高通加碼智能化下半場，艙駕一體產品落地，支持超300款車量產

作者 ｜ Janson
編輯 ｜ 志豪

車端AI走向真正的量產深水區。

車東西6月10日消息，日前，在高通汽車技術峰會上，高通、蔚來、斑馬智能、博世等主機廠和產業鏈核心玩家集體發言，共同探討了汽車智能化競爭的發展。

當下，汽車智能化競爭已經不再只是座艙屏幕、芯片算力、語音交互或輔助駕駛功能的單點比拼，而是進入了以芯片平臺、操作系統、大模型、軟件棧、傳感器融合和整車電子電氣架構為核心的系統競爭階段。

過去幾年，中國汽車市場用極快的車型迭代速度推動了智能座艙和輔助駕駛的普及。

但進入AI時代后，行業面臨的問題明顯更復雜。車端智能體如何真正理解用戶？大模型如何在低延時、低功耗和隱私保護下運行？座艙、ADAS和整車控制如何實現跨域協同？大模型幻覺又如何避免轉化為真實車輛控制風險？

針對這些問題，高通提出艙駕融合和可擴展計算平臺，蔚來則強調汽車公司必須成為AI公司。

斑馬智能討論軟件系統從“數據讀寫”轉向“推理驅動”，博世則直面AI座艙量產中的隱私、成本和安全護欄難題。

可以看到，汽車智能化的下半場正在告別功能堆疊，轉向底層架構、生態協同和長期迭代能力的競爭。

未來，誰能把AI能力真正變成可靠、可控、可量產的用戶體驗，誰才可能在下一輪智能汽車競爭中占據主動。

一、高通執行副總裁Nakul Duggal：汽車計算架構走向融合

作為峰會的開場主線，高通技術公司執行副總裁兼汽車、工業及嵌入式物聯網與機器人事業群總經理Nakul Duggal首先從底層平臺角度給出了判斷：車端AI能否落地，關鍵不只是模型能力，而是汽車計算架構能否從分散走向融合。

自2021年以來，高通已在中國支持超過300款車型量產發布，其座艙平臺累計出貨量已達7500萬套，并已進入第五代汽車芯片階段。

▲高通執行副總裁Nakul Duggal

不過，這些數字背后更重要的變化，是中國汽車市場正在重新定義車端計算平臺的價值。Nakul Duggal認為，汽車正在從交通工具轉變為個人化平臺和生活空間。用戶在車內不僅需要導航、娛樂和通信，也希望車輛能夠理解場景、識別需求，并主動提供服務。

在AI能力加速發展的背景下，車內交互正在從簡單語音指令走向智能體形態。車端AI不再只是“被動回答問題”，而是開始基于視覺、語音、位置、用戶習慣和場景記憶進行綜合判斷。

但Nakul Duggal也強調，要讓這些能力真正穩定落地，汽車需要一個能夠同時處理座艙交互、傳感器輸入、AI推理和ADAS任務的底層計算平臺。

隨著NPU、攝像頭、雷達、麥克風、顯示系統等硬件能力不斷提升，車端計算架構正在從分散式走向融合式。

在這一背景下，高通提出了艙駕融合的技術方向，即通過單顆芯片同時支持座艙和ADAS等任務，并讓不同工作負載可以并發運行。

Nakul Duggal表示，這類平臺需要在性能、功耗、安全、軟件隔離和開發效率之間取得平衡。通過CPU、GPU、NPU、ISP等異構計算單元協同，車輛可以更高效地處理多傳感器數據和AI模型推理。

