文 | 車東西 Janson
編輯 | 志豪
火了整個春節(jié)假期的DeepSeek潮，終于也吹到車圈！
車東西2月7日消息，就在剛剛，嵐圖汽車方面表示，其已完成與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，2月14日就要出一個OTA來更新部分AI功能。
而在昨天，吉利汽車也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，不過目前還沒有進一步上車的計劃。
短短24小時內(nèi)，兩家車企相繼官宣適配DeepSeek，可見DeepSeek在震驚了AI圈之后，也開始給汽車行業(yè)帶來震撼了。
今年春節(jié)期間，DeepSeek短短7天內(nèi)下載量暴漲375%，登頂中美App Store免費榜第一，其比肩OpenAI GPT-o1模型的性能著實是火了一把。
同時，憑借其架構創(chuàng)新、低成本高效能、廣泛的應用場景以及開源與社區(qū)支持等優(yōu)勢，DeepSeek也確實適合和汽車行業(yè)進行適配。
DeepSeek通過較小的性能開銷和訓練成本，給了不少無法全鏈路自研車載大模型的主機廠機會，推動了AI技術的平權化。
目前DeepSeek已經(jīng)成為全球科技行業(yè)都無法忽視的存在，在汽車行業(yè)的影響力也將會進一步增加，不難預測，接下來一段時間里，還將會有更多車企加入DeepSeek朋友圈。
01.開源+高效訓練優(yōu)勢明顯車企紛紛適配上車
本次DeepSeek的適配上車，很大程度上與其較小的性能開銷，以及遵循MIT License開源協(xié)議是分不開的。
這為為主機廠開發(fā)提供了極大的靈活性和使用自由度，借助這樣的特性，也為車企將其訓練上車提供了基礎。
而在其中，吉利和嵐圖兩家主機廠，已經(jīng)搶跑一步。
1、吉利利用DeepSeek R1模型蒸餾訓練自家大模型
此次深度融合后，吉利將利用DeepSeek R1模型對星睿車控FunctionCall大模型、汽車主動交互端側大模型等進行蒸餾訓練。
融合后的AI系統(tǒng)不僅能精準理解用戶的模糊意圖，準確調(diào)用約2000個車載接口，還能基于車內(nèi)外場景主動分析用戶潛在需求，提供車輛控制、主動對話、售后等服務，大幅提升智能交互體驗。
▲吉利全域AI構成體系
此前，吉利的智能汽車全域AI技術體系基于AI原生OS構建，該體系以系統(tǒng)級大模型AIOS作為平臺，靈活適配各類終端，在保證系統(tǒng)安全性和用戶隱私的同時，實現(xiàn)高效的資源管理和任務調(diào)度。
例如，吉利的新車型將搭載基于AI原生OS開發(fā)的端到端語音大模型、AI數(shù)字底盤、Flyme Auto智能座艙和智能駕駛等最新的AI技術成果都是基于此來構建。
跟DeepSeek融合后，其能力很可能還會有進一步的提升。
2、嵐圖汽車率先融合DeepSeek上車，2月14日更新
據(jù)媒體報道，嵐圖汽車的智能座艙已與DeepSeek完成深度融合，并計劃于2月14日啟動DeepSeek全民知識蒸餾訓練。
通過與DeepSeek的深度融合，嵐圖知音的“逍遙座艙”將能夠?qū)崿F(xiàn)多種功能，包括AI多語義指令識別、AI作詩、AI作畫、AI對聯(lián)、AI閑聊和AI信息實時檢索等。此舉預計將提升嵐圖車機AI的反應速度、準確度和擴展性。
▲嵐圖知音“逍遙座艙”
