该报告由国联证券发布，深入探讨了DeepSeek对智能驾驶的影响，认为其有望加速高阶智能驾驶落地，成为智驾重要工具，为相关产业带来新的投资机遇。

1. DeepSeek引领AI产业技术革新：DeepSeek发布的DeepSeek-V3和DeepSeek-R1模型，凭借一系列创新技术，在训练端提升计算效率、降低成本，在推理端提升效率，性能与全球顶尖AI模型匹敌。其架构设计基于Transformer框架，通过MLA、DeepSeekMoE、MTP等创新提升效率和性能；训练上采用FP8混合精度训练框架和DualPipe算法，实现训练效率与稳定性平衡；强化学习方面，DeepSeek-R1-Zero采用GRPO算法优化模型，DeepSeek-R1通过多阶段训练提升推理能力，模型蒸馏也显著提升了小模型推理能力。

2. DeepSeek技术对智能驾驶的借鉴意义：在智能驾驶领域，DeepSeek可通过构建虚拟场景生成数据，补充极端场景数据，提升模型适应性；借助边缘计算和流式数据处理技术，结合增量学习，实现实时数据处理和模型优化；利用知识蒸馏技术，降低数据依赖，减少计算量，还能赋能智能座舱，提升交互体验。不过，其在智能驾驶应用中面临模态差异、时延和可靠性等挑战，需要进行多模态扩展、资源匹配和安全性设计优化 。

展开剩余81%

3. DeepSeek在智能驾驶格局中的角色：当前智能驾驶正从L3向L4升级，MPI数据优化是关键，Learning by Watching模式存在缺陷，Learning by Practicing或成主要迭代方向。车云模型向车云协同升级，云端模型经蒸馏为车端模型升级，高质量教师模型、低数据损失和云端模型能力是关键。DeepSeek具备成本优势，可降低GPU通讯成本，有望成为智能驾驶迭代加速“引擎”，但由于智能驾驶安全要求高和车型差异，其难以改变行业格局，不过在功能部署前可缩小车企差距，功能突破后领先企业仍具优势。

免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系

发布于：广东省