电话给我”。汽车识别后，调整了窗户，座椅，空调，环境灯和闹钟的硬件或功能，以产生休闲时间。场景。
模糊的语义识别和相关的车辆控制操作是通过DeepSeek实现的|图像来源：视频屏幕截图
与手机上的DeepSeek应用程序不同，连接到汽车机后的最显着差异是，该模型可以将汽车信息称为推理语料库，以向汽车所有者提供更多个性化的服务。
但是，OEM尚未发布有关这些推论消耗多少计算资源，需要哪种硬件支持以及是否需要网络服务的计算资源的信息。
02
更聪明的智能声音可能不是正确的PMF
DeepSeek希望在汽车上聪明地发出聪明的声音，并更好地了解用户的各种模糊说明。但是，这确实是对OEM和用户目前最紧迫的需求吗？
从企业方面，对DeepSeek的主动访问主要分为三类，即：芯片，云服务和终端硬件制造商（手机 +智能汽车）。
对于芯片制造商而言，由于DeepSeek基于NVIDIA芯片进行推断，并且不同芯片之间的体系结构不同，因此其他制造商必须适应软件和算法级别，才能与DeepSeek的模型培训和推理兼容。换句话说，CHIP制造商参与这一轮DeepSeek是由于用户的最真实和最紧迫的需求所致，这是保存和扩展市场的关键举措。
云服务提供商的主动访问也有类似的逻辑。对于C-End用户，当他们经常遇到提示“服务器忙碌，请稍后再试”时，云服务提供商的出现提供了一个新的入口，该入口捕获了这次溅出的流量，使人们消耗更多普通的人用户认识自己；对于B-End用户（例如开发人员和企业用户），在云上部署DeepSeek可以降低企业使用模型的阈值，并提供更好的开发体验。
因此，在这一轮DeepSeek Boom中，包括华为云，腾讯云，阿里巴巴云，百度云，火山引擎在内的主要参与者已将DeepSeek延伸到云中 - 即使这些云制造商背后的技术公司是独立的，但是开发的模型，但是如果用户想使用DeepSeek，则需要连接到此开源模型。
“不知所措” DeepSeek服务器|资料来源：网络屏幕截图
但是在硬件字段中，对于终端制造商和用户而言，不仅很难在产品的另一侧完成DeepSeek的部署，而且是最高优先级。
首先，当前的终端计算资源不支持“全血版本” DeepSeek的局部部署。与云服务器不同，如果要在个人设备上部署671b参数模型的R1模型，则需要将近1300克的视频内存，这远远超出了PC，手机和汽车的端端计算资源。如果我们采用第二种最佳视图，使用7B或10B蒸馏模型，则推理能力与全血版本显着不同。
因此，如果DeepSeek模型连接到汽车机，但是本质上，这只是一个额外的语音入口，对于用户来说，为什么他们必须在汽车中使用DeepSeek，而不是在手机或计算机上打开应用程序？
对于智能汽车用户，与汽车计算机是否可以解决数学问题或写出好的文章相比，他们显然更关心它是否可以扮演“助手”的角色。这是真正的需求。例如，手机上的微信上收到的地图甚至餐厅的位置信息都可以通过一键单击将其传输到汽车计算机导航中，并显示在HUD导航中。这是减少车辆机器运营和改进体验的特定情况。
执行此类任务所需的核心能力并不在于DeepSeek擅长的“推理”，而是工程学能够在不同设备之间打开接口的能力。目前，具有多端设备（例如Hongmeng Zhixing，小米和Nio）的公司实际上已经具有类似的功能。这可能就是为什么华为Cloud宣布与DeepSeek宣布集成的原因，但是在洪蒙Zhixing领导下的汽车制造商尚未发表任何相关陈述。
实际上，无论是手机还是汽车用户，每个人都真正期望的是将AI的“大脑”和硬件“主体”结合在一起后的智能体验。也就是说，在OpenAI定义的人工智能阶段，从L2（推理）到L3（代理）改进。但是在产品级别上，这不仅取决于某个模型的功能，而且还与硬件级别的产品定义，接口和功能开发密切相关。
03
除了驾驶舱外，DeepSeek还能为汽车公司做什么？
除了产品水平外，在近年来越来越激烈的竞争中，DeepSeek可以为汽车环提供任何帮助吗？
要回答这个问题，我们必须首先知道当前智能驾驶开发水平上最大的问题是什么？
总而言之，它是：当前的智能驾驶系统无法处理复杂的城市道路条件，并且接管的数量频繁，并且用户体验不好。
经常接管的原因不仅是不可预测的安全情况，例如行人穿越，车辆插头，电池汽车违背趋势等，还包括系统对某些特殊交通规则的识别和判断。更典型的场景包括：一线城市，公交车道的潮汐车道；在不同城市左转和转弯车道的不同设计思想（有些在最左边，有些在最右边）；以及临时构造或控制期间的各种电子屏幕信息。
这些燃烧的交通变化，更不用说智能驾驶系统了，即使是人类驾驶员也必须在第一次遇到这些情况时获得100％的注意力。
理想自动Li Xiang的首席执行官在去年中旬发表了著名的演讲，将人类驾驶员的大脑划分为系统1和System 2。系统1负责以低能的方式处理直觉的工作，而System 2则负责对于复杂的情况。进行推断并处理各种角落案例。
以其推理而闻名的语言模型DeepSeek-R1有望提高“系统2”的功能。例如，更准确地识别和理解不同的交通标志（公交车道，潮汐车道），以做出更好的驾驶判断。此外，DeepSeek-R1提高了模型的训练效率和推理能力，并有望优化车辆端的推理速度，并通过有限的计算能力在最终方面实现了更好的智能驾驶能力。
智能驾驶开发的另一个困难反映在数据采集方面。与可以直接使用大量数字文本资源进行培训的语言模型不同，智能驾驶通常需要在培训之前在真实的物理世界中收集数据。
由于引入了MOE（Hybrid Expert Architecture）和MLA（广泛的潜在注意力机制）等技术，DeepSeek本身会减少对数据注释的需求，这可以帮助智能驱动公司开采和生成数据，并降低数据成本获取和注释。
在另一个层面上，DeepSeek的多模式模型（非R1）可以模拟并生成一些难以收集的场景数据，例如极端路线，罕见的交通标志等。通过模拟数据训练或验证智能驾驶的培训也是其中之一对于许多汽车公司（例如华为和Nio）培训智能驾驶模型的重要任务。
尽管上述工作不像连接到DeepSeek的云服务提供商，这可以直接解决迫切需要在访问主站点时圈出圈子的需求，但对于汽车公司来说也很重要。毕竟，智能驾驶无疑将成为2025年竞争的重点。在相同价格范围的模型中提供更好的智能功能将成为消费者选择决策中的新重要考虑因素。
当然，如上所述，智能汽车的各种功能不仅依赖于某些单一技术的突破，而且还依赖于车辆侧的其他硬件级优化（例如具有更大计算能力的智能驾驶芯片）和其他模型侧。功能的优化将共同确定我们何时达到智能驾驶和智能机舱功能的L3水平。
在智力浪潮中，DeepSeek为所有创新者提供了低成本和高性能的样本，但这不是可以复制的一组答案。未来的汽车产品应该去哪里，真正了解产品和人工智能需要“深入搜索”的人。 ”。