他還提到，軟件復用和跨平臺遷移將成為車企非常關注的能力。

高通希望通過軟硬件協同、二進制兼容和跨芯片遷移，讓車企在上一代平臺上的開發成果能夠延續到下一代平臺，從而減少重復開發、測試和驗證成本。

在量產進展方面，他認為，中國汽車生態具備快速響應能力：芯片平臺、軟件棧企業、Tier 1和主機廠能夠在較短時間內完成適配、驗證和商業化部署。

對于高通而言，中國市場不只是重要的汽車業務增長來源，也正在成為車端AI和新一代電子電氣架構驗證、迭代和量產的重要場景。

二、蔚來李斌：座艙AI化是關鍵

如果說高通更多回答的是“車端AI需要什么樣的底層平臺”，蔚來創始人、董事長、CEO李斌則從車企視角進一步說明，AI如何轉化為用戶可感知的座艙體驗。

他認為，現在的汽車公司必須成為AI公司，座艙也要成為AI座艙。蔚來十年前提出座艙應成為“有情感的伙伴”，NOMI正是這一思路的具象化產品。

▲蔚來創始人、董事長、CEO李斌

如今，隨著端側大模型和端云一體大模型上車，NOMI正在從語音助手演進為具備情境理解、記憶能力和任務執行能力的Agent。

李斌透露，蔚來正在構建NOMI Intelligence，從基礎模型、運行框架到應用層全面推進座艙體驗Agent化。

具體來看，端側模型已經用于識人、記人和個性化服務；多模態大模型守衛模式則可感知下雨、水災、火災等異常情況，并給出可執行結果。

這意味著車端AI的價值不只是聊天，而是在低時延、低功耗和隱私保護條件下，完成真實場景中的感知和決策。

李斌最后也提到，全車算力高效協同、構建可持續迭代10年以上的軟硬件生態，以及開放Agent生態十分重要。

車企選擇芯片平臺時，已不只看當下性能，還要考慮內存和算力復用、跨域協同、長期升級和生態兼容能力。

三、斑馬智能張建鋒：汽車座艙“智能”是關鍵

在車企將AI落到具體體驗之后，阿里巴巴集團合伙人、達摩院院長、斑馬智能董事長張建鋒分享了斑馬對AI汽車時代的判斷。

他回顧稱，阿里在2014年前后提出“互聯網汽車”概念，當時的核心是讓汽車接入互聯網服務，并以地圖等應用作為智能座艙的重要入口。

▲阿里巴巴集團合伙人、達摩院院長、斑馬智能董事長張建鋒

十多年后，汽車座艙的底層邏輯正在從“聯網”轉向“智能”。

張建鋒認為，過去的軟件系統主要圍繞數據庫和數據讀寫構建，交互方式以指令式為主；但AI正在讓軟件工業發生根本變化。

未來系統的核心不再只是數據處理，而是圍繞推理能力重構。大語言模型、Agent、技能調用和任務編排，將成為新一代車端軟件架構的重要組成部分。

他提出，車端AI與通用大模型存在明顯差異。通用大模型追求更深、更廣和更長程任務能力，而汽車場景更關注低延時、自然交互、主動智能和低成本。

車內AI不能每次都依賴喚醒，也不能讓用戶長時間等待響應，更不能所有服務都由用戶主動發起。因此，斑馬希望在車端提供更精巧的模型，圍繞出行和車輛本身提供服務。

在張建鋒看來，操作系統和中間層服務商的價值正在提升。汽車作為“人在回路”的系統，需要融合語音、溫度、座艙狀態、車輛狀態等多種感知信息，再通過模型推理轉化為具體服務。

這要求新的車端系統向下屏蔽硬件、算力、安全隔離和隱私保護等復雜問題，向上為車企和開發者提供更高效的應用開發能力。

他特別強調，行業分工不是分蛋糕，而是創造新價值。隨著汽車智能化進入深水區，芯片廠商、操作系統服務商、模型廠商、互聯網生態和車企之間的協同，將決定AI座艙能否從功能演示走向規模化應用。

四、高通Anshuman Saxena：押注多模態感知、VLA和端到端

當座艙、操作系統和智能體開始重構車內體驗，高通技術公司副總裁兼ADAS和機器人業務總經理Anshuman Saxena則把視角進一步擴展到輔助駕駛，討論車端AI如何進入更復雜的物理世界。

他表示，過去幾年中國汽車生態發生了顯著變化，越來越多OEM廠商和軟件棧伙伴正在基于驍龍汽車平臺推進量產項目。

▲高通副總裁兼ADAS和機器人業務總經理Anshuman Saxena

相比單純展示產品進展，這場演講更值得關注的是高通對ADAS技術路徑變化的判斷。Anshuman Saxena認為，輔助駕駛正在從早期單一傳感器、規則驅動的方案，走向多模態感知、視覺語言模型和端到端部署。

