文 | 极智GeeTech

科技从来不是为了扩大世界的差距而存在，而是要竭尽所能包容彼此差异，不断地缩小鸿沟，不该把普通人的体验权隔离在外，这就是“科技平权”。

如今，“科技平权”正在各个领域上演。2025开年，以DeepSeek为代表的开源技术的一夜出圈和比亚迪“天神之眼”高阶智驾系统发布，彻底点燃了“AI平权”和“智驾平权”的战火。

这两个重要里程碑将AI变为人人都能负担得起的生产力工具，让高阶智驾功能从“豪华溢价”向“普惠标配”加速渗透，AI也由此从象牙塔走进人们的现实生活，一场技术民主化的浪潮开始席卷全球。

“技术经济学”改写游戏规则

DeepSeek的横空出世，本质上是一场深层次的“技术经济学”革命，其通过算法优化、架构创新与开源生态，大幅降低了AI模型的训练与推理成本，以有限算力开发出性能强劲的模型，并依靠极高的性价比席卷市场，而高性价比正是智驾技术实现普惠化的前提和基础。

如果说DeepSeek展示的是如何让模型更容易为所有人所用的创新能力，那么比亚迪、东风、吉利、奇瑞、长城汽车等一系列车企接入DeepSeek，则展现了如何将技术普惠工具转化为大规模商业落地的具体实践。与此同时，华为乾崑智驾、小米HAD超级智驾等技术方案亦加速布局，力争于2025年实现城市NOA功能的规模化落地。

这种集体行动的背后，不仅折射出中国车企对核心技术自主化的迫切需求，更预示着智能汽车产业正从“硬件军备竞赛”转向“算法生态战争”。

今年以来，随着汽车智能化战火升级、智驾技术快速迭代，高阶智驾成为不少车型的核心卖点。在一波盖过一波的进城声浪中，高阶智驾已经下沉到10万元入门级车型的大众主流市场。

2月10日，比亚迪董事长兼总裁王传福在比亚迪智能化战略发布会上宣布，比亚迪将全系搭载“天神之眼”高阶智驾系统，打破智驾“高配专属”的行业惯例。以秦PLUS DM-i为例，其智驾版起售价仅9.98万元，这种“以量换价”的策略，有望推动L2+级别销量基盘快速从100万辆提升至1000万辆级别，从而带动L2+渗透率从2024年的14%提升到2025年的30%。

作为开源基础模型，DeepSeek核心价值在于通过端侧高效推理能力，推动智能驾驶系统从“感知驱动”向“认知驱动”升级。DeepSeek 671B大模型训练的算力消耗只有Llama 3的1/11。在此基础上，其性能评测跑分不输顶尖闭源模型，价格却只有GPT-4的百分之一，进入性能和成本平衡的“最佳性价比三角区”。

如果DeepSeek能通过创新算法有效降低算力芯片成本，将全面加速智驾功能向大众市场的渗透。在此之前，智驾技术的价格下降大多源于规模化效应和智驾硬件的“摩尔定律”。

在DeepSeek与智驾技术的结合过程中，有两个技术细节值得关注。第一，蒸馏是有效保存模型能力的方法；第二，巨大模型的蒸馏后效果强于小模型的强化学习。大模型的一升一降，对自研大模型的主机厂利好，训练算力消耗持续下降；同时，大模型的推理能力持续上升，这会让整个产业更接近AGI，推动产业更快地从大语言模型走向具身智能、物理AI、现实世界。

在DeepSeek催化下，今年智驾赛道将迎来“AI智驾”的重要拐点，成为高阶智能驾驶技术全面AI化的元年。

智驾的平民化实践

早些年，智驾路线称得上五花八门，有特斯拉为代表的纯视觉派，也有国内车企为代表的激光雷达派。随着技术发展，智驾路线也变得逐渐清晰，端到端成为了智驾主流方案，从L2级别辅助驾驶向上推动高阶智驾发展，成为一条更易商业化落地的路径。

