2025年开年AI大模型 DeepSeek一夜爆火，DeepSeek算命、 DeepSeek买彩票、 DeepSeek问答稳稳占据第一波流量，与此同时，一大波车企也投入了DeepSeek的怀抱，蹭流量这事，车圈很熟。

其实从很早之前开始，人类就开始构想汽车不再是钢铁与代码的堆砌，而是具备感知、思考和进化能力的数字生命体。

当智能化普及轰轰烈烈地开战，6万多的海鸥都能智驾启航了，车企拥抱DeepSeek这件事到底有几分含金量？是否存在过度营销让用户对此抱有不切实际的期待?

智能座舱的“变革引擎”

准确来说，AI大数据模型上车已经是老传统了，两年前，ChatGPT横空出世，由此拉开了全球AI大模型浪潮，即使是各家车企本身自研的AI大模型也是早已上岗，那么这次DeepSeek之热为何如此猛烈。

最早是2月7日，吉利汽车官宣其自研大模型与DeepSeek已完成深度融合。吉利携手DeepSeek-R1模型，将对星睿车控FunctionCall大模型、汽车主动交互端侧大模型等进行蒸馏训练。

据介绍，融合后的AI系统能解决两大问题，第一是能精准理解用户的模糊意图，第二是主动分析用户潜在需求，提供车辆控制、主动对话、售后等服务。

此后，东风旗下的东风猛士、东风奕派、东风风神、东风纳米、长安、宝骏等传统品牌，“新二代”红旗、岚图、极氪、智己、零跑，都陆续宣布了与DeepSeek的深度合作。

2月12日，售价仅为4万出头的奔腾小马新车型也有了DeepSeek加持。可想而知，融合DeepSeek的成本并不高。相对于海外的GPT，DeepSeek显存占用仅为传统模型的5%-13%，推理成本低至GPT-4 Turbo的1/70，显著降低车企研发投入。这也就意味着，过去车企如果需要自研大模型，就需要高算力和智算中心的布局，绝大多数传统车难以做到。但现在车企们只需要花极低的成本，就能实现更好的人工智能体验，这是其能快速铺开的第一原因。

另一方面作为国产大模型，DeepSeek针对中文语境的优化使其更适配中国用户需求，且开源协议允许车企灵活定制模型，为各大车企快速接入提供了极大的便利。

但同时我们也观察到，新势力“蔚小理、华为”在这块发声是缺席的，都是网上冲浪选手，没道理反应这么慢，因为没有发声必要。

目前，具备算法开源+成本降低特点的DeepSeek的作用主要是优化语音助手，而类似的功能已经在很多新势力车型上实现了，比如之前很火理想 MindGPT和蔚来的NomiGPT。

那么传统车企热衷DeepSeek的目的也很明确了，试图通过这个“捷径”快速补齐智能座舱短板，缩小与新势力的技术差距。

DeepSeek的局限所在

DeepSeek能追上头部新势力智能化的先发优势吗？

余承东的“凑合用”三字能广泛回答很多问题。

目前，各家车企与DeepSeek的合作模式主要是“模型融合与蒸馏”。简单来说，车企并没有选择直接在车机中安装App这种简单粗暴的方式。他们通过将DeepSeek的R1模型与自有模型在底层算法上进行融合，部分品牌还利用模型蒸馏技术，将R1模型压缩成体积更小的小模型，以便在车端使用。

这样的做法，实际上是为汽车上的AI模型增加了一个DeepSeek的“buff”，使其在一定程度上具备了R1模型的能力，但也只是一个阉割版。

直观来说，这些模型目前的主要作用仍然是提升语音助手的智能化水平，虽然在一定程度上提升了用户体验，但并未真正发挥出AI大模型的强大潜力。

行业内普遍认为，AI大模型最大的功效在智能驾驶领域：AI大模型强化学习的训练模式，能够让智能驾驶系统在不断试错中领悟出最高效的驾驶路线，对于提升智能驾驶系统的安全性和效率具有重要意义。

拥抱DeepSeek的车企们，如果真想将其应用于智能驾驶领域，仍然面临不少挑战。首先是，目前DeepSeek的一些功能还是面向办公的，真正面向车的智驾功能还没有推出来。

第二，AI强化学习的试错过程需要巨大的算力资源，和语音助手加个“buff”不可同日而语，这对于许多车企来说是一个不小的难题。

第二，强化学习还容易出现“幻觉问题”，即模型在训练过程中可能会涌现出一些不符合事实的内容。这就需要车企在设计奖励模型和微调措施时，花费更多的精力来限制AI的发挥。

简而言之，尽管AI潜力无限，车企仍然需要时间去解决算力问题和应用难题，“跨时代的变革”更是远之又远。

AI大模型不是救世主

不过，AI浪潮的热度将在很长一段时间内经久不衰。

从短期来收看，资本叙事在车企大模型竞赛中扮演着重要角色。车企宣布接入DeepSeek等大模型技术后，往往能够在资本市场上获得积极反应，股价飙升成为常态。

但从长期来看，一纸合作声明并非能一劳永逸。曾经以毫米波雷达数量和摄像头像素为卖点的车企，如今正纷纷转向算力与数据储备的竞争。

跑得最快的还是特斯拉，其端到端自动驾驶FSD V12累计行驶里程已突破12亿英里；国内第一梯队的是华为，ADS 3.0系统凭借云端超算中心的百万公里仿真训练，让问界M9在重庆8D魔幻立交桥场景中实现零接管；小鹏XNGP通过用户日常行车数据构建“场景库”，仅用三个月就将广州城中村的通过率从72%提升至91%。

传统车企中，吉利星睿智算中心的102亿亿次/秒算力，相当于同时处理30个城市所有道路的实时数据；长安汽车与阿里云共建的“九章智算平台”，每天训练的自动驾驶里程数超过地球到月球的距离。悄无声息间，汽车产业园内，曾经机器轰鸣的冲压车间正被数据中心取代。

大家都明白，智舱也好，智驾也罢，自研也好，“双脑协同”也罢，那些仍依赖供应商打包方案的车企，正逐渐丧失定义产品的能力。

AI大模型不是救世主，真正的胜出者或许不是最快接入大模型的车企，而是那些能构建“数据-算力-场景”闭环生态的长期主义者。