未來，車輛不再只是識別道路元素，而是要理解場景、進行推理，并在限定時間內完成安全決策。

這也意味著，行業競爭不再只是CPU、GPU、NPU或TOPS參數比拼。Anshuman Saxena強調，真正重要的是系統級能力，如何在同一平臺上處理攝像頭、雷達、激光雷達等傳感器數據，如何讓座艙、ADAS和車端Agent共享信息，又如何在關鍵任務之間保持安全隔離。

高通Flex平臺的定位，正是支持座艙和ADAS等混合關鍵級工作負載在同一平臺上協同運行。

他還提到，高通正在與元戎啟行、文遠知行、Momenta、卓馭等軟件棧伙伴合作，相關系統從宣布合作到車輛交付上路，基本可在6-9個月內部署完成。這一周期反映出中國生態在芯片平臺、軟件棧、Tier 1和車企協同方面的量產速度。

面向更高階能力，Anshuman Saxena指出，端到端和VLA模型將帶來更高推理需求。車輛需要理解為什么在施工區采取某個動作，也需要二次軌跡生成和安全護欄等能力。

因此，高通正投入上千TOPS乃至2000TOPS級別的平臺能力，8797平臺也被定義為系統級設計，而不是簡單堆算力。

不難看出，在智能化下半場的競爭中，誰能把多模態感知、端到端模型、車端Agent和全球適配能力整合進可擴展平臺，誰就更可能在下一階段競爭中占據主動。

五、博世吳永橋：AI座艙量產面臨三道關 隱私、成本和安全護欄

在前幾位嘉賓描繪車端AI和輔助駕駛的技術路線之后，博世智能駕控中國區總裁吳永橋則更直接地拋出了量產現實問題。

對此，他分享了AI座艙量產中的六個關鍵和對汽車AI架構的判斷。

▲博世智能駕控中國區總裁吳永橋

他透露，博世與高通合作的智能座艙項目在2023年出貨量達到100萬套，到2026年上半年，博世累計出貨搭載高通芯片的智能座艙超過1000萬套。

吳永橋說，AI座艙并不是簡單把大模型搬上車，而是要跨過隱私、成本、交互、安全和商業模式等多重門檻。

他認為，未來汽車電子電氣架構將從分布式走向中央計算，并可能在2030年前后進入“AI大腦”時代。這個大腦未必由座艙主導，因為輔助駕駛是當前汽車上最接近物理AI的量產場景，未來底盤、轉向、懸架、動力等控制策略都有可能向中央AI大腦上移。

對于AI座艙，吳永橋提出六個特征：統一入口、人與Agent及Agent之間交互、擬人化超級大腦、端側模型、多模態能力和自我迭代。

但他也提醒，AI越懂用戶，越涉及隱私；算力越高，成本和存儲帶寬壓力越大；大模型越強，幻覺帶來的車端控制風險也越需要被約束。

他特別提到，大模型在汽車上必須有“安全護欄”。如果模型在深夜高速雨天錯誤觸發車窗或天窗等車輛控制，可能帶來真實安全隱患。

因此，博世正在與主機廠研究harness約束框架，讓大模型輸出更穩定、可靠和可控。

在輔助駕駛方向，吳永橋認為，未來五年世界模型與VLA融合將成為重要技術路線。世界模型用于理解物理世界，VLA用于推理和交互，兩者結合后有望提升復雜場景處理能力。

他還提到，博世正在用世界模型生成極端危險場景，訓練系統應對現實中難以采集的低頻高危工況。

從吳永橋的發言可以看出，AI座艙和輔助駕駛進入量產深水區后，行業競爭重點將從功能展示轉向系統安全、成本效率、數據合規和全球化交付能力。

結語：智能化下半場技術落地是關鍵

當下，芯片算力、端側模型、操作系統、軟件棧、傳感器融合和安全護欄，正在共同構成下一代汽車智能化的底層能力。

對產業鏈各方而言，AI上車已經不是簡單增加一個大模型入口，而是要在成本、體驗、隱私、安全和長期迭代之間找到平衡。

真正的分水嶺，也將不再是發布會上展示了多少新功能，而是誰能把這些能力可靠、可控、可持續地帶