“AI+”系列報告（汽車篇）：DeepSeek沖擊波：AI賦能智能化趨勢提速

——“AI+”系列報告(汽車篇)汽車首席分析師：石金漫研究助理：秦智坤行業(yè)深度報告·汽車行業(yè)2025年2月19日秦智坤相對滬深300表現(xiàn)圖2025-2-19●Deepseek在硬件條件有限的情況下大幅提高訓(xùn)練效率并縮減算力成本，同時實現(xiàn)模型性能顯著提升。在智能駕駛運用層面，對車端算力需求下降，從而帶來云端模型訓(xùn)練成本下降，大幅節(jié)省成本。此外，Deepseek為開源模型，降低技術(shù)門檻，利好中小廠商或智駕剛開始發(fā)力廠商。2025年1月20日，DeepSeek正式發(fā)布R1模型，并同步開源模型權(quán)重，在第三方的基準(zhǔn)測試中，R1延續(xù)了此前DeepSeek基礎(chǔ)語言模型V3的出色性能表現(xiàn)，性能比肩全球頂尖大模型OpenAIol。DeepSeek-R1以其算法架構(gòu)的創(chuàng)新實現(xiàn)了大模型性能的領(lǐng)先與成本的大幅優(yōu)化，為以智能駕駛與智能座艙為代表的汽車智能化技術(shù)研發(fā)與應(yīng)用帶來新啟示，有望推動智能化技術(shù)成熟度提升與研發(fā)成本的下降，助力汽車產(chǎn)業(yè)智能化轉(zhuǎn)型提速。DeepSeekMoE、無輔助損失的負載均衡、MTP等算法架構(gòu)的創(chuàng)新實現(xiàn)了訓(xùn)練效率的提升和訓(xùn)練成本的降低，通過蒸餾技術(shù)得到了性能表現(xiàn)出色的小型模型，若在智能駕駛系統(tǒng)開發(fā)中對DeepSeek-R1的創(chuàng)新算法架構(gòu)加以應(yīng)用，有望帶來智駕系統(tǒng)的訓(xùn)練效率提升與成本下降，既能推動當(dāng)前新能源市場市占率較高但智能化技術(shù)暫時落后的自主品牌技術(shù)的更快進步，驅(qū)動高階智駕功能的大規(guī)模加速上車，又能夠推動高階智駕功能車型價格帶的下探，促進行業(yè)“智駕平權(quán)”趨勢加速。而由于智駕系統(tǒng)相比語言模型對安全性、穩(wěn)定性、時延性等方面的更高要求，頭部智駕車企仍能夠憑借自身先發(fā)優(yōu)勢建立的在技術(shù)人才儲備、優(yōu)質(zhì)行駛數(shù)據(jù)積累、系統(tǒng)與技術(shù)研發(fā)成熟度等方面的優(yōu)勢建立較為深厚的技術(shù)護城河，因此我們認為DeepSeek對智能駕駛產(chǎn)業(yè)競爭格局的影響較小，其重要意義在于通過降低部分高階智駕技術(shù)與資金門檻以加速推動“智駕平權(quán)”時代的來臨。另外，DeepSeek冷啟動數(shù)據(jù)+無監(jiān)督強化學(xué)習(xí)的訓(xùn)練模式為智能駕駛系統(tǒng)訓(xùn)練提供新思路，若能加以應(yīng)用則有望推動標(biāo)注成本的下降與模型泛化能力的提升，配合DeepSeek多模態(tài)能力構(gòu)建世界模型用于仿真長尾訓(xùn)練場景生成與訓(xùn)練，有望對智駕系統(tǒng)技術(shù)成熟度提升起到推動作用?！裰悄茏摚很嚻箨懤m(xù)接入，智能座艙體驗有望提升：DeepSeek-R1在交互體驗、開源性、成本上的核心優(yōu)勢充分適配汽車智能座艙需求，基于大語言模型的互通性也可直接遷移至智能座艙語音系統(tǒng)，因而對車企形成了較強的吸引力，2月6日，吉利正式宣布其自研的星睿大模型與DeepSeek-R1大模型已完成深度融合，成為行業(yè)首個接入DeepSeek的車企，隨后極氪、東風(fēng)、零跑、長城、長安、比亞迪等車企紛紛接入DeepSeek,并主要應(yīng)用于智能座艙，預(yù)計DeepSeek將帶來汽車行業(yè)智能座艙體驗的進一步提升。●投資建議：整車方面推薦比亞迪、賽力斯、理想汽車、長安汽車，受益標(biāo)的吉利汽車、小鵬汽車-W、零跑汽車、小米集團-W;零部件方面推薦德賽西威、伯特利、科博達、速騰聚創(chuàng)、經(jīng)緯恒潤-W,受益標(biāo)的比亞迪電子、豪恩汽電、●風(fēng)險提示：智能駕駛技術(shù)研發(fā)不及預(yù)期的風(fēng)險；DeepSeek在車端應(yīng)用進展不及預(yù)期的風(fēng)險；行業(yè)競爭加劇的風(fēng)險。