——“AI+”系列報(bào)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(bào)告·汽車行業(yè)2025年2月19日秦智坤相對(duì)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(shí)實(shí)現(xiàn)模型性能顯著提升。在智能駕駛運(yùn)用層面，對(duì)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(cè)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(shí)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(dòng)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(fù)載均衡、MTP等算法架構(gòu)的創(chuàng)新實(shí)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(duì)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(dòng)當(dāng)前新能源市場(chǎng)市占率較高但智能化技術(shù)暫時(shí)落后的自主品牌技術(shù)的更快進(jìn)步，驅(qū)動(dòng)高階智駕功能的大規(guī)模加速上車，又能夠推動(dòng)高階智駕功能車型價(jià)格帶的下探，促進(jìn)行業(yè)“智駕平權(quán)”趨勢(shì)加速。而由于智駕系統(tǒng)相比語言模型對(duì)安全性、穩(wěn)定性、時(shí)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(shì)建立的在技術(shù)人才儲(chǔ)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(shì)建立較為深厚的技術(shù)護(hù)城河，因此我們認(rèn)為DeepSeek對(duì)智能駕駛產(chǎn)業(yè)競(jìng)爭(zhēng)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(dòng)“智駕平權(quán)”時(shí)代的來臨。另外，DeepSeek冷啟動(dòng)數(shù)據(jù)+無監(jiān)督強(qiáng)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(dòng)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(chǎng)景生成與訓(xùn)練，有望對(duì)智駕系統(tǒng)技術(shù)成熟度提升起到推動(dòng)作用。●智能座艙：車企陸續(xù)接入，智能座艙體驗(yàn)有望提升：DeepSeek-R1在交互體驗(yàn)、開源性、成本上的核心優(yōu)勢(shì)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(duì)車企形成了較強(qiáng)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(gè)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(jì)DeepSeek將帶來汽車行業(yè)智能座艙體驗(yàn)的進(jìn)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(tuán)-W;零部件方面推薦德賽西威、伯特利、科博達(dá)、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(xiǎn)提示：智能駕駛技術(shù)研發(fā)不及預(yù)期的風(fēng)險(xiǎn)；DeepSeek在車端應(yīng)用進(jìn)展不及預(yù)期的風(fēng)險(xiǎn)；行業(yè)競(jìng)爭(zhēng)加劇的風(fēng)險(xiǎn)。2233行業(yè)深度報(bào)告·汽車行業(yè)目錄一、智能駕駛：帶來技術(shù)啟發(fā)，推動(dòng)“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(yàn)有望提升 三、投資建議 四、風(fēng)險(xiǎn)提示 中國銀河證券|CGS行業(yè)深度報(bào)告·汽車行業(yè)DeepSeek-R1性能不輸OpenAIo1,且成本更低，實(shí)現(xiàn)技術(shù)和價(jià)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(bào)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(cè)OpenAIol,并憑借出色的算法架構(gòu)創(chuàng)新實(shí)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(yuǎn)低于OpenAIol的7.5美元。DeepSeek-R1以其算法架構(gòu)的創(chuàng)新實(shí)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(shí)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(jià)格(元/1MTokens)DeepSeck-R1ol-miniol-previewo輸入API價(jià)格(緩存命中)輸入API價(jià)格(緩存未命中)輸出API價(jià)格資料來源：DeepSeek官網(wǎng)，中國銀河證券研究院2)從運(yùn)用端，推理成本的降低，推動(dòng)C端產(chǎn)品的大多數(shù)應(yīng)用場(chǎng)景進(jìn)入實(shí)際落地階段，從而加座艙體驗(yàn)、加速智能制造進(jìn)程，汽車產(chǎn)業(yè)鏈實(shí)現(xiàn)更高效的運(yùn)作。請(qǐng)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(qǐng)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(bào)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(jī)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(shí)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(tái)上實(shí)現(xiàn)端側(cè)推理延遲<300m車一云協(xié)同推理：將意圖識(shí)別(端側(cè))與知識(shí)檢索(云端)解耦，如語音助手本地處理90%高頻指令，僅5%動(dòng)態(tài)模型切換：根據(jù)網(wǎng)絡(luò)狀態(tài)自動(dòng)切換模型版本(如4G網(wǎng)絡(luò)下啟用精簡(jiǎn)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(tái)(如芯馳E3)實(shí)現(xiàn)同等體驗(yàn)，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(gè)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