就当前智驾系统开发而言，复杂城区场景是当前开发难度最大的地方，依赖传统的感知模型很难去解决此类长尾场景。各个企业都在尝试开发训练端到端+VLM、VLA（视觉-语言-动作模型）模型，以优化系统对长尾场景的检测及处理能力。

但开发这样一套系统，依赖极大的云端算力及数据训练成本，部署到车端的模型也要依赖较大算力的硬件平台。通过MoE（混合专家架构）、GRPO（群组相对策略优化）、MLA（多头潜在注意力机制）等技术，可以更好赋能智驾系统开发，有助于以更少的数据和训练成本，实现同等性能的城市自动驾驶功能。

具体来看，在云端训练环节，用于自动驾驶模型训练的数据，要经过标注后才能进行模型训练，最后才得到能够识别车辆和行人的深度学习模型。DeepSeek本身降低了对数据标注的需求，因此可以帮助智驾企业进行数据挖掘和生成，降低数采和标注的成本。

在车端，可以通过蒸馏提升模型能力，降低车端计算资源需求，并降低车端部署成本，模型单次调用算力需求和训练成本都因此大大降低。比如吉利将对星睿车控FunctionCall大模型、汽车主动交互端侧大模型等进行蒸馏训练，不仅能对用户的模糊意图实现精准理解，还能基于车内外场景，主动分析用户潜在需求，为用户主动提供车辆控制、主动对话、售后等服务，提升智能交互体验。

在场景理解上，跨模态迁移后DeepSeek逻辑性与场景理解力更强，在极端路况（如断头路、罕见交通标志识别、突发道路施工等）的表现有望优于传统模型。未来DeepSeek可以用于融合视觉、语音、环境等多维度数据，实现更拟人化的驾驶决策，例如在复杂路口动态调整路径规划，或在突发状况中快速生成安全策略。

一套表现优异的智驾方案需要大量的实际道路数据采集和高效的后端数据训练，但并不是喂的数据越多，系统表现就一定更好。马斯克就曾表示，给智驾系统投喂了大量复杂场景数据后，其在简单场景的驾驶平顺性反而倒退了。

对此，可以借助数据过滤算法，实施多层次的数据质量控制。这个过程首先对原始数据进行重复内容的识别和删除，确保数据的唯一性。之后，通过智能算法筛除低质量内容，包括格式错误的数据、不完整的文本片段以及不符合规范的内容。这种严格的数据清洗流程不仅提高了训练数据的质量，也为模型的最终表现奠定了良好基础。

同时，通过数据增强和合成来应对极端场景。数据处理方面，采用DeepSeek流式数据处理方式，并结合边缘计算、弹性权重巩固等技术，实现智驾的实时数据处理与增量学习，可提升系统的实时性和适应性，并确保模型能够持续优化。

另一方面，将高质量合成数据用于训练智能驾驶模型，补充真实数据中极端场景数据不足的短板，提升模型对复杂场景的适应能力。

通过部署云端和车端的两套处理方案，不再单纯依赖车辆本地的计算能力，而是利用云端强大算力处理一部分较为复杂的任务，比如数据合成、模型训练、仿真验证等。车端仅需构建轻量化模型和算法优化，完成推理任务。依靠云端协同的方式，实现更高水平的智能驾驶。

与DeepSeek的深度融合，还可以让车企可以在算力受限条件下，依靠“自研算法-国产芯片”协同优化的模式，成功绕开英伟达CUDA的生态限制，不仅降低了车企对进口硬件的依赖，也有助于中国智驾产业链的自主可控。

在最近1~2年智驾逐渐分出胜负的阶段，DeepSeek将会成为一种驱动力，把中国智驾推向更高的自主化水准，并加速高阶智驾的平民化进程。

AI激活车路云“乘数效应”

在DeepSeek与比亚迪的技术突破之外，车路云网络的加速建设进一步放大了智驾平权的社会效益，使智能驾驶的覆盖场景与安全性能得到双重提升。

车路云网络可以看作“第一个现实世界的AI网络”，其已经突破了数字世界的AI边界，开始触达真实、复杂的物理世界。当前，车路云网络主要连接智能汽车、交通设施、非机动车、行人等各类交通要素，未来还会与无人机、机器人、机器狗等更广泛的智能体发生交互，成为首个真实世界中的完整、动态且自主演化的智能网络。