2233行業(yè)深度報告·汽車行業(yè)目錄一、智能駕駛：帶來技術(shù)啟發(fā)，推動“智駕平權(quán)”加速 6二、智能座艙：車企陸續(xù)接入，智能座艙體驗有望提升 三、投資建議 四、風(fēng)險提示 中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)DeepSeek-R1性能不輸OpenAIo1,且成本更低，實現(xiàn)技術(shù)和價格的雙重普惠。在2025年Megatron-TuringNLG資料來源：斯坦福大學(xué)《2024年人工智能指數(shù)報告》,甲子光年智庫整理(2025年),中國銀河證券研究院2025年1月20日，DeepSeek正式發(fā)布R1模型，并同步開源模型權(quán)重，在第三方的基準(zhǔn)測OpenAIol,并憑借出色的算法架構(gòu)創(chuàng)新實現(xiàn)了訓(xùn)練成本的大幅降低，僅用557.6萬美元和2048塊H800GPU完成了模型訓(xùn)練，成本僅為OpenAI同類模型的十分之一，推理成本低至每百萬Token0.14美元，遠低于OpenAIol的7.5美元。DeepSeek-R1以其算法架構(gòu)的創(chuàng)新實現(xiàn)了大模型性能的領(lǐng)先與成本的大幅優(yōu)化。此外，通過優(yōu)化，DeepSeek-R1可能實現(xiàn)了算力與性能的近似線性關(guān)DeepSeek-R1-OpenAI-o1-1217DeepSeck-R1-32BDeepSeek-R1-OpenAI-o1-1217DeepSeck-R1-32B資料來源：DeepSeek官網(wǎng)，中國銀河證券研究院類推理模型輸入輸出價格(元/1MTokens)DeepSeck-R1ol-miniol-previewo輸入API價格(緩存命中)輸入API價格(緩存未命中)輸出API價格資料來源：DeepSeek官網(wǎng)，中國銀河證券研究院2)從運用端，推理成本的降低，推動C端產(chǎn)品的大多數(shù)應(yīng)用場景進入實際落地階段，從而加座艙體驗、加速智能制造進程，汽車產(chǎn)業(yè)鏈實現(xiàn)更高效的運作。請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。4請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。4中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)代的來臨。圖4:AI處理重心向端側(cè)轉(zhuǎn)移XRXR等便攜戴設(shè)備Ⅲ終端側(cè)中心云智能汽車邊緣云人形機器人資料來源：IDC,甲子光年智庫整理(2025年),中國銀河證券研究院知識蒸餾技術(shù)：將DeepSeek-67B大模型壓縮至10B以下規(guī)模(如DeepSeek-R1),通過師生模型混合精度量化：采用FP16+INT8混合精度部署，在Orin-X(254TOPS)平臺上實現(xiàn)端側(cè)推理延遲<300m車一云協(xié)同推理：將意圖識別(端側(cè))與知識檢索(云端)解耦，如語音助手本地處理90%高頻指令，僅5%動態(tài)模型切換：根據(jù)網(wǎng)絡(luò)狀態(tài)自動切換模型版本(如4G網(wǎng)絡(luò)下啟用精簡版),確保弱網(wǎng)環(huán)境基礎(chǔ)功能可用55法”傳統(tǒng)智能座艙依賴高通8155/8295芯片+定制系統(tǒng)的高成本模式(單車成本200美元),而DeepSeek通過算法優(yōu)臺(如芯馳E3)實現(xiàn)同等體驗，硬件成本直降40%。蔚來ET5案例顯示，接入大模型后OTA功能迭代周期從3個月縮短至2周，研發(fā)人效提升8車企通過大模型將用戶語音、駕駛行為等非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為可迭代的“數(shù)字燃料”。