接入DeepSeek后，理想又为车机自研了一个推理模型：
它能帮你编故事哄孩子，提供买房建议，还能制定旅游攻略，直接筛掉你不想要的体验。
虽然此前的推理模型也能胜任这些任务，不过理想自研推理模型有所不同——
它能自主分析，你的问题需不需要思考，需要深度思考还是短思考。
在众多厂商争相接入DeepSeek的当下，理想选择了一条新的道路，打造了“汽车版DeepSeek”。这反映出理想在智能化方面的差异化竞争策略。
汽车版DeepSeek有什么特点？
为什么理想要投入大量资源自研推理模型，而不是直接采用DeepSeek？这是一个值得深入探讨的问题，涉及到成本、定制化程度、以及对未来技术发展的长期规划。
带着这些问题，智能车参考第一时间上车“拷问”了一番理想同学：
不是吧，你一句“我不喝豆汁儿”，它就真的能为你量身定制北京一日游攻略吗？这背后的技术实现令人好奇。
实测「汽车版DeepSeek」
更新理想OTA 7.2版本后，进入语音设置界面会看到一个深度思考的按钮，就像咱们日常用的DeepSeek一样，点击打开：
你也可以通过语音对话，让理想同学帮你打开。
不过与常见推理模型不同的是，即便打开了深度思考开关，理想同学也不会对每条对话都“陷入沉思”，而是模型自主决策是否需要思考，以及需要思考多久：
车控命令「不思考」，理想同学直接执行简单需求「短思考」，车机上方会显示生成中
复杂需求才「深度思考」，理想同学还会说「emmm，我得想想」
实际体验下来，像“我好热啊”、“腰好酸”、“还有多久到目的地”这类对话，即便处于「深度思考」模式下，理想同学也会分别打开空调、座椅按摩、显示目的地，瞬间响应，无需过多思考，确保了基本的交互效率。
而对于车主的一些复杂需求，例如，你想去北京旅游，但又不想品尝老北京豆汁儿，那就直接把定制攻略的需求告诉理想同学。
稍等几秒，一份私人定制的旅行攻略就生成了，精确到每个小时的行程安排、餐饮选择（避开了豆汁），以及大致的花费预算：
如果车上有孩子吵闹不睡觉，你可以让它即时创作一个故事来哄孩子：
与家人通话讨论买房事宜时，你也可以向理想同学寻求建议：
以上这些都是理想同学经过深度思考后给出的答案，而且相比常见的推理模型，响应速度更快。
能够自主选择思考的深度，并实现更快的深度思考，这背后究竟是如何实现的？
「汽车版DeepSeek」的实现过程
大家可能对理想此前自研的MindGPT比较熟悉，「汽车版DeepSeek」实际上是以MindGPT为基础模型，进行了后训练、指令微调以及强化学习等多阶段优化。
首先，鉴于模型能力与数据质量之间存在直接关联，理想在训练数据方面进行了非常细致的工作。
据介绍，理想基于过去已有的1100多个技能体系，根据问题的复杂程度和应用场景，对数据进行了精细的分类整理。这种精细化的数据处理是保证模型准确性的关键。
数据类型主要分为三种：
第一类，适合进行长推理的多轮对话样本，规模达到数十万级别，使用DeepSeek生成思考过程，然后将生成的结果作为训练深度思考能力的数据。这种方法利用了现有模型的知识来提升自身的能力。
第二类，不适合进行长推理，但仍然需要短思考的数据，同样借助DeepSeek加工形成短思考数据，规模约为十万级别。
第三类则是以往存储的不需要思考的数据，这部分数据量最大，据悉规模达到百万级别，理想从中进行了抽样使用。
这三类数据最终整合在一起对模型进行后训练，模型便具备了长思考能力，同时也能够自主决策是否需要思考，以及思考的程度。
完成模型训练后，理想又面临了另一个难题：
如何在进行深度思考的同时，又能更快地响应用户的需求？ 这也是车载AI助手需要解决的关键问题。
