是个车企都要蹭DeepSeek，失实有点风趣了。

DeepSeek 的热度，毕竟仍是被车圈蹭上了。 就在这多少天，当咱们还在跟 DeepSeek 互喷效劳器忙碌的时间， N 个海内的车企就跟磋商好了似的，先是岚图，后是极氪，紧接着就是智己、宝骏跟 昨天的比亚迪。 之后乃至人传人到了斑马智行跟亿咖通这些做车机的企业，都一个接一个的表现，自家的产物曾经跟 DeepSeek 最新的 R1 模子合体了。 而就在脖子哥写稿的时间，这个名单还在变长。 不晓得年夜伙咋想啊，横竖我在看到这些新闻的时间，头脑里就是连续串的问号： 把 DeepSeek 用在车上有啥意思？他们说的深度融会究竟是个啥情势？车载版本的 DeepSeek 跟网页版又有啥差别？ 固然最主要的魂魄拷问是， 这些车企们，究竟是不是只是为了营销的热度在硬蹭 DeepSeek ？ 你别说，在狠狠研讨了一番当前哥们曾经有论断了。说人话就是， DeepSeek 的胜利对汽车行业确切有效，但 压根不是上头这些车企这么用的。 至于为啥，咱们缓缓来看。 起首第一个成绩，车企们是怎样把 DeepSeek 放到车上的？ 能够确定的是，各人都不抉择在车机里装 app 这种最直给的方法。由于从各路消息稿里能够看到，各人都提到了 DeepSeek-R1 模子跟自有模子在底层算法上的融会，部份品牌还提到了 模子蒸馏的技巧。 再加上一家名叫 思必驰的云端年夜模子效劳公司，前一阵也官宣了本人在云端模子里融会了 DeepSeek 模子，给像是长城、比亚迪如许的车企供给云端 AI 助手的支撑。 基础能够断定现在上车的 DeepSeek-R1 ，大略率会是以下 两种情势之一： 一是经由过程 DeepSeek 的 MIT 开源协定， 在自家的效劳器上安排满血版或是蒸馏后的 R1 模子，而后经由过程微调融会，跟自家原有的模子酿成一全部年夜模子。车主呢，则是经由过程车机联网来应用这个年夜模子的交换功效。 第二种则是经由过程 蒸馏的方法，把 R1 紧缩成一集体积十分小的小模子而后更新到车端，让车主就算不联网，也能用上 DeepSeek 的一局部功效。 这两种方法说究竟，就是给这些车上底本的 AI 模子上了一个 DeepSeek 的 buff ，让它领有一局部 R1 的才能。 那这些模子是用来干啥的呢？实在。。。 就是能让语音助手提及话来更有人味罢了。 是不是感到有点无聊，是的，由于相似的功效曾经在良多新权势车型上实现了。 比方之前很火幻想 MindGPT 跟蔚来的 NomiGPT ，对话相同啥的不只比传统的语音助手更流利，一些比拟抽 象的成绩，比方 “ 凿壁偷光须要判多少年 ” 这种弱智吧成绩，能答下去的概率也能绝对高点。 但要我说啊， 这种用法压根就没施展出 DeepSeek-R1 模子的才能，改良用车休会啥的就更别指望了。 你问为啥？ 要晓得， DeepSeek 的 R1 模子之以是发生了这么年夜的惊动，开源是一方面，最主要的仍是它在练习的时间，很 big 胆的应用了 强化进修 + 嘉奖模子的方法，终极出现出了超强的 推理才能，十分合适处理艰苦的逻辑成绩。 打个比喻啊，高中班里有俩同窗 A 跟 B ，面临统一道数学题， A 的做法是安分守己的用种种公式，一步步循序渐进的解题。而 B 则是管你公式这那的，本人靠着之前做过的超多标题， 本人探索出一个解法。 而这个解法，很有可能就会比硬套公式来的高效的多。就跟我们学了高级数学再归去做高中的题似的，直接就秒了。 长此以往，比拟逝世记公式的 A ， B 同窗就更能懂得成绩跟谜底之间的逻辑关联，在面临没见过的庞杂成绩， 比方巨难的数学跟编程成绩的时间，也能更快、更正确的推理出准确的谜底。 而这个 B 对应的，实在就是 DeepSeek-R1 的纯强化进修的练习形式。 不须要像以往的羁系进修一样始终用规矩来微协调修改，只靠着做对了就嘉奖，让 AI 本人意会推导进程。 这时间再回到车上的语音助手，成绩就来了，由于我们压根不会问它什么太庞杂的成绩，顶多就是问问气象放放歌啥的。 这些功效就算不是 DeepSeek 这种级其余年夜言语模子，实在也都能处理的七七八八。