例如小鵬G9每天產(chǎn)DeepSeek清洗后形成“雨天自動調(diào)節(jié)懸架形成“數(shù)據(jù)一模型一服務(wù)”閉環(huán)后，車企可拓展付費訂閱服務(wù)(如奔馳DRIVEPILOT年費1200美元),打開軟件傳統(tǒng)Tier1(車廠一級供應(yīng)商)(如博世、大陸)主導(dǎo)的EE(電子電氣)架構(gòu)下，車企軟件差異化不足。自研大模鏈的關(guān)鍵抓手，長城汽車通過DeepSeek實現(xiàn)座艙OS自主可控，供應(yīng)商數(shù)量從32家減至9家。大眾集團斥資24億歐元與DeepSeek共建“汽車大腦”平臺，目標(biāo)是將電子電氣架構(gòu)開發(fā)周語音交互錯誤率從行業(yè)平均12%降至3%(如問界M9),且支持跨語種混合指令(如“打開window并播放粵DeepSeek-R1在經(jīng)過多模態(tài)擴展后性能表現(xiàn)比肩GPT-4o,因而對智能駕駛技術(shù)的發(fā)展具有權(quán)威的GenEval和DPG-Bench基準(zhǔn)測試中，Janus-Pro-7B表現(xiàn)卓越，成功擊敗了StableDiffusion和OpenAI的DALL-E3,這一官方發(fā)布的多模態(tài)模型目前并未結(jié)合R1的出色推理能力，近期北大聯(lián)合港科大團隊，基于自研全模態(tài)框架Align-Anything(包括文生文、文生圖、文圖生文、文生視頻等任意到任意的輸入與輸出模態(tài)),推出多模態(tài)版DeepSeek-R1:Align-DS-V,性能比肩GPT-40,并在部分視覺理解表現(xiàn)評測集上實現(xiàn)了超越，基于此我們認為，在經(jīng)過多模態(tài)擴展后，DeepSeek-R1能夠適配需要基于多模態(tài)訓(xùn)練的智能駕駛系統(tǒng)，DeepSeek-R1在算法與架構(gòu)上的創(chuàng)新能夠為智能駕駛系統(tǒng)的技術(shù)進步帶來重要的參考意義。(1)DeepSeek-R1創(chuàng)新算法架構(gòu)提高訓(xùn)練效率并降低訓(xùn)練成本，為智能駕駛系統(tǒng)開發(fā)提供技術(shù)借鑒，有望提升智能駕駛系統(tǒng)研發(fā)效率，降低研發(fā)成本。DeepSeek-R1的基座模型DeepSeek-V3基于Transformer架構(gòu)進行了MLA(多頭潛在注意力機制)、DeepSeekMoE(混合專家模型)、無輔助損失的負載均衡、MTP(多令牌預(yù)測)等算法架構(gòu)創(chuàng)新，其中MLA創(chuàng)新性的將多個頭的鍵值對映射到共享的潛在空間，通過低秩矩陣分解實現(xiàn)聯(lián)合壓縮，實現(xiàn)推理效率的提升；DeepSeekMoE通過稀疏專家選擇提高大規(guī)模模型的計算效率，減少計算成本，計算復(fù)雜度大幅下降的同時保持了模型的高性能，并通過無輔助損失的負載均衡解決專家模型負載不均衡問題；MTP讓模型在訓(xùn)練時一次性預(yù)測多個未來token,提升了模型的性能。智能駕駛系統(tǒng)研發(fā)同樣基于TransformerBlock×LfopplyconctenotefO778請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。8中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)NatnCross-Entropy資料來源：《DeepSeek-V3TechnicalReport》,中國銀河證券研究院圖7:2024年1-11月高階智駕功能主要集中于高端品牌圖8:頭部自主品牌高階智駕的大規(guī)模上車有望驅(qū)動滲透率的加速上行k密鷺0資料來源：佐思汽研，中國銀河證券研究院資料來源：Marklines,中國銀河證券研究院9請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。9中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)高階智駕滲透率當(dāng)前仍處低位，高階智駕功能向8-20萬元價格帶普及將推動滲透率的快速提升。