(dòng)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(fèi)訂閱服務(wù)(如奔馳DRIVEPILOT年費(fèi)1200美元),打開軟件傳統(tǒng)Tier1(車廠一級(jí)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(shí)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(tuán)斥資24億歐元與DeepSeek共建“汽車大腦”平臺(tái)，目標(biāo)是將電子電氣架構(gòu)開發(fā)周語音交互錯(cuò)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(kuò)展后性能表現(xiàn)比肩GPT-4o,因而對(duì)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(cè)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(tuán)隊(duì)，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(píng)測(cè)集上實(shí)現(xiàn)了超越，基于此我們認(rèn)為，在經(jīng)過多模態(tài)擴(kuò)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?yàn)橹悄荞{駛系統(tǒng)的技術(shù)進(jìn)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(jìn)行了MLA(多頭潛在注意力機(jī)制)、DeepSeekMoE(混合專家模型)、無輔助損失的負(fù)載均衡、MTP(多令牌預(yù)測(cè))等算法架構(gòu)創(chuàng)新，其中MLA創(chuàng)新性的將多個(gè)頭的鍵值對(duì)映射到共享的潛在空間，通過低秩矩陣分解實(shí)現(xiàn)聯(lián)合壓縮，實(shí)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(jì)算效率，減少計(jì)算成本，計(jì)算復(fù)雜度大幅下降的同時(shí)保持了模型的高性能，并通過無輔助損失的負(fù)載均衡解決專家模型負(fù)載不均衡問題；MTP讓模型在訓(xùn)練時(shí)一次性預(yù)測(cè)多個(gè)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(qǐng)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(bào)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(dòng)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(qǐng)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(bào)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(jià)格帶普及將推動(dòng)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(chǎng)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(duì)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(dòng)“智駕階智駕功能向8-20萬元的主力價(jià)格帶滲透，據(jù)中汽協(xié)數(shù)據(jù)，2024年新能源乘用車市場(chǎng)中8-20萬元價(jià)格帶銷量占比達(dá)52.3%,且銷量同比增速高于平均水平，是當(dāng)前新能源對(duì)燃油車替代的主力價(jià)格帶，市場(chǎng)增長空間大，在頭部車企的合力推動(dòng)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(jìng)爭(zhēng)格局的影響較小。從對(duì)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(duì)車企在高階智駕能力上的提升，性、穩(wěn)定性、時(shí)延性的高要求，頭部車企仍然通過自身先發(fā)優(yōu)勢(shì)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(hù)城2024年智駕總里程達(dá)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(jì)里程達(dá)29.3億公里，累計(jì)時(shí)長超3382萬小時(shí)，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(jì)行駛里程152024年無圖城市NOA系統(tǒng)IMAD累計(jì)使用時(shí)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(jì)行駛里程45資料來源：各車企官方公眾號(hào)，中國銀河證券研究院算力的更優(yōu)協(xié)同。知識(shí)蒸餾是一種在深度學(xué)習(xí)中用于模型壓縮和知識(shí)傳遞的技術(shù)，模型復(fù)雜度和減少計(jì)算資源需求。DeepSeek-R1蒸餾出的32B和70B模型在多項(xiàng)能力上實(shí)現(xiàn)了對(duì)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(shí)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(xiàng)能力上實(shí)現(xiàn)了對(duì)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(cè)模塊負(fù)責(zé)預(yù)測(cè)其他交通參與者(如車輛、行人)的未來行為(如軌跡預(yù)測(cè))。1.教師模型：使用一個(gè)高性能的大模型(如ResNet、EfficientNet)進(jìn)行目標(biāo)檢測(cè)或語義分割。行訓(xùn)練。Transformer、LSTM)進(jìn)行軌跡預(yù)測(cè)。量級(jí)RNN、GRU)。教師模型生成高質(zhì)量的軌跡預(yù)測(cè)結(jié)果。的相似度。度)。o任務(wù)損失：學(xué)生模型輸出與真實(shí)駕駛策略的誤實(shí)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(jì)算量的同時(shí)保持較高的預(yù)測(cè)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(duì)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(hù)城河蒸餾技術(shù)時(shí)對(duì)云端大模型性能提出了更高要求，以實(shí)現(xiàn)系統(tǒng)更好的安全性和穩(wěn)定性，云端算力儲(chǔ)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(shì)與資金優(yōu)勢(shì)，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(dòng)智駕龍頭技術(shù)護(hù)城河的進(jìn)一步鞏固。