“模型的应用将迎来大规模的爆发期。此前，面向消费者（To C）的模型应用已被大众熟知，使用频繁。然而，面向企业（B端）的模型却存在随机性和不准确等问题。不过，众多应用开发团队正针对特定场景进行微调，有望解决这些问题。因此，预计未来一两年，AI大模型在B端的应用将全面普及。”近日，在由《中国经营报》、中经传媒智库联合主办的零观汽车“Deepseek‘上车’将如何赋能车企”特别节目上，Nyonic（瑞因凡）创始人兼CEO韩东表示。

据了解，DeepSeek - R1一经发布，便凭借其卓越表现，彰显出非凡实力。诸多场景实测数据及应用反馈显示，其效果和能力与o1相比毫不逊色，甚至在许多实际应用场景中，完全能够无缝对接，成为o1的理想替代方案。这引发了各界的高度关注与热烈讨论。对此，拥有近20年AI研究、产品化、商业化、孵化投资经验的韩东，针对AI对汽车领域带来的改变，以及未来新科技赛道值得关注的方向做了分享。

预计后续应用会基于DeepSeek - R1进行打造

韩东指出，长久以来，在基础模型领域，大众普遍认为美国占据世界前沿位置，而中国与之存在差距。去年下半年，OpenAI推出o1模型，直至今年年初，全球范围内无新推理模型能与之抗衡。直至DeepSeek - R1模型的出现，打破了这一格局。

“众多模型领域的从业者从专业视角对其进行测试，与此同时，我注意到身边无数人在日常生活中也开始使用模型，其中R1模型的使用频率颇高，甚至超过了其他模型，很多人每天都会使用它。”韩东说。

“从用户的使用习惯、频次以及黏性等方面，最能直观体现一个基础模型的实际能力。若模型不好用，用户自然不会再次使用。而用户持续使用某一模型，恰恰证明了该模型具备出色的能力。”韩东表示。

事实上，DeepSeek - R1不仅在前沿模型赛道上与o1并驾齐驱，以卓越性能证明了自身实力，更是在开源领域迈出了里程碑式的一步。此前，前沿模型如OpenAI的系列模型，皆以闭源形式示人。OpenAI曾公开表态，最前沿的模型开源可能引发不可预估的风险。然而，DeepSeek - R1开源后，现实情况却与OpenAI的论断相反。

“简而言之，DeepSeek - R1模型能力前沿且实现开源。对于未来基于大模型构建的各类垂直场景模型、行业模型以及应用而言，R1模型极有可能成为后续发展的起点或基准。后续更多的应用大概率会基于该模型进行打造。”

车企转型关键在于深度融合最新生产力与业务场景

在汽车领域，大模型的应用主要集中在自动驾驶和智能座舱这两个方向。DeepSeek这个新模型是否会加速自动驾驶技术的落地进程呢？

对此，韩东认为，DeepSeek的到来不会大幅加快自动驾驶到来的速度。因为目前基础模型能力仍在推进中。R1模型并未进一步提升前沿能力，它只是追平了当前水平。若将基础模型应用于自动驾驶领域，还需针对车辆及驾驶场景完成特定工作。

“新技术的出现，必然会对车企及旧技术产生根本性改变、升级与换代，同时也意味着淘汰部分旧技术。这对于车企和整个行业而言，无疑是巨大挑战。过去，车企只需专注于研发车内算法，但如今，大模型领域的技术力量可能颠覆他们长期投入的算法和模型。”韩东表示。

他进一步表示，从车企角度出发，建议在当前场景下，更加注重将最新生产力与自身业务场景深度融合，无论是在自动驾驶还是智能座舱领域。当然，除这两个领域外，汽车相关的其他方面也存在大模型的应用空间。

据韩东介绍，以往，汽车测试需要大量工程师花费时间，将文档转化为测试用例，并编写测试脚本执行。而现在，通过对前沿模型微调，能够一键生成测试用例，准确率和覆盖率可达人类工程师水平。

所以，韩东认为，在汽车领域，自动驾驶和智能座舱是大模型应用的重点方向，但实际上，在研发、供应链管理、知识管理以及销售等环节，都有大模型应用正在开发中。

不要盲目转型成为一家AI公司

虽然前景广泛，但韩东认为也需注意投资风险把控。

“在基础模型领域，任何一家行业公司若自行研究，都面临巨大风险。因为该领域不仅前期投入巨大，而且最终结果难以保证。一旦有更先进且开源的技术模型推出，此前投入都将付诸东流。”韩东表示。

他进一步表示，与自动驾驶、智能座舱等场景相关的其他方面投入则有所不同。因为这些投入所积累的不仅是模型和算法，还包括数据、产品设计及业务流程等，这些积累外部技术领先者难以取代。所以，企业应专注于自身业务场景下与基础相关的核心研发。

韩东说：“由于我们团队从基础模型研发起步，所以转向应用领域较早。当时我们意识到，基础模型研发需要大量资金投入，且要在短时间内消耗巨额资金。因此，我们及时调整方向，转向应用领域。”

在业务发展时，韩东表示，由于与汽车行业接触较多，会与不少车企中的国企展开合作。而与政府的合作，则通过合作项目，实现与车企在能力上的协同。

“在使用大模型生成测试用例时，这些用例需要由专业测试工程师评估。AI算法工程师难以判断准确性。因此，需要与业务人员、行业专家密切合作，建立长期稳定的信任关系。这也是未来各行各业应用大模型面临的挑战。”他表示。

“不过，我相信在全行业众多企业的积极探索下，一定会有企业通过成功合作，形成具有行业通用性的解决方案，实现以新生产力替代旧生产力的变革。”韩东表示。

算力企业或迎重大机遇

对于未来预判，韩东认为，模型的应用将迎来大规模爆发期。虽然目前尚未看到大量此类应用出现，但一旦问世，并切实改变现有业务场景，提供新型服务，实现高效赋能，这些应用很可能会迅速推广。因此，预计在未来一两年内，AI大模型在B端的应用将全面普及。

他进一步表示，在探索自动化测试场景的过程中，发现汽车行业发展演变，以及具身智能、低空经济等领域的拓展，在很大程度上借鉴了汽车制造领域的方法和经验。所以，如果某些应用场景在当前最大的汽车行业中具有较高价值，并且在未来向其他领域拓展时同样适用，那么这些方向就值得深入探索。

他继续说道：“当然，从行业拓展广度和能力提升深度来看，一些能力具有跨行业通用性。例如，车企等企业希望构建一个强大的知识库问答系统，使员工能够精准查询企业内部知识点。这种需求并非个别行业特有，大部分行业都有类似需求。这也是我们思考应用拓展方向时重点关注的内容。”

韩东还认为，随之而来的将是对算力的巨大需求，尤其是中低端GPU算力。因为大量应用落地后，推理任务量将极为庞大，因此，国内众多算力企业或许将迎来新的重大发展机遇。

最后，韩东表示，我们正步入一个全面拥抱AI的时代，企业和个人都必须积极融入这一趋势。

（文章来源：中国经营报）