开工回来，公司的同事们都在讨论DeepSeek，恨不得明天就想办法量产上车！
今天自动驾驶之心就和大家聊聊DeepSeek能对自动驾驶产生
哪些影响。
从技术层面上讲，DeepSeek可以与感知、决策算法相融合（多模态+LLM、端到端+LLM），这样无论是在云端还是车端都会有比较可观的前景应用。尤其是R1出色的推理能力，
思维链能否体现在决策解释上？
数据如何构建？模型如何训练？都是值得探索的方向。类似的，DeepSeek能否重塑数据闭环？大模型挑选高价值标注数据，甚至
自动化标注、
自动化质检
，配合强大的多模态能力，是否可以自动化测试？空间理解、时间理解能否进一步实现？想多了全是问题，做多了全是答案！
而这一切都需要扎实的大模型基础，大模型发展至今有哪些前沿算法，如何训练大模型？训练数据如何制作？训练&推理都有哪些坑？
这里强烈推荐下自动驾驶之心的多模态大模型课程，课程从通用多模态大模型，到大模型微调，最终在聚焦在端到端自动驾驶多模态大模型，基本上面试的东西课程里面都有介绍。课程大纲如下：
大模型火热开卷！拼团优惠等你加入~
课程内容一览
第一章：多模态大模型介绍
第一章主要介绍多模态大模型的基础概念，在整体上帮助同学们了解多模态大模型，打开大模型之路的大门。老师从多模态算法的概念出发，延伸到多模态大模型的结构&训练范式及公开数据集的介绍。在整体上对多模态大模型有一定了解后，我们会进一步聊聊实际的应用场景，让大家对未来可能从事的工作方向和工作内容有一定的了解，最后老师会介绍咱们课程的整体框架及预期的实战学习成果。
第二章：多模态大模型的基础模块
第二章正式进入多模态大模型的基础模块学习。老师会首先介绍多模态大模型的整体架构。模态编码器是什么？Input Projector有什么作用？LLM Backbone是什么？Output Projector又用来做什么？最后的Modality Generator又如何应用到具体的模态生成？在这一章都会得到解答！
第三章：通用多模态大模型
第三章聚焦于通用多模态大模型的讲解与实战。作为多模态大模型下游应用的基石，可以说没有通用多模态大模型的蓬勃发展，就不会有当下大模型应用百花齐放的局面。这一章节老师选取了五个算法展开详细介绍：涵盖了图文理解、视频理解、任意模态、轻量大模型以及实战-统一视觉任务大模型算法，即兼顾了学术界又兼顾了学术界。这一章老师将会带领同学们真正进入多模态大模型的世界。
实际效果：
第四章：多模态大模型微调与强化学习
第四章则聚焦于业内应用最广泛的微调与强化学习技术。如果把通用多模态大模型比作大树的枝干，那么微调技术则是大模型开枝散叶的核心技术。这一章老师首先会做一个训练策略的概述，微调到底微调个啥？接下来则会进入六篇论文的精讲和实战，涉及Adapter、LoRA、QLoRA、Reward Model+PPO、KTO和实战算法DPO，这一章仍会兼顾学术界和工业界，学完这一章，你将有能力训练面向特定业务需求的多模态大模型。
第五章：多模态大模型在自动驾驶中的应用
在讲解完通用大模型和微调技术后，第五章则聚焦于多模态大模型在自动驾驶中的应用，尤其是在端到端自动驾驶中的应用。老师选取了五个最有代表性的算法一一讲解，其中包含理想端到端自动驾驶量产方案参考的算法DriveVLM！在这一章，大家将会掌握最前沿的端到端自动驾驶大模型，为后面就业和升学增添助力！