據(jù)佐思汽研數(shù)據(jù)，2024年1-10月，乘用車市場高階智駕功能(高速NOA+城市NOA)滲透率為18.7%,其中高速NOA滲透率11.0%,城市NOA滲透率7.7%,較2023年有大幅提升，但絕對值仍處低位，增長空間廣闊。以比亞迪為代表的頭部自主品牌加速推動“智駕階智駕功能向8-20萬元的主力價格帶滲透，據(jù)中汽協(xié)數(shù)據(jù)，2024年新能源乘用車市場中8-20萬元價格帶銷量占比達52.3%,且銷量同比增速高于平均水平，是當(dāng)前新能源對燃油車替代的主力價格帶，市場增長空間大，在頭部車企的合力推動下，高階智駕功能向8-圖9:2024年1-10月高階智駕功能滲透率為18.7%圖9:2024年1-10月高階智駕功能滲透率為18.7%20222023資料來源：佐思汽研，中國銀河證券研究院新能源乘用車銷量(萬輛)新能源乘用車銷量(萬輛)YOY250%資料來源：中汽協(xié)，中國銀河證券研究院0能駕駛產(chǎn)業(yè)競爭格局的影響較小。從對行業(yè)算法架構(gòu)帶來的技術(shù)啟發(fā)有望加速第二梯隊車企在高階智駕能力上的提升，性、穩(wěn)定性、時延性的高要求，頭部車企仍然通過自身先發(fā)優(yōu)勢在技術(shù)人累、系統(tǒng)與技術(shù)研發(fā)成熟度等方面建立了較為深厚的技術(shù)護城2024年智駕總里程達到2023年的241.28%,活躍用戶每月車均智駕里程理想截止2024年12月31日，智駕累計里程達29.3億公里，累計時長超3382萬小時，2024年度新增智駕歷程17.截止2024年12月31日領(lǐng)航輔助用戶行駛總里程15.2024年(自2024年8月以來)零跑C10累計行駛里程152024年無圖城市NOA系統(tǒng)IMAD累計使用時長超112024年10月10日至12月31日智駕總里程突截止2024年12月12日NDA智能駕駛累計行駛里程45資料來源：各車企官方公眾號，中國銀河證券研究院算力的更優(yōu)協(xié)同。知識蒸餾是一種在深度學(xué)習(xí)中用于模型壓縮和知識傳遞的技術(shù)，模型復(fù)雜度和減少計算資源需求。DeepSeek-R1蒸餾出的32B和70B模型在多項能力上實現(xiàn)了對標(biāo)OpenAIol-mini的效果，若將蒸餾技術(shù)用于智能駕駛系統(tǒng)開發(fā)，有望降低車端算力需求，通過云端大算力訓(xùn)練大模型，將蒸餾小模型轉(zhuǎn)移到車端，從而在保持模型高性能的前提下實現(xiàn)車端成本的降低，降低模型在車端芯片的部署難度。表5:DeepSeek-R1蒸餾出的32B和70B模型在多項能力上實現(xiàn)了對標(biāo)OpenAIol-mini的效果DeepSeek-R1-Distill-QwDeepSeek-R1-Distill-QweDeepSeek-R1-Distill-QweDeepSeek-R1.Distill.LlaDeepSeek-R1-Distil-Llam資料來源：DeepSeek官網(wǎng)，中國銀河證券研究院預(yù)測模塊負責(zé)預(yù)測其他交通參與者(如車輛、行人)的未來行為(如軌跡預(yù)測)。1.教師模型：使用一個高性能的大模型(如ResNet、EfficientNet)進行目標(biāo)檢測或語義分割。行訓(xùn)練。Transformer、LSTM)進行軌跡預(yù)測。量級RNN、GRU)。教師模型生成高質(zhì)量的軌跡預(yù)測結(jié)果。的相似度。度)。o任務(wù)損失：學(xué)生模型輸出與真實駕駛策略的誤實例未來軌跡，學(xué)生模型學(xué)習(xí)模仿這些軌跡，從而在減少計算量的同時保持較高的預(yù)測精度。的決策質(zhì)量。資料來源：焉知智能汽車，中國銀河證券研究院蒸餾技術(shù)的應(yīng)用將對云端算力提出更高要求，超算中心云端算力布局領(lǐng)先的車企的技術(shù)護城河蒸餾技術(shù)時對云端大模型性能提出了更高要求，以實現(xiàn)系統(tǒng)更好的安全性和穩(wěn)定性，云端算力儲備成為車企提升模型性能的關(guān)鍵之一。