券商观点汽车行业动态跟踪点评：Deepseek有望成为智能驾驶提效降本新引擎

　　2025年2月10日，西部证券002673）发布了一篇汽车行业的研究报告，报告指出，Deepseek有望成为智能驾驶提效降本新引擎。

　　预计未来Deepseek有望加速赋能自动驾驶，有效提升智驾表现。根据NE智能时代车预测，2024-2026年，预计行业内头部厂商将把MLA应用于仿线级系统有望使用MLA架构。

　　风险提示★■◆■★：消费者对智能汽车接受程度不及预期◆■★★，汽车行业销量不及预期，汽车价格战加剧等。

　　Deepseek有望成为自动驾驶车端及云端算力成本降低的重要推手。DeepSeek在成本控制方面表现出色，核心创新“多头潜在注意力”（Multi-HeadLatentAttention）研发耗时数月，是降低推理成本的关键创新之一■■◆◆★★，其核心原因在于■★■★■，MLA使得每个查询所需的KV缓存（KVCache）减少，相比于标准注意力机制，极大降低了内存消耗，减少重复计算■★，从而降低了每次推理所需的硬件资源★■■■，这直接降低了推理成本★★◆★■★。 知识蒸馏重构自动驾驶成本提高自动驾驶普适性目前城市NOA系统成本仍高于8000元（单车），制约20万以下主力市场渗透。根据优咔科技■★★◆，DeepSeek通过算法优化和模型压缩、蒸馏等技术，大幅降低了单位算力需求■■★。运用DeepSeek及其优化技术有望将城市NOA硬件成本压至3000元级◆■★，触发10-15万车型标配潮，决策模型推理能耗降低80%★■，高阶智驾对车端芯片的算力要求进一步降低，也将更有利于★★◆★★■“舱驾一体”★■◆、“行泊一体”等架构的推进。由于DeepSeek以NLP任务为主★★★■，其知识迁移至自动驾驶CV任务需解决模态差异（语言→视觉），需引入跨模态蒸馏技术（如通过CLIP-like对齐视觉-语言特征）；同时车端模型需满足毫秒级延迟要求（如10ms内完成一帧处理）★★◆，蒸馏后的小模型需在算力（TOPS）和内存（MB级）上与车载芯片匹配。 DeepSeek在训练过程中采用了强化学习的方法■★■◆★■，为自动驾驶未来的训练数据集筛选与裁剪提供了可行的思路。根据优咔科技，强化学习革新训练过程提升驾驶安全性尽管强化学习在自动驾驶的规划和控制阶段得到了广泛的应用◆★■■■★，但自动驾驶的感知识别能力，例如对道路环境■◆■、障碍物、行人等的识别与判断■★◆★◆◆，当前主流的方式是采集海量的人类驾驶行为，进行模仿学习。训练过程需要采集海量数据603138），并通过大规模集群进行训练的■■◆◆◆，遵循ScalingLaw法则，成本较高。而DeepSeek在训练过程中采用了强化学习的方法，为自动驾驶未来的训练数据集筛选与裁剪提供了可行的思路。

　　投资建议：Deepseek有望成为智能驾驶新引擎，提效+降本加速智驾渗透率提升◆◆。相关标的方面，推荐地平线机器人◆★、经纬恒润◆★★、小鹏汽车、理想汽车、比亚迪002594）、长城汽车601633）、德赛西威002920）◆★、华阳集团002906）；建议关注知行汽车科技、吉利汽车、伯特利603596）、黑芝麻000716）智能、禾赛科技■★、速腾聚创、豪恩汽电301488）。

　　声明：本文引用第三方机构发布报告信息源，并不保证数据的实时性、准确性和完整性，数据仅供参考，据此交易，风险自担。