⚛️量子位•較早收集於 2h
自動駕駛賽道DeepSeek，輕舟智航率先進軍物理AI
💡全球首個500TOPS車載世界模型，引領自動駕駛物理AI進軍（28字元）
⚡ 30-Second TL;DR
有什麼變化
輕舟智航率先在自動駕駛賽道進軍物理AI
為什麼重要
加速具身AI在自動駕駛中的採用，提升即時感知與決策能力。定位中國企業為物理AI硬體整合領導者。
下一步行動
將DeepSeek的物理AI整合與您的自動駕駛世界模型堆疊進行基準測試。
誰應關注：Researchers & Academics
關鍵要點
- •輕舟智航率先在自動駕駛賽道進軍物理AI
- •整合DeepSeek實現車載世界模型
- •部署500 TOPS算力直接上車
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •輕舟智航此次採用的DeepSeek模型架構經過針對車載邊緣運算環境的深度剪枝與量化，旨在解決自動駕駛中長尾場景的決策不確定性問題。
- •該500 TOPS算力方案不僅限於模型推理，還整合了輕舟智航自研的數據閉環系統，實現了從感知到決策的端到端物理世界模擬。
- •此技術路徑標誌著自動駕駛從傳統的規則驅動或單純的深度學習感知，轉向具備物理常識推理能力的「世界模型」範式。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路徑 | 算力/模型特點 | 物理AI整合度 |
|---|---|---|---|
| 輕舟智航 | DeepSeek + 世界模型 | 500 TOPS 車載端側 | 高 (物理常識推理) |
| Tesla | FSD v12 (端到端) | FSD Computer (自研) | 中 (數據驅動模擬) |
| Waymo | 混合式感知與規劃 | 雲端+車端協同 | 中 (高精地圖依賴) |
| 小鵬汽車 | XBrain (端到端) | 雲端大模型訓練 | 中 (視覺感知為主) |
🛠️ 技術深入
- 模型架構：採用基於Transformer的時空預測架構，結合DeepSeek的混合專家模型（MoE）技術，優化車載算力分配。
- 物理引擎整合：將車輛動力學模型與神經網絡預測器結合，使模型能預測物體在物理定律下的運動軌跡。
- 算力部署：利用車載異構計算平台，將500 TOPS算力動態分配給感知、預測與規劃模組，實現毫秒級延遲的決策輸出。
- 數據閉環：支持車端實時數據採集與雲端自動標註，透過物理模擬器進行邊緣案例（Edge Cases）的合成訓練。
🔮 前景展望AI analysis grounded in cited sources
車載端側大模型將成為高階自動駕駛的標配。
隨著物理AI技術成熟，僅依賴雲端訓練已無法滿足複雜動態環境下的即時決策需求。
自動駕駛軟體開發週期將縮短30%以上。
世界模型能大幅減少對真實路測數據的依賴，透過模擬生成即可完成模型迭代。
⏳ 時間線
2021-03
輕舟智航發布自動駕駛解決方案「輕舟矩陣」，確立數據驅動技術路線。
2023-09
輕舟智航發布基於大模型的自動駕駛技術方案，開始探索具身智能應用。
2026-04
輕舟智航率先將DeepSeek模型整合至車載世界模型，並實現500 TOPS算力上車。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