憑借先發(fā)優(yōu)勢與資金優(yōu)勢，頭部智駕車企當(dāng)前超算中心云端算力布局較為領(lǐng)先，DeepSeek-R1蒸餾技術(shù)的應(yīng)用有望推動智駕龍頭技術(shù)護城河的進一步鞏固。請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)小鵬2024年9月算力達到2.51EFLOPS,2025年計理想吉利目前算力達到1.02EFLOPS,計劃2025年擴容至1.2EFLOPS資料來源：36氪，人民網(wǎng)，騰訊，太平洋汽車，中國銀河證券研究院(3)冷啟動數(shù)據(jù)+無監(jiān)督強化學(xué)習(xí)的訓(xùn)練模式為帶來標(biāo)注成本的下降與模型泛化能力的提升。DeepSeek發(fā)布的R1-Zero模型基于基座模型DeepSeek-V3,通過純粹的強化學(xué)習(xí)訓(xùn)練在性能上實現(xiàn)了與OpenAI-01-0912相當(dāng)?shù)乃健Ｔ赗1模型中，DeepSeek先利用數(shù)千個高質(zhì)量第二階段采用與R1-Zero類似的強化學(xué)習(xí)訓(xùn)練流程，實現(xiàn)出色的性能表現(xiàn)。無監(jiān)督強化學(xué)習(xí)的優(yōu)勢在于有效降低了對數(shù)據(jù)的標(biāo)注需求(無論是人工標(biāo)注還是自動標(biāo)注),從而降低了數(shù)據(jù)標(biāo)注成本，法充分覆蓋長尾場景，因而對模型泛化能力提出高要求，希望智能駕駛系統(tǒng)質(zhì)量冷啟動數(shù)據(jù)+無監(jiān)督強化學(xué)習(xí)進行智能駕駛系統(tǒng)的開發(fā)，將有望帶來標(biāo)注成本的下降和模型泛資料來源：智東西，中國銀河證券研究院請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。圖13:采用純粹強化學(xué)習(xí)的DeepSeek-R1-Zero的pass@1指標(biāo)達到了與OpenAI-01-0912相當(dāng)?shù)乃?DeepSeek-R1-ZeroAIMEaccuracy基于DeepSeek的多模態(tài)能力構(gòu)建世界模型豐富長尾訓(xùn)練場景，配合DeepSeek-R1的無監(jiān)督強化學(xué)習(xí)技術(shù)，將有望驅(qū)動智能駕駛系統(tǒng)的性能提升。豐富的長尾場景對于提升智能駕駛系統(tǒng)性能表現(xiàn)具有重要作用，但現(xiàn)實世界的高質(zhì)量長尾場景數(shù)據(jù)量較少，構(gòu)建世界模型形成有效的仿真長尾場景成為提升智能駕駛系統(tǒng)性能的重要手段。DeepSeek-R1對無任何監(jiān)督微調(diào)數(shù)據(jù)進行強化學(xué)習(xí)所形成的良好的性能表現(xiàn)表明，利用世界模型所生成的仿真行駛數(shù)據(jù)(無標(biāo)注)也將能夠?qū)χ悄荞{駛系統(tǒng)的性能提升起到推動作用，因此利用DeepSeek的多模態(tài)能力構(gòu)建世界模型，通過數(shù)據(jù)增強與合成形成仿真數(shù)據(jù)用于智能駕駛系統(tǒng)的大模型訓(xùn)練，將有望提升智能駕駛系統(tǒng)的性能表現(xiàn)，為智能駕駛系統(tǒng)開發(fā)提供了新范式。技術(shù)實現(xiàn)：幾何變換、顏色變換、噪聲添加在自動駕駛中，通過對攝像頭圖像進行旋轉(zhuǎn)通過調(diào)整圖像亮度，模擬夜間或強光照條件技術(shù)實現(xiàn)：使用高保真虛擬仿真平臺(如CARLA、AirSim)生成極端場最數(shù)據(jù)。自動駕駛中，使用CARLA仿真平臺生成暴雨天氣下的駕駛數(shù)據(jù)，訓(xùn)練模型在惡劣天氣下的感知能力。在機器入AirSim仿真平臺生成復(fù)雜室內(nèi)環(huán)境的數(shù)據(jù)，訓(xùn)練空間中的導(dǎo)航能力。技術(shù)實現(xiàn)：點云旋轉(zhuǎn)與平移、抖動、裁剪在自動駕駛中，通過對激光雷達點云進行旋轉(zhuǎn)和平移在不同位置和角度下觀察到的障礙物。