嵐圖知音的車機云端還將持續(xù)融合和蒸餾DeepSeek R1模型，通過對DeepSeek進行模型蒸餾，嵐圖不僅可以優(yōu)化車機的智能化體驗，實現(xiàn)技術的快速迭代，還可以降低智能座艙的開發(fā)和使用成本。
根據(jù)嵐圖的內(nèi)部規(guī)劃，從2月14日起，也就是下周五，嵐圖知音的用戶將通過OTA更新體驗到AI智能體座艙。
此外，嵐圖知音的車機還將逐步開啟DeepSeek相關功能，進一步提升交互體驗的精確性、靈活性和智能化水平。
不難看出，車企選擇DeepSeek，一方面是因為其本身的火爆程度，另一方面也跟智能座艙的算力特點是分不開的。
DeepSeek R1大模型以其卓越的推理能力和高效的訓練方式著稱，通過強化學習（RL）技術顯著提升模型的推理能力，僅需極少量標注數(shù)據(jù)即可實現(xiàn)高效訓練。
▲DeepSeek與主流大模型性能對比
與OpenAI的o1模型相比，DeepSeek R1在多個基準測試中表現(xiàn)優(yōu)異，同時價格僅為o1的幾十分之一，具有極高的性價比。
此外，DeepSeek R1采用長鏈推理（Chain-of-Thought, CoT）技術，能夠逐步分解復雜問題，并通過多步驟邏輯推理解決問題。
該模型還支持模型蒸餾，開發(fā)者可以將其推理能力遷移到更小型的模型中，滿足特定場景需求。
02.蒸餾、量化有難度 “民間高人”上車滿血DeepSeek
相比于已經(jīng)官宣深度融合的車企外，也有不少車主開始迫不及待的想要在車機上使用DeepSeek了。
這些“民間高人”車主快人一步，各顯神通讓滿血DeepSeek上車。
▲特斯拉車主訪問網(wǎng)頁版DeepSeek
從不少用戶的社交賬號上來看，不少車主都開始通過車機來訪問DeepSeek的完整功能。
有蔚來、樂道、特斯拉等車機支持瀏覽器的車主都開始通過車機增加DeepSeek網(wǎng)頁標簽的形式快速訪問大模型，通過車機自帶的語音輸入法進行“對話”。
▲蔚來、樂道車主在車機上使用DeepSeek
不過，在車上使用鍵盤或者操作車機還是有一定危險性的，因此我們也不妨期待，越來越多的車企開放支持DeepSeek這樣的國產(chǎn)大模型，通過更加原生的方式訪問。
綜合來看，如果車企想將大模型部署在車端，蒸餾、量化等操作是必不可少的，這也可能會對模型的整體性能產(chǎn)生影響。
蒸餾模型通過知識遷移的方式，將大型“教師”模型的知識傳遞給較小的“學生”模型，能夠在保持較高預測性能的同時顯著減少模型復雜度，適用于數(shù)據(jù)量有限或計算資源受限的環(huán)境。
然而，蒸餾模型的訓練過程可能較為復雜，需要額外的時間和資源。量化模型則通過將高精度浮點數(shù)參數(shù)轉(zhuǎn)換為低精度整數(shù)參數(shù)，顯著降低模型的存儲需求和計算復雜度，從而加速推理過程，適合快速推理和低存儲需求的場景，但這樣可能會導致一定的性能損失。
綜合來看，蒸餾模型適合于需要高性能的應用，而量化模型則更關注速度和存儲效率。兩者可以結合使用，以實現(xiàn)更好的模型壓縮效果。
因此，吉利、嵐圖兩家在車端運行的DeepSeek很可能還是經(jīng)過蒸餾、量化后的輕量模型，在車企云端部署的才可能是滿血DeepSeek。
03.結語：DeepSeek浪潮開始席卷車圈
當下，汽車座艙的競爭已經(jīng)普遍開始關注智能化水平，DeepSeek作為蛇年開年在大模型領域最火的話題，這樣的浪潮進入車圈可以說是順理成章。
不過，目前大模型上車還是存在推理精度，算力消耗，能力適配等方面的問題。
但是，DeepSeek作為開源模型，隨著開源社區(qū)所有人的共同努力，一定可以在智能座艙的運用上，走出一條新路徑。