文｜極智GeeTech

科技從來不是為了擴大世界的差距而存在，而是要竭盡所能包容彼此差異，不斷地縮小鴻溝，不該把普通人的體驗權隔離在外，這就是“科技平權”。

如今，“科技平權”正在各個領域上演。2025開年，以DeepSeek為代表的開源技術的一夜出圈和比亞迪“天神之眼”高階智駕系統發布，徹底點燃了“AI平權”和“智駕平權”的戰火。

這兩個重要里程碑將AI變為人人都能負擔得起的生產力工具，讓高階智駕功能從“豪華溢價”向“普惠標配”加速滲透，AI也由此從象牙塔走進人們的現實生活，一場技術民主化的浪潮開始席卷全球。

“技術經濟學”改寫游戲規則

DeepSeek的橫空出世，本質上是一場深層次的“技術經濟學”革命，其通過算法優化、架構創新與開源生態，大幅降低了AI模型的訓練與推理成本，以有限算力開發出性能強勁的模型，并依靠極高的性價比席卷市場，而高性價比正是智駕技術實現普惠化的前提和基礎。

如果說DeepSeek展示的是如何讓模型更容易為所有人所用的創新能力，那么比亞迪、東風、吉利、奇瑞、長城汽車等一系列車企接入DeepSeek，則展現了如何將技術普惠工具轉化為大規模商業落地的具體實踐。與此同時，華為乾崑智駕、小米HAD超級智駕等技術方案亦加速布局，力爭于2025年實現城市NOA功能的規模化落地。

這種集體行動的背后，不僅折射出中國車企對核心技術自主化的迫切需求，更預示著智能汽車產業正從“硬件軍備競賽”轉向“算法生態戰爭”。

今年以來，隨著汽車智能化戰火升級、智駕技術快速迭代，高階智駕成為不少車型的核心賣點。在一波蓋過一波的進城聲浪中，高階智駕已經下沉到10萬元入門級車型的大眾主流市場。

2月10日，比亞迪董事長兼總裁王傳福在比亞迪智能化戰略發布會上宣布，比亞迪將全系搭載“天神之眼”高階智駕系統，打破智駕“高配專屬”的行業慣例，有望推動L2+級別銷量基盤快速從100萬輛提升至1000萬輛級別，從而帶動L2+滲透率從2024年的14%提升到2025年的30%。

作為開源基礎模型，DeepSeek核心價值在于通過端側高效推理能力，推動智能駕駛系統從“感知驅動”向“認知驅動”升級。DeepSeek 671B大模型訓練的算力消耗只有Llama 3的1/11。在此基礎上，其性能評測跑分不輸頂尖閉源模型，價格卻只有GPT-4的百分之一，進入性能和成本平衡的“最佳性價比三角區”。

如果DeepSeek能通過創新算法有效降低算力芯片成本，將全面加速智駕功能向大眾市場的滲透。在此之前，智駕技術的價格下降大多源于規模化效應和智駕硬件的“摩爾定律”。

在DeepSeek與智駕技術的結合過程中，有兩個技術細節值得關注。第一，蒸餾是有效保存模型能力的方法；第二，巨大模型的蒸餾后效果強于小模型的強化學習。大模型的一升一降，對自研大模型的主機廠利好，訓練算力消耗持續下降；同時，大模型的推理能力持續上升，這會讓整個產業更接近AGI，推動產業更快地從大語言模型走向具身智能、物理AI、現實世界。

在DeepSeek催化下，今年智駕賽道將迎來“AI智駕”的重要拐點，成為高階智能駕駛技術全面AI化的元年。

智駕的平民化實踐

早些年，智駕路線稱得上五花八門，有特斯拉為代表的純視覺派，也有國內車企為代表的激光雷達派。隨著技術發展，智駕路線也變得逐漸清晰，端到端成為了智駕主流方案，從L2級別輔助駕駛向上推動高階智駕發展，成為一條更易商業化落地的路徑。

就當前智駕系統開發而言，復雜城區場景是當前開發難度最大的地方，依賴傳統的感知模型很難去解決此類長尾場景。各個企業都在嘗試開發訓練端到端+VLM、VLA（視覺-語言-動作模型）模型，以優化系統對長尾場景的檢測及處理能力。