通過點云抖動，模擬傳感器在惡劣天氣(如雨雪)下的噪聲。技術(shù)實現(xiàn)：通過條件GAN(cGAN)生成特定場景下的數(shù)據(jù)(如夜間圖像、雪地點云)。實例：在自動駕駛中，使用GAN生成夜間駕駛圖像，訓(xùn)練模型在低光照條件下在機器人導(dǎo)航中，使用GAN生成復(fù)雜地形點云，訓(xùn)練機器人在不規(guī)則地技術(shù)實現(xiàn)：跨模態(tài)增強、數(shù)據(jù)混合實例：在自動駕駛中，將攝像頭圖像和激光雷達點云多模態(tài)訓(xùn)練數(shù)據(jù)，提升模型對復(fù)雜場景的理解能力。技術(shù)實現(xiàn)：使用場景生成技術(shù)(如場景圖生成)構(gòu)建復(fù)雜的虛擬場景。含罕見事件(如行人突然橫穿馬路)的訓(xùn)練樣本。圖15:蔚來世界模型通過多元自回歸自動建模長時序環(huán)境用于智能駕駛訓(xùn)練圖15:蔚來世界模型通過多元自回歸自動建模長時序環(huán)境用于智能駕駛訓(xùn)練時間理解無長時序建模能力成本高效率低依賴自監(jiān)督學(xué)習(xí)無需人工標(biāo)注學(xué)習(xí)任務(wù)單一抽取信息有損失生成模型重構(gòu)傳感器輸入抽取泛化信息使用海量數(shù)據(jù)軌跡監(jiān)督信號信息密度低依賴感知標(biāo)注輔助訓(xùn)練蔚來世界模型多元自回歸生成模型自回歸模型自動建模長時序環(huán)境常規(guī)端到端模型空間理解(4)DeepSeek-R1可用于VLM模型的開發(fā)，帶來智能駕駛系統(tǒng)降本增效。VLM模型(視覺語言模型)在智能駕駛的應(yīng)用最早由理想汽車提出，2024年7月理想汽車2024智能駕駛夏季發(fā)布會上，理想提出端到端+VLM的智能駕駛系統(tǒng)，其中端到端模型用于即時響應(yīng)，可處理95%的駕駛場景，剩余5%的復(fù)雜場景由VLM模型進行理解與判斷，VLM模型由視覺+語言以及兩者對齊的部分組成，理想的VLM模型選擇了阿里的Qwen-VL,基于通義千問70億參數(shù)模型Qwen-7B為基座語言模型研發(fā)，同為大語言模型，我們認為DeepSeek-R1也可作為基座模型對VLM進行開發(fā)，若能加以應(yīng)用，則有望憑借其出色的性能表現(xiàn)與低廉的訓(xùn)練成本為智能駕駛系統(tǒng)開發(fā)降本增效。圖16:理想汽車圖16:理想汽車VLM模型基于大語言模型開發(fā)視覺語言模型解碼器記憶模塊VT編碼器流式視頻編碼器VLM模型在智能駕駛系統(tǒng)的應(yīng)用愈發(fā)普遍，有望帶來DeepSeek-R1技術(shù)在智能駕駛系統(tǒng)上的更多嘗試。除理想外，極氪、小米、元戎啟行也在智能駕駛系統(tǒng)中引入VLM模型提升系統(tǒng)性能，極氪浩瀚智駕2.0端到端Plus系統(tǒng)中的多模態(tài)大語言模型采用的就是VLM,小米于2024年12月23日進行的小米SU7XiaomiHyperOS1.4.5版本OTA宣布正式接入VLM大模型，元戎啟行在VLM模型上提出了VLA(視覺-語言-動作模型),實現(xiàn)更類人的車輛駕駛操作。VLM模型在智能駕駛行業(yè)應(yīng)用范圍的擴大有望推動更多企業(yè)對DeepSeek-R1技術(shù)在智能駕駛系統(tǒng)上的嘗試，從而驅(qū)動智能駕駛技術(shù)的繼續(xù)進步圖17:極氪浩瀚智駕2.0系統(tǒng)引入圖17:極氪浩瀚智駕2.0系統(tǒng)引入VLM模型多模態(tài)大語言模型安全底線模型圖18:元戎啟行在VLM模型上提出VLA模型我息行顛覆性架構(gòu)，可解釋、更類人傳感器傳(視覺-語言-動作模型S時間宣布智能座艙團隊已完成旗下自研KrAI大模型與DeepSeek-R1大模型的深度融合，極氪智能座艙助推理能力，提升對用戶模糊意圖與隱性需求的理解與預(yù)測精準(zhǔn)度，為用戶提供更加表示已完成與DeepSeek模型的深度融合，嵐圖知音將成為汽車行業(yè)首個融合DeepSeek的量產(chǎn)車型。全新嵐圖夢想家也將同步搭載。