DeepSeek融入智驾深度解析：芯片，端到端模型，与座舱小模型部署

文章预览

DeepSeek在春节前横空出世后，一直爆火至今。 其价格的普惠，算力消耗的大减，算法里的推理基石，甚至结合此前Waymo使用大语言模型Gemini所调试的端到端的模型EMMA前例，都让DeepSeek给智驾领域带来一些新的可能。 本文分析了当DeepSeek融入智驾后的可能，包括芯片战中的相对少受限，DeepSeek作为智驾端到端模型的可能性，以及其对智驾、具身智能的理解和推理的突破。 01 芯片受限里新的曙光 Deepseek-R1的惊艳之处是通过重新设计训练流程，以少量SFT数据+多轮强化学习的方法（也即大家说的学生模型向教师模型对齐的过程），在提高了模型准确性的同时，也显著降低了内存占用和计算开销。 这其中有三个点需要注意： 一是DeepSeek-R1验证了“算力即性能”的scaling law，研究人员评估，它可能实现了一种 算力与性能的近似线性关系，即每增加一张GPU，模型 ………………………………