請(qǐng)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(qǐng)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(bào)告·汽車行業(yè)小鵬2024年9月算力達(dá)到2.51EFLOPS,2025年計(jì)理想吉利目前算力達(dá)到1.02EFLOPS,計(jì)劃2025年擴(kuò)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(dòng)數(shù)據(jù)+無監(jiān)督強(qiáng)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(qiáng)化學(xué)習(xí)訓(xùn)練在性能上實(shí)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(gè)高質(zhì)量第二階段采用與R1-Zero類似的強(qiáng)化學(xué)習(xí)訓(xùn)練流程，實(shí)現(xiàn)出色的性能表現(xiàn)。無監(jiān)督強(qiáng)化學(xué)習(xí)的優(yōu)勢(shì)在于有效降低了對(duì)數(shù)據(jù)的標(biāo)注需求(無論是人工標(biāo)注還是自動(dòng)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(chǎng)景，因而對(duì)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(dòng)數(shù)據(jù)+無監(jiān)督強(qiáng)化學(xué)習(xí)進(jìn)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(qǐng)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(qiáng)化學(xué)習(xí)的DeepSeek-R1-Zero的pass@1指標(biāo)達(dá)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(chǎng)景，配合DeepSeek-R1的無監(jiān)督強(qiáng)化學(xué)習(xí)技術(shù)，將有望驅(qū)動(dòng)智能駕駛系統(tǒng)的性能提升。豐富的長尾場(chǎng)景對(duì)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(shí)世界的高質(zhì)量長尾場(chǎng)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(chǎng)景成為提升智能駕駛系統(tǒng)性能的重要手段。DeepSeek-R1對(duì)無任何監(jiān)督微調(diào)數(shù)據(jù)進(jìn)行強(qiáng)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(dòng)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(qiáng)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(shí)現(xiàn)：幾何變換、顏色變換、噪聲添加在自動(dòng)駕駛中，通過對(duì)攝像頭圖像進(jìn)行旋轉(zhuǎn)通過調(diào)整圖像亮度，模擬夜間或強(qiáng)光照條件技術(shù)實(shí)現(xiàn)：使用高保真虛擬仿真平臺(tái)(如CARLA、AirSim)生成極端場(chǎng)最數(shù)據(jù)。自動(dòng)駕駛中，使用CARLA仿真平臺(tái)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(jī)器入AirSim仿真平臺(tái)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(shí)現(xiàn)：點(diǎn)云旋轉(zhuǎn)與平移、抖動(dòng)、裁剪在自動(dòng)駕駛中，通過對(duì)激光雷達(dá)點(diǎn)云進(jìn)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(diǎn)云抖動(dòng)，模擬傳感器在惡劣天氣(如雨雪)下的噪聲。技術(shù)實(shí)現(xiàn)：通過條件GAN(cGAN)生成特定場(chǎng)景下的數(shù)據(jù)(如夜間圖像、雪地點(diǎn)云)。實(shí)例：在自動(dòng)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(jī)器人導(dǎo)航中，使用GAN生成復(fù)雜地形點(diǎn)云，訓(xùn)練機(jī)器人在不規(guī)則地技術(shù)實(shí)現(xiàn)：跨模態(tài)增強(qiáng)、數(shù)據(jù)混合實(shí)例：在自動(dòng)駕駛中，將攝像頭圖像和激光雷達(dá)點(diǎn)云多模態(tài)訓(xùn)練數(shù)據(jù)，提升模型對(duì)復(fù)雜場(chǎng)景的理解能力。技術(shù)實(shí)現(xiàn)：使用場(chǎng)景生成技術(shù)(如場(chǎng)景圖生成)構(gòu)建復(fù)雜的虛擬場(chǎng)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(dòng)建模長時(shí)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(dòng)建模長時(shí)序環(huán)境用于智能駕駛訓(xùn)練時(shí)間理解無長時(shí)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(hào)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(dòng)建模長時(shí)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(huì)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(shí)響應(yīng)，可處理95%的駕駛場(chǎng)景，剩余5%的復(fù)雜場(chǎng)景由VLM模型進(jìn)行理解與判斷，VLM模型由視覺+語言以及兩者對(duì)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(rèn)為DeepSeek-R1也可作為基座模型對(duì)VLM進(jìn)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(jìn)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(dòng)作模型),實(shí)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(kuò)大有望推動(dòng)更多企業(yè)對(duì)DeepSeek-R1技術(shù)在智能駕駛系統(tǒng)上的嘗試，從而驅(qū)動(dòng)智能駕駛技術(shù)的繼續(xù)進(jìn)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(dòng)作模型S時(shí)間宣布智能座艙團(tuán)隊(duì)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(duì)用戶模糊意圖與隱性需求的理解與預(yù)測(cè)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(gè)融合DeepSeek的量產(chǎn)車型。