此前，嵐圖座艙已完成DeepSeek全系列模型接入和部署。2月14日起，嵐圖知音用戶將可通過OTA更新，體驗到AI智能體座艙的輕松便捷，后續(xù)并將逐步開啟Deep智能座艙已深度引入DeepSeek大模型，通過深度聯(lián)合訓(xùn)練，構(gòu)建多場景插拔式AI矩陣宣布部署DeepSeek-R1的全新座艙即將上線。目前，小零GPT大模型已接入DeepSeek-R1,其推理宣布DeepSeek的demo在長城汽車上已經(jīng)跑通，CoffeeAgent已完成融合適配。CoffeeAgent將融合DeepSeek大模型的特點，增強CoffeeAgent的理解、思考東風(fēng)品牌車型。通過DeepSeek大語言模型的支持，東風(fēng)自主品牌車型將實現(xiàn)更精準(zhǔn)的語音指令自主研發(fā)的ADiGOSENSE端云一體大模型與DeepSeek-R1大模型完成深度融合。融合后的ADiGOSENSE基于DeepSeek-宣布深藍DEEPALOS3.0系統(tǒng)將接入DeepSeek模型。深藍DEEPALOS3.0系統(tǒng)預(yù)計一季度開啟深藍所有車型宣布目前已于DeepSeek圍繞智能化大模型系統(tǒng)展開深度技術(shù)融合，其中雄獅智能座艙系統(tǒng)—Lio比亞迪在比亞迪智能化戰(zhàn)略發(fā)布會上宣布，比亞迪璇璣架構(gòu)已全面接入DeepSeek。新媒體AI內(nèi)容運營數(shù)字化平臺已全面接入DeepSeek大模型，邁入智能化營上汽通用北汽資料來源：懂車帝，汽車之家，騰訊，IT之家，新浪，澎湃新聞，蓋世汽車，中國銀河證券研究院請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。15請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)智能座艙還存在多種類的多模態(tài)信息，DeepSe的繼續(xù)升級。除語音系統(tǒng)外，智能座艙在日常使用中還存在人臉表情、手勢指令息，充分收集各類多模態(tài)信息能夠為駕乘人員帶來更智能化圖19:DeepSeek-R1的更深入應(yīng)用有望基于智能座艙多模態(tài)信息提升智能座艙體驗智能座椅智能座椅智能空調(diào)智能音樂餐飲服務(wù)智能家居商務(wù)出行智能車窗智能燈光生物感知智慧補能購物消費旅游出行粵多模態(tài)信息資料來源：經(jīng)緯恒潤公眾號，中國銀河證券研究院型被視為提高座艙智能、改善產(chǎn)品同質(zhì)化，提高車企競爭力的重供應(yīng)商也在積極參與。目前智能座艙大模型入局勢力主要有三類：以百度、阿圖20:智能座艙參與者眾多圖20:智能座艙參與者眾多·以科大訊飛、商湯科技、思必馳等為代表·共同特征：以NLP、CV等為核心技術(shù)突破，支持多模態(tài)處理與交互，不僅性能強大，還具備很高的定制化能力，為合作伙伴提供友好的接口、開發(fā)工具。思必馳共同特征：在自研的基礎(chǔ)上，也與頭部的科技公司合作，以加快技術(shù)實現(xiàn)與性能優(yōu)化。其AI智能座艙在語音語義、多模態(tài)上表現(xiàn)出色。此外，其從模型訓(xùn)練、Agent層開始的統(tǒng)一部署，促進其場景差異化挖掘，如，理想MindGPT在語音助手、情感識別方面表現(xiàn)出色，而小鵬的Al天璣5.4.0則可以應(yīng)用在智能座艙和智能駕駛上。業(yè)務(wù)布局，如智能云、Al芯片、應(yīng)用生態(tài)等，能發(fā)揮出協(xié)同效應(yīng)。區(qū)·以百度、阿里、華為、火山引擎等為代表·共同特征：模型參數(shù)規(guī)模大，泛化能力強；預(yù)訓(xùn)練和微調(diào)策略使之具有更強的適應(yīng)性和靈活性；支持單模態(tài)和跨模態(tài)任務(wù)；擁有全棧化的·共同特征：以硬件芯片和算力為基礎(chǔ)，提供軟硬件平臺、工具鏈和生成式AI生態(tài)，助力大模型的車端本地化部署?！す餐卣鳎阂灾悄芙K端操作系統(tǒng)與端側(cè)智能產(chǎn)品為核心，提供“座艙+Al”的一站式解決方案。