從文心一言到DeepSeek,車企接的是模型還是流量?

DeepSeek大模型,成功對標ChatGPT「為國爭光」後,成為了現在科技圈的時尚單品。



不僅微軟英偉達亞馬遜三巨頭接入,吉利長城廣汽智己等近二十家車企也相繼宣布深度融合DeepSeek大模型。


這樣的場景在2023年也上演過,不少企業曾扎堆宣布過接入「文心一言」大模型。


但它們後續都沒有濺起什麼水花,難道DeepSeek上車就會有所不同?



大家「見異思遷」的原因是什麼?


只是為了蹭新一波大模型的流量?


就像這位網友說的,「接入了有啥用,還能開着車查詢百度百科?」



我們不妨來詳細探究下。


一、大家喜歡用DeepSeek幹什麼


先來看看DeepSeek官方宣傳的用法:


直接面向用戶或者支持開發者,提供智能對話、文本生成、語義理解、計算推理、代碼生成補全等應用場景,


支持聯網搜索與深度思考模式,同時支持文件上傳,能夠掃描讀取各類文件及圖片中的文字內容。


簡單總結一下就是:支持日常或者學術類的各種對話以及寫代碼。大部分用戶都是以前者為主要用途。


我們可以把DeepSeek當「導師」,直接輸入問題,它會迅速汲取大量資料並總結出答案,為我們省去大量搜索和分析的時間。


據說DeepSeek大火以後,某些問答型APP的用戶量大幅減少。



還有一種玩法就是用DeepSeek滿足情感需求。


DeepSeek熟知各種網絡熱梗,通過給DeepSeek立人設,就能讓它和我們進行IP特色明顯、沒有人機感的對話。


(網友和DeepSeek互動)


DeepSeek的限制也很明顯,它沒有記憶和軀體,只能回復方法論和提供「網戀」式的互動。


但如果將DeepSeek接上車,情況就不一樣了,比如我們來看吉利座艙接入DeepSeek的表現。


我們想知道某條路線經過的湖泊叫什麼名字,需要先把路線輸給DeepSeek。


而接入座艙後,它擁有路線記憶,像一個共同出行的朋友,可以直接接茬。


或者你向它提出需求,表示「過會兒叫醒我」。


它可以給出「關窗、自動調節空調溫度、睡眠模式氛圍燈、座椅躺平」等反應。


評價座艙是否「聰明」的一個重要指標就是它能不能聽得懂話。


最早語音助手只能識別特殊指令詞,現在幾乎可以完成「我冷了」「我餓了」等需求性的指令。


而DeepSeek極其擅長中文語境,無論是方言還是語義理解,都能更加貼合用戶需求。


就像我們前面展示過的「陪聊」功能,DeepSeek可以實現車企們都在說的「情感座艙」。


它現在擁有聲音,你在網頁上可以跟它怎麼聊,就可以跟這台車怎麼聊。


逗趣拌嘴,風花雪月,人生理想,都是它擅長的領域。


(網友和DeepSeek聊工作)


汽車給了AI「身體」,它還能夠通過自然語言處理技術和語音識別技術實現語音控車,給出實際的動作反應。


當然如果你不愛用語音助手,它也能為你靜靜解決一些問題。


比如藉助DeepSeek-Writer API,各位商務人士可以輕鬆解決會議紀要、營銷文案甚至編程代碼。


或者是通過分析歷史數據,了解用戶習慣,提供一些專屬服務,比如用你最喜歡的音樂、空調溫度迎接你上車。


我們之前一切優異的AI體驗需要打開Deepseek的網頁或APP,而現在坐進車內就進入了一個AI世界,同時享受到它用操控車輛的方式突破次元來「照顧」我們。


當然,以上僅針對於全面接入DeepSeek的車型。


如果只是支持在車機端使用DeepSeek網頁版,那純是湊熱鬧蹭流量了。


二、為什麼選擇DeepSeek


成本低是DeepSeek大火的一個標籤,每100萬個token的直接成本為1美金多一些,DeepSeek-R1 API 服務定價每百萬輸出 tokens 也就16 元,遠遠低於競品。



另外DeepSeek還是一個開源模型,其模型架構、訓練細節以及相關代碼都作了公開。


比如DeepSeek-R1開源了大量模型和訓練細節,方便開發者深入了解算法原理,還可以進行二次開發和優化。


開發者還可以提交代碼、報告問題或提出改進建議。



而文心一言目前公開表示今年6月底開源,此前是閉源狀態,其模型架構和訓練細節不對外公開。


百度主要提供API接口,開發者只能通過接口調用模型功能,開發者也沒什麼社區參與,只能通過官方渠道反饋問題。



相比起文心一言,DeepSeek是一個成本更低、自由度更高的選擇。


對於車企來說,DeepSeek不止是優化座艙體驗的工具。


比如吉利提到的「模型蒸餾」,通過DeepSeek開源模型提煉的新模型可以在本地車載芯片運行,減少雲端依賴並提升響應速度,降低成本還節省算力。


另外DeepSeek的多模態模型具備視覺定位和視頻理解能力,結合對環境內信息的分析,能夠優化環境感知和決策。


比如實時分析攝像頭、激光雷達傳感器信息,對路上各種文字信息、障礙物目標作出更明智的判斷,給出更合理的路徑規劃,從而在加減速、車道保持、避障上有更好的表現。


當然,DeepSeek也不是直接就能適配,數據準備和模型訓練、系統集成和測試等都是技術活兒,即使上車也不一定表現相同,可能只能讓語音助手會說更多的人話罷了。


有不少車企展示的案例都是用語音助手生成一篇文章或攻略,這在DeepSeek上車之前就有很多車型可以做到。



我們無法通過這些短視頻看出各家到底用DeepSeek漲了多少實力,只能說智能車能不能吃住這波流量,還得靠線下跟車主碰碰。


畢竟我們都很清楚,他們需要的不是一個用來打開大模型網頁的車機。