但開發這樣一套系統，依賴極大的云端算力及數據訓練成本，部署到車端的模型也要依賴較大算力的硬件平臺。通過MoE（混合專家架構）、GRPO（群組相對策略優化）、MLA（多頭潛在注意力機制）等技術，可以更好賦能智駕系統開發，有助于以更少的數據和訓練成本，實現同等性能的城市自動駕駛功能。

具體來看，在云端訓練環節，用于自動駕駛模型訓練的數據，要經過標注后才能進行模型訓練，最后才得到能夠識別車輛和行人的深度學習模型。DeepSeek本身降低了對數據標注的需求，因此可以幫助智駕企業進行數據挖掘和生成，降低數采和標注的成本。

在車端，可以通過蒸餾提升模型能力，降低車端計算資源需求，并降低車端部署成本，模型單次調用算力需求和訓練成本都因此大大降低。比如吉利將對星睿車控FunctionCall大模型、汽車主動交互端側大模型等進行蒸餾訓練，不僅能對用戶的模糊意圖實現精準理解，還能基于車內外場景，主動分析用戶潛在需求，為用戶主動提供車輛控制、主動對話、售后等服務，提升智能交互體驗。

在場景理解上，跨模態遷移后DeepSeek邏輯性與場景理解力更強，在極端路況（如斷頭路、罕見交通標志識別、突發道路施工等）的表現有望優于傳統模型。未來DeepSeek可以用于融合視覺、語音、環境等多維度數據，實現更擬人化的駕駛決策，例如在復雜路口動態調整路徑規劃，或在突發狀況中快速生成安全策略。

一套表現優異的智駕方案需要大量的實際道路數據采集和高效的后端數據訓練，但并不是喂的數據越多，系統表現就一定更好。馬斯克就曾表示，給智駕系統投喂了大量復雜場景數據后，其在簡單場景的駕駛平順性反而倒退了。

對此，可以借助數據過濾算法，實施多層次的數據質量控制。這個過程首先對原始數據進行重復內容的識別和刪除，確保數據的唯一性。之后，通過智能算法篩除低質量內容，包括格式錯誤的數據、不完整的文本片段以及不符合規范的內容。這種嚴格的數據清洗流程不僅提高了訓練數據的質量，也為模型的最終表現奠定了良好基礎。

同時，通過數據增強和合成來應對極端場景。數據處理方面，采用DeepSeek流式數據處理方式，并結合邊緣計算、彈性權重鞏固等技術，實現智駕的實時數據處理與增量學習，可提升系統的實時性和適應性，并確保模型能夠持續優化。

另一方面，將高質量合成數據用于訓練智能駕駛模型，補充真實數據中極端場景數據不足的短板，提升模型對復雜場景的適應能力。

通過部署云端和車端的兩套處理方案，不再單純依賴車輛本地的計算能力，而是利用云端強大算力處理一部分較為復雜的任務，比如數據合成、模型訓練、仿真驗證等。車端僅需構建輕量化模型和算法優化，完成推理任務。依靠云端協同的方式，實現更高水平的智能駕駛。

與DeepSeek的深度融合，還可以讓車企可以在算力受限條件下，依靠“自研算法-國產芯片”協同優化的模式，成功繞開英偉達CUDA的生態限制，不僅降低了車企對進口硬件的依賴，也有助于中國智駕產業鏈的自主可控。

在最近1~2年智駕逐漸分出勝負的階段，DeepSeek將會成為一種驅動力，把中國智駕推向更高的自主化水準，并加速高階智駕的平民化進程。

AI激活車路云“乘數效應”

在DeepSeek與比亞迪的技術突破之外，車路云網絡的加速建設進一步放大了智駕平權的社會效益，使智能駕駛的覆蓋場景與安全性能得到雙重提升。

車路云網絡可以看作“第一個現實世界的AI網絡”，其已經突破了數字世界的AI邊界，開始觸達真實、復雜的物理世界。當前，車路云網絡主要連接智能汽車、交通設施、非機動車、行人等各類交通要素，未來還會與無人機、機器人、機器狗等更廣泛的智能體發生交互，成為首個真實世界中的完整、動態且自主演化的智能網絡。