只有你不是开车开一半忽然就问语音助手： 那在休会上大略率就不会跟现有的车载年夜模子有太年夜的差异。 再加上经由蒸馏跟融会之后的小模子，才能对照满血版有着不小的阉割， 对本人原来就有本人的年夜模子的车企来说，再加一个 DeepSeek 实在没啥须要。 以是啊，那些焦急喊出 DeepSeek 标语的车企们，我的评估是热门么确定是想蹭的， DeepSeek 上车的现实后果，确定也远不宣扬里那么邪乎，年夜伙能够坐下了。 固然，假如车企原来在座舱 AI 上有短板，能靠着开源的 DeepSeek-R1 做做查缺补漏，让自家的模子追上一线新权势的程度，确切也不是什么好事。 可就像我扫尾说的， DeepSeek 假如只是拿来做语音助手的话，那失实是有点挥霍了。究竟它更年夜的潜力，实在是在 智能驾驶上。 就这么说吧，甭管是很火的端到端仍是规矩算法，假如能更多的用上 DeepSeek 的强化进修形式，或者就能让才能往上 进步一年夜截。 真不是我吹啊，年夜伙还记得前头做题的同窗 A 跟 B 么，实在相似的情理在智能驾驶上也同样建立。 当初多少乎全部的主流智能驾驶实在就是谁人安分守己的同窗 A ，在练习模子的时间都是 模拟进修为主。模拟嘛，望文生义就是让智驾算法能跟专家的行动树模对应，也就是模拟人类开车。 比方特斯拉、比亚迪跟华为，就都市从驾驶评分比拟高的车主那网络驾驶数据，比方摄像头拍的视频喂给算法， 研讨车主们怎样从 A 点开到 B 点，再停止一个模拟。 很显明，这种思绪到头来练习出的就是跟 人类开车程度持平的智驾。但强化进修则完整差别，由于它进修的不是驾驶的进程，而是经由过程一直的试错，意会出从 A 点开到 B 点最高效的道路。 而这个意会的下限，可不就只是能让智驾开得像人了。 要晓得智驾体系对情况的感知才能，实在比咱们人类司机强良多。当咱们过路口的时间还在东张西望看前后阁下有不阻碍物的时间，智驾经由过程车上种种的摄像头跟雷达只有 一霎时就能看个大略。 当咱们只能单线程的先察看、后打灯、再变道的时间，智驾也能在 统一时光用一个操纵搞定。 实践上，只有进修跟意会到位，智驾就能推理、总结出很多比人类司机效力更高、 更能应用好种种车辆机能的驾驶方法。良多我们感到很难、用模拟进修咋学都学不会的小众场景，强化进修可能分分钟就能搞定。 都说当初的智驾是刚拿驾照司机的程度，用上强化进修之后，指不定真就会酿成有了 十多少年驾龄的超绝老司机。 固然了，实践毕竟是实践，想要在智驾练习里年夜范围的用上强化进修，仍旧有不少难点跟瓶颈。 就比方，强化进修的试错进程须要宏大的 算力资本，对海内良多须要租算力做智驾的企业来说实在不太能搞得定。 再比方强化进修很轻易呈现的 幻觉成绩，我们偶然候在用满血 DeepSeek 的时间会常常发明它搁那胡说八道，实质上就是由于强化进修学的有些 魔怔了，开端出现出一些不合乎现实的内容。 智驾算法也是如斯，假如嘉奖跟微调的机制不计划到位，就很有可能空想出 “ 须要开到天上 ” 的开法。 就算不呈现幻觉，也可能呈现急减速、猛刹车这种赛道开法。效力是高了，但谁的脖子跟腰顶得住啊？这就须要车企破费良多精神计划嘉奖模子，而且经由过程一些微调办法来限度 AI 的施展，这就十分磨练主机厂的 算法才能了。 即便是贼早开端做智驾的特斯拉，也只有在 十分少的公然材料里表现本人有在局部模块里无限的应用了强化进修。 可见难度是实打实的，并且还不小。 但我感到啊，想要真正让智驾的才能再上一层楼，多用强化进修确定是各家将来的慷慨向。把强化进修的结果做到年夜范围的落地，将来可能也是继把智驾做到白菜价之外，各家车企跟供给商们 battle 的下一个疆场。 这不比做语音助手啥的有意思多了嘛。 撰文：致命空枪 编纂：脖子右拧 面线 美编：三狗 图片、材料起源： 比亚迪智驾道路宣布会 smart 汽车实现 DeepSeek 年夜模子融会，精灵 5 号近期 OTA 推送 Tesla's Autonomous Driving Strategy Stranded By Technological Divergence 思必驰官方网站 微博 @不是郑小康、X