相比ChatGPT、DeepSeek这类数字世界AI出现“幻觉”问题，物理世界AI需要在不确定性和安全性的高度约束下完成闭环控制，并且不允许有任何偏差，因为其决策将直接影响实际的车辆运动、信号切换、交通流分配，甚至对潜在交通事故的预测，技术门槛远远高于数字世界。

这种将数字领域的“沙盘模拟”推入“现实战场”的跨越，使得AI必须深入到物理世界肌体的神经末梢，与之形成统一整体，共同支撑未来智能城市的运行，而车路云网络正是两者结合的代表。

数字世界AI在围棋、图像识别等领域具备超凡能力，却始终受困于“莫拉维克悖论”——人类所独有的高阶智慧能力只需要非常少的计算能力，比如推理，但是无意识的技能和直觉却需要极大的运算能力。简而言之，高阶认知易，基础行动难。

车路云网络通过“通感算一体化”架构（通信为神经、感知为感官、计算为大脑），具备了实时数字孪生、超视距感知、群体博弈决策、多模态数据融合等能力，能够实现对超大规模多智能体系统的动态协调，可以让数百万辆自动驾驶汽车在遭遇路口博弈时实时协商路权，从而保障道路通行更加顺畅；借助AI数字道路基站、路侧边缘计算系统等智能化道路设施，可以为车辆提供厘米级定位修正与风险预警，进一步防止交通事故的发生；还可以帮助城市交通管理者完成对交通流量的秒级精准预测与调度，并实现交通系统效率与公平性的平衡。

在与DeepSeek这类创新AI技术结合后，车路云网络获得了更丰富的能力，从而可以将智驾水平推升至一个新的高度。

蒸馏技术可将车路云的云端大模型压缩至车载计算平台，实现轻量化推理。利用Janus-Pro多模态模型和MoE架构，可实时生成道路风险画像，并与车辆共享高精度语义地图，动态调整多模态感知权重（如暴雨场景增强路侧单元毫米波雷达数据权重），提升复杂环境下的目标识别精度和决策准确率；仿真引擎能够生成数十亿极端场景数据（如台风、塌方），并与真实路侧数据混合训练，使智驾模型在无标线道路的循迹能力和极端场景的应对能力超越人类驾驶员水平；数据清洗算法可以从路侧基站采集的原始数据中提取高价值片段（如紧急避障、施工路段），全面提升数据训练效率。

由此，车路云等城市交通智能基础设施让AI摆脱“缸中之脑”的困境，使其真正具备了在开放环境中控制物理实体的能力，并能够在复杂环境中做出优于人类的即时决策，从而更好赋能未来智能出行。

更值得关注的是车路云的“乘数效应”。当路侧设备可以分担70%以上的感知计算任务，意味着原本需要数万元成本堆砌的车端算力单元，现在只需主流车型标配的智驾硬件就能驾驭。当算力与智能的线性绑定关系被打破，汽车厂商的技术护城河将从硬件堆砌转向算法创新和数据积累，这也正是中国车企在智驾赛道实现超车的机遇所在。

这种生态的终极形态，可能形成类似安卓系统的开放系统。当车企、科技公司、政府机构在开放协同的框架下共建共享，智驾技术将真正突破商业利益的藩篱，走向普惠化发展。

在这场波澜壮阔的产业变革中，以DeepSeek为代表的AI技术与智能驾驶、车路云的深度协同，正催生出“汽车即服务”的终极形态。传统意义上的智驾平权将不再局限于单车功能，而是演变为一场关于智能时代的“道路资源民主化”社会实验。

当道路开始思考、车辆具备感知、城市充满智能，这一由数字道路、智能汽车与云端超脑构成的协同生态系统，不仅重构了交通产业的底层逻辑，更昭示着这样一个道理：无论智驾也好、车路云也罢，未来谁能把AI变成用户离不开的“数字器官”，谁就能主宰下一个十年。