原创力文档- 1、本文档共25页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
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
文档评论（0）