2024年至2025年，全球及中国汽车行业的人工智能基础模型研究和应用报告指出，推理能力的提升显著提高了基础模型的性能，在解释性和成本降低方面也取得了重要进展。报告由ResearchAndMarkets.com发布，涵盖自动驾驶和智能座舱等多个应用领域。 推理能力提升基础模型性能 自2024年下半年以来，中国和国际上的基础模型公司纷纷推出推理模型，如Chain-of-Thought（CoT）、Tree-of-Thought（ToT）、Graph-of-Thought（GoT）和Forest-of-Thought（FoT）等，通过这些推理框架增强了基础模型处理复杂任务和独立决策的能力。这些模型与生成模型（如扩散模型）、知识图谱、因果推理模型等结合，应用于不同的场景中。例如，在自动驾驶的规划和决策中，增强的推理能力提高了时间空间预测的准确性；在智能座舱中，推理能力增强了助手对复杂语义的理解和意图识别能力。 解释性增强用户信任 增强用户对AI系统的信任是扩大汽车AI用户基础的关键。2025年，解释性成为一大焦点。通过展示长CoT（推理链），可以实现数据解释、模型解释和事后解释。例如，理想汽车在其L3自动驾驶系统中，采用了“AI推理可视化技术”，将从物理世界感知输入到驾驶决策输出的整个过程直观展示，增强了用户对智能驾驶系统的信任。 成本降低与性能提升并行 尽管推理能力的提升和整体性能的提高可能带来更高的成本，但这并非必然。以DeepSeek为例，其模型在2025年初开始受到汽车制造商（OEM）的青睐。DeepSeek的主要优势包括： 强大的推理性能：其R1推理模型在数学逻辑上的表现可与OpenAI的o1媲美，甚至更优。 较低的成本：在保持高性能的同时，DeepSeek将训练和推理成本维持在行业内较低水平。 实际应用案例 低计算开销技术：通过优化算法和计算资源利用，DeepSeek使高性能模型能够在低成本的汽车芯片上运行，减少了对昂贵GPU的依赖。例如，结合DualPipe算法和FP8混合精度训练，使中低端车辆也能部署高级智能驾驶和座舱助手功能，加速了智能座舱的普及。 增强实时性能：在驾驶环境中，自动驾驶系统需要实时处理大量传感器数据，座舱助手也需快速响应用户指令。DeepSeek通过降低计算开销，提高了传感器数据处理速度，优化了智能驾驶芯片的计算资源利用。在高通8650平台上，计算能力为100TOPS时，DeepSeek将推理响应时间从20毫秒降低到9-10毫秒。 行业内评价 业内专家认为，推理能力的提升和解释性的增强将对汽车AI的应用带来革命性变化，不仅提高了系统性能，也增强了用户的信任感。此外，成本的降低使中低端车型也能享受到高级智能驾驶和座舱助手功能，进一步推动了自动驾驶和智能座舱的普及。深思（DeepSeek）等公司的技术突破，为汽车制造商提供了高效、低成本的解决方案，加速了汽车智能化的进程。 公司背景 ResearchAndMarkets.com是全球领先的国际市场研究报告和市场数据提供商，致力于为客户提供最新的国际市场、关键行业、顶尖公司、新产品和最新趋势的数据和报告。深思（DeepSeek）作为新兴的人工智能公司，凭借其在推理能力和成本优化方面的技术创新，迅速崛起并受到了广泛的认可。