t司資料來源：艾瑞消費研究院，中國銀河證券研究院DeepSeek-R1的創(chuàng)新算法架構(gòu)對汽車智能化系統(tǒng)開發(fā)提供了重要的參考意義，主機廠、Tier1有望通過接入DeepSeek大模型、借鑒優(yōu)秀算法架構(gòu)等方式推動智能化系統(tǒng)性能的提升和成本的下降，促進行業(yè)智能化趨勢加速，頭部主機廠與智能化相關(guān)頭部零部件廠商有望充分受益，整車方面推薦比亞迪、賽力斯、理想汽車、長安汽車，受益標(biāo)的吉利汽車、小鵬汽車-W、零跑汽車、小米集團-W;零部件方面推薦德賽西威、伯特利、科博達、速騰聚創(chuàng)、經(jīng)緯恒潤-W,受益標(biāo)的比亞迪電子、豪恩汽電、地平線機器人-W。表8:重點推薦公司與受益公司(數(shù)據(jù)截止2月19日)(元/港元)比亞迪長安汽車*吉利汽車*-零跑汽車*--伯特利3速騰聚創(chuàng)比亞迪電子*-豪恩汽電*-1、智能駕駛技術(shù)研發(fā)不及預(yù)期的風(fēng)險高階智能駕駛對安全性、穩(wěn)定性、時延性等有較高要求，技術(shù)難度高，技術(shù)研發(fā)進展不及預(yù)期可能影響高階智駕功能的普及。2、DeepSeek在車端應(yīng)用進展不及預(yù)期的風(fēng)險DeepSeek-R1作為語言模型與智能駕駛的多模態(tài)模型存在一定的差異，創(chuàng)新性的算法架構(gòu)的復(fù)用存在一定的不確定性，DeepSeek-R1所具備的高性能、低成本特征在多模態(tài)模型上尚未得到充分驗證，因此可能影響DeepSeek-R1的相關(guān)技術(shù)在智能駕駛系統(tǒng)上的應(yīng)用，應(yīng)用進展的不及預(yù)期可請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。行業(yè)“智駕平權(quán)”趨勢加速提升了經(jīng)濟型新能源車的產(chǎn)品力，燃油犧牲價格，造成行業(yè)“價格戰(zhàn)”加劇，新能源主機廠之間也存在因產(chǎn)能過剩問題中國銀河證券|CGS行業(yè)深度報告·汽車行業(yè)圖表目錄圖1:DeepSeek通過優(yōu)化算法架構(gòu)，顯著提升了算力利用效率 4圖2:DeepSeek-R1性能比肩全球頂尖大模型OpenAIo1 4圖3:DeepSeek-R1推理成本大幅低于OpenAIo1 4圖4:AI處理重心向端側(cè)轉(zhuǎn)移 5圖5:DeepSeek-V3通過MLA提升推理效率，通過MoE大幅降低計算復(fù)雜度 7圖6:DeepSeek-V3通過MTP提升模型性能表現(xiàn) 8圖7:2024年1-11月高階智駕功能主要集中于高端品牌 8圖8:頭部自主品牌高階智駕的大規(guī)模上車有望驅(qū)動滲透率的加速上行 8圖9:2024年1-10月高階智駕功能滲透率為18.7% 9圖10:2024年新能源乘用車市場8-20萬元價格帶銷量占比52.3% 9圖11:蒸餾技術(shù)應(yīng)用在智能駕駛系統(tǒng)有望在保持模型性能的同時顯著降低模型的計算復(fù)雜度與存儲需求 圖12:DeepSeek-R1采用冷啟動數(shù)據(jù)+無監(jiān)督強化學(xué)習(xí)的訓(xùn)練模式 圖13:采用純粹強化學(xué)習(xí)的DeepSeek-R1-Zero的pass@1指標(biāo)達到了與OpenAI-01-0912相當(dāng)?shù)乃?圖14:基于DeepSeek的多模態(tài)能力進行數(shù)據(jù)增強與合成將有望通過仿真數(shù)據(jù)提升智能駕駛系統(tǒng)性能表現(xiàn) 圖15:蔚來世界模型通過多元自回歸自動建模長時序環(huán)境用于智能駕駛訓(xùn)練 圖16:理想汽車VLM模型基于大語言模型開發(fā) 圖17:極氪浩瀚智駕2.0系統(tǒng)引入VLM模型 圖18:元戎啟行在VLM模型上提出VLA模型 圖19:DeepSeek-R1的更深入應(yīng)用有望基于智能座艙多模態(tài)信息提升智能座艙體驗 圖20:智能座艙參與者眾多 表1:車企接入DeepSeek的技術(shù)路徑 5表2:車企競逐大模型的深層邏輯 6表3: