纪要涉及的行业或者公司 - 行业：智能驾驶、大语言模型相关行业 - 公司：大疆、小鹏、理想、华为、比亚迪、高通、TI、地平线、黑芝麻、英伟达等 纪要提到的核心观点和论据 1. DeepSeek对高阶智驾落地的推动作用 - 技术层面：采用开源生态，有专家系统、专家模型、多头注意力技术等核心技术，用更低算力就能实现与GPT4相当效果，是全球最强的大语言模型之一，还能提升算法性能和效率，降低算力成本[2] - 成本层面：可使用国内非顶级的低端GPU，如寒武纪、黑芝麻、华为昇腾等的产品；降低了做模型和智驾的成本，一些玩家无需大量万卡GPU储备也能参与[3] - 产业层面：促使智驾厂商尝试开源版本优化方案，加速智驾产业商业化落地，引发DeepSeek生态投资热潮[4] 2. 大疆应用DeepSeek的效果 - 算力利用：之前跑9B模型基本榨干100TB算力，换用DeepSeek版本后只占65TB，剩余35TB可用于其他事情[9][10] - 推理响应时间：之前约20毫秒，换用后在9 - 10毫秒之间，性能提升一倍多[11] - 实际效果：整体效果与之前基本持平，极端情况下多模态感应效果更好，全市NOA效果比之前版本好[13] 3. 芯片适配情况 - 适配进度：大疆内部适配芯片性能排序为高通平台、英伟达平台，地平线完成90%工作，TI平台因偏低端暂未适配[15] - 适配工作内容：包括算子开发、精度调优、性能调优等步骤[18] 4. 市场落地预期 - 时间：预计2025年大概率会大批量基于DeepSeek版本的模型方案落地，Q2或Q3都有可能[26] - 影响：对华为等方案冲击力较大，可能使智驾水平上升一个档次[27] 5. 云端训练成本：采用基于DeepSeek版本的模型训练，可省去六分之五的成本[28] 6. 产品体验 - 输出答案：给人感觉像非常老练的专家，比豆包、科米等更好[30] - 城市NOA体验：测试325个包含各种复杂路况的视频，准确率达97%，在断头路等场景理解和程式NOA引航能力上比之前模型更老练[31][32] 7. 技术架构优势：DeepSeek核心技术架构与其他模型不同，其他模型多模仿transformer架构，而DeepSeek性能和精度更好[36][37] 8. 比亚迪合作方案：2025年比亚迪20万以下车型基本采用三目方案，由大疆提供，可能选用地平线芯片[40][41] 其他重要但是可能被忽略的内容 1. 模型压缩技术：有支持针流压缩大模型技术，可控制模型压缩大小，但要考虑性能和精度，压缩倍数越大性能可能受影响[23] 2. 多模态迁移技术：大疆将DeepSeek核心骨架与之前多模态VR技术结合，训练数据包含文本、语音、视频、图像数据[33][34] 3. 梯队差距变化：若大家采用DeepSeek核心技术，梯队界限可能不明显，差距更多体现在数据规模效应和对大模型的微调策略上[50][51] 4. 算力需求变化：大疆之前100TB算力可做全场景，接入相关技术后70TB算力可能就够用[53]