相比ChatGPT、DeepSeek這類數字世界AI出現“幻覺”問題，物理世界AI需要在不確定性和安全性的高度約束下完成閉環控制，并且不允許有任何偏差，因為其決策將直接影響實際的車輛運動、信號切換、交通流分配，甚至對潛在交通事故的預測，技術門檻遠遠高于數字世界。

這種將數字領域的“沙盤模擬”推入“現實戰場”的跨越，使得AI必須深入到物理世界肌體的神經末梢，與之形成統一整體，共同支撐未來智能城市的運行，而車路云網絡正是兩者結合的代表。

數字世界AI在圍棋、圖像識別等領域具備超凡能力，卻始終受困于“莫拉維克悖論”——人類所獨有的高階智慧能力只需要非常少的計算能力，比如推理，但是無意識的技能和直覺卻需要極大的運算能力。簡而言之，高階認知易，基礎行動難。

車路云網絡通過“通感算一體化”架構（通信為神經、感知為感官、計算為大腦），具備了實時數字孿生、超視距感知、群體博弈決策、多模態數據融合等能力，能夠實現對超大規模多智能體系統的動態協調，可以讓數百萬輛自動駕駛汽車在遭遇路口博弈時實時協商路權，從而保障道路通行更加順暢；借助AI數字道路基站、路側邊緣計算系統等智能化道路設施，可以為車輛提供厘米級定位修正與風險預警，進一步防止交通事故的發生；還可以幫助城市交通管理者完成對交通流量的秒級精準預測與調度，并實現交通系統效率與公平性的平衡。

在與DeepSeek這類創新AI技術結合后，車路云網絡獲得了更豐富的能力，從而可以將智駕水平推升至一個新的高度。

蒸餾技術可將車路云的云端大模型壓縮至車載計算平臺，實現輕量化推理。利用Janus-Pro多模態模型和MoE架構，可實時生成道路風險畫像，并與車輛共享高精度語義地圖，動態調整多模態感知權重（如暴雨場景增強路側單元毫米波雷達數據權重），提升復雜環境下的目標識別精度和決策準確率；仿真引擎能夠生成數十億極端場景數據（如臺風、塌方），并與真實路側數據混合訓練，使智駕模型在無標線道路的循跡能力和極端場景的應對能力超越人類駕駛員水平；數據清洗算法可以從路側基站采集的原始數據中提取高價值片段（如緊急避障、施工路段），全面提升數據訓練效率。

由此，車路云等城市交通智能基礎設施讓AI擺脫“缸中之腦”的困境，使其真正具備了在開放環境中控制物理實體的能力，并能夠在復雜環境中做出優于人類的即時決策，從而更好賦能未來智能出行。

更值得關注的是車路云的“乘數效應”。當路側設備可以分擔70%以上的感知計算任務，意味著原本需要數萬元成本堆砌的車端算力單元，現在只需主流車型標配的智駕硬件就能駕馭。當算力與智能的線性綁定關系被打破，汽車廠商的技術護城河將從硬件堆砌轉向算法創新和數據積累，這也正是中國車企在智駕賽道實現超車的機遇所在。

這種生態的終極形態，可能形成類似安卓系統的開放系統。當車企、科技公司、政府機構在開放協同的框架下共建共享，智駕技術將真正突破商業利益的藩籬，走向普惠化發展。

在這場波瀾壯闊的產業變革中，以DeepSeek為代表的AI技術與智能駕駛、車路云的深度協同，正催生出“汽車即服務”的終極形態。傳統意義上的智駕平權將不再局限于單車功能，而是演變為一場關于智能時代的“道路資源民主化”社會實驗。

當道路開始思考、車輛具備感知、城市充滿智能，這一由數字道路、智能汽車與云端超腦構成的協同生態系統，不僅重構了交通產業的底層邏輯，更昭示著這樣一個道理：無論智駕也好、車路云也罷，未來誰能把AI變成用戶離不開的“數字器官”，誰就能主宰下一個十年。