汽车行业DeepSeek对智能驾驶影响几何？.pdf

行业研究|行业专题研究

正文目录

1.DeepSeek有望加速高阶智能驾驶落地4

1.1DeepSeek引领AI产业技术革新4

1.2DeepSeek技术创新对智能驾驶有重要借鉴意义10

2.DeepSeek是智驾重要工具，而非颠覆格局15

2.1模型蒸馏：高质量教师模型、低数据损失成为重要因素18

2.2成本优化：DeepSeek成本优势拓宽智驾工程化应用边界21

3.投资建议：推荐积极布局且智能化技术领先的公司24

3.1整车：关注技术领先且销量兑现的车企24

3.2零部件：关注积极布局智能驾驶产业的供应商26

4.风险提示27

图表目录

图表1：DeepSeek-V3与不同模型性能对比4

图表2：DeepSeek-R1与不同模型性能对比5

图表3：DeepSeek-R1训练流程6

图表4：DeepSeek-V3基本架构示意图7

图表5：DeepSeek多Token（MTP）预测架构8

图表6：采用FP8数据格式的混合精度训练框架9

图表7：DeepSeek-R1-Zero与OpenAIo1系列模型在推理相关基准测试中的对比9

图表8：DeepSeek-R1蒸馏模型与其他可比模型在推理相关基准测试中的对比.10

图表9：DeepSeek在数据增强和合成方面潜在应用11

图表10：知识蒸馏实时数据处理和增量学习中的应用12

图表11：模型蒸馏在自动驾驶开发场景中的应用13

图表12：知识蒸馏助力自动驾驶开发14

图表13：人类驾驶与现有自动驾驶系统之间的关系16

图表14：DriveDreamer世界模型17

图表15：DriveDreamer世界模型整体框架17

图表16：世界认知模型可以实现更好地帮助端到端大模型认知世界18

图表17：大模型阶段后，智能驾驶从车端模型向车云协同模型升级19

图表18：云端蒸馏后完成车端模型的部署19

图表19：各家AI车企云端训练算力部署规模20

图表20：各家车企智能驾驶2023年至今累计里程数据20

图表21：多模态模型蒸馏流程21

图表22：多模态模型蒸馏降损流程21

图表23：智能化发展过程中，学术化——工程化——商业化落地节奏22

图表24：DeepSeek通过深度优化算法架构实现成本的下探23

图表25：华为小艺介入DeepSeek23