理想关注的首要指标是首token响应时间，要求最快可达到0.3秒。这体现了对用户体验的高度重视。
背后主要采取了三项措施：
PD分离，将Prefill和Decoder分离部署。由于Prefill阶段对首Token的影响最大，这一阶段采用高性能Attention机制多卡并行推理工程优化。
从描述来看，实现过程似乎并不复杂，但实际上理想面临着诸多挑战。他们春节复工后便确定了4月初的产品更新时间，然后立即展开冲刺，时间紧迫，任务繁重。这反映了理想在技术研发上的高效率和执行力。
为什么理想不在车端直接使用DeepSeek，而是选择自研推理模型？
为什么自研车端推理模型？
据理想汽车透露，其打造车端推理模型主要出于内外两方面的因素：
实际上，此前理想的车主就表现出对这方面的需求。有些车主经常会向车机询问时事新闻，并希望了解背后的投资建议，例如最近金价的疯涨。
还有些车主在上班途中突然接到会议通知，但对会议主题涉及的市场情况不够了解，希望能让模型归纳相关信息并进行分析。这些用户需求是推动理想自研的重要动力。
过去的模型无法满足车主在这些方面的需求，因此理想开始考虑在车端部署推理模型。 这也是用户驱动创新的一个典型案例。
随后，DeepSeek在海内外市场的火爆加速了这一进程。
DeepSeek强大的影响力让许多用户首次认识到AI的强大能力，原来AI可以进行深度思考，并提供如此强大的分析能力。 这也推动了整个行业对AI技术的关注。
因此，有车主直接向理想提出疑问：
你们什么时候接入DeepSeek？
相信不只是理想，业内很多厂商都收到了类似的问题。这也是为什么春节复工后，众多车企争相宣布接入DeepSeek的原因。
实际上，理想同学App此前已经接入了完整版的DeepSeek。 这也说明理想对DeepSeek的技术能力是认可的。
既然如此，为什么理想还要在车端自研推理模型呢？
理想汽车认为，DeepSeek更适用于电脑和手机等终端场景，而车载场景则更加垂直，无论是车主的相关知识需求，还是对对话响应速度的要求，都需要打造一个“汽车版DeepSeek”。 这种定制化的需求是推动自研的关键因素。
现有的推理模型，通常思考时间较长，而且输出的内容也比较冗长，但车主并非每次对话都需要得到非常详尽的回应。“你是个好模型，只是咱们不太合适。” 这句话体现了理想对用户体验的精准把握。
因此，理想认为需要一个“汽车版的DeepSeek”，既能提高模型的思考能力，又能更灵活快速地响应车主的对话，避免车主提出问题后无法及时得到回复，或者回复内容过于冗长。 这种对效率和精准性的追求是车载AI发展的必然趋势。
模型能够自主决策是否进行思考以及思考的深度，这与目前主流的解决方案存在明显区别。 这种差异化设计能够更好地适应车载环境的需求。
这一特性是否有机会推广到其他应用场景？ 这是一个值得思考的问题，或许在其他需要快速响应和精准判断的领域，这种技术也具有广阔的应用前景。
理想汽车也对未来的发展趋势做出了展望，这很可能成为后续AI助手应用的一个重要发展方向。AI助手将更加智能化和个性化，能够更好地满足用户的需求。
结合当前行业的发展情况，以及理想对理想同学的追求来看，或许未来理想会在端侧部署大模型，从而加快对车主相关需求的响应速度。这是一种可能的演进方向，能够进一步提升用户体验。
也有分析指出，英伟达Thor即将上车，其更充足的算力和前瞻性设计，也为未来实现“舱驾一体”提供了可能。这预示着未来车载AI将拥有更强大的计算能力和更广泛的应用场景。
能进行深度思考的理想同学，是不是离李想此前提出的“硅基家人”的愿景更近了一步呢？ 这既是对未来的美好展望，也是对技术进步的期待。
理想自研的推理模型，解决你的痛点了吗？