全新嵐圖夢(mèng)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(yàn)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(chǎng)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(diǎn)，增強(qiáng)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(shí)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(lán)DEEPALOS3.0系統(tǒng)將接入DeepSeek模型。深藍(lán)DEEPALOS3.0系統(tǒng)預(yù)計(jì)一季度開啟深藍(lán)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(huì)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(yùn)營數(shù)字化平臺(tái)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(qǐng)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(qǐng)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(bào)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(jí)。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(shì)指令息，充分收集各類多模態(tài)信息能夠?yàn)轳{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(yàn)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(bǔ)能購物消費(fèi)旅游出行粵多模態(tài)信息資料來源：經(jīng)緯恒潤公眾號(hào)，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(jìng)爭(zhēng)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(shì)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(qiáng)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(shí)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(jìn)其場(chǎng)景差異化挖掘，如，理想MindGPT在語音助手、情感識(shí)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(qiáng)；預(yù)訓(xùn)練和微調(diào)策略使之具有更強(qiáng)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?；摹す餐卣鳎阂杂布酒退懔榛A(chǔ)，提供軟硬件平臺(tái)、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(fèi)研究院，中國銀河證券研究院DeepSeek-R1的創(chuàng)新算法架構(gòu)對(duì)汽車智能化系統(tǒng)開發(fā)提供了重要的參考意義，主機(jī)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(dòng)智能化系統(tǒng)性能的提升和成本的下降，促進(jìn)行業(yè)智能化趨勢(shì)加速，頭部主機(jī)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(tuán)-W;零部件方面推薦德賽西威、伯特利、科博達(dá)、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(jī)器人-W。表8:重點(diǎn)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(xiǎn)高階智能駕駛對(duì)安全性、穩(wěn)定性、時(shí)延性等有較高要求，技術(shù)難度高，技術(shù)研發(fā)進(jìn)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(jìn)展不及預(yù)期的風(fēng)險(xiǎn)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(yàn)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(jìn)展的不及預(yù)期可請(qǐng)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(shì)加速提升了經(jīng)濟(jì)型新能源車的產(chǎn)品力，燃油犧牲價(jià)格，造成行業(yè)“價(jià)格戰(zhàn)”加劇，新能源主機(jī)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(bào)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(jì)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(dòng)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(chǎng)8-20萬元價(jià)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(shí)顯著降低模型的計(jì)算復(fù)雜度與存儲(chǔ)需求 圖12:DeepSeek-R1采用冷啟動(dòng)數(shù)據(jù)+無監(jiān)督強(qiáng)化學(xué)習(xí)的訓(xùn)練模式 圖13:采用純粹強(qiáng)化學(xué)習(xí)的DeepSeek-R1-Zero的pass@1指標(biāo)達(dá)到了與OpenAI-01-0912相當(dāng)?shù)乃?圖14:基于DeepSeek的多模態(tài)能力進(jìn)行數(shù)據(jù)增強(qiáng)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(dòng)建模長時(shí)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(yàn) 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(jìng)逐大模型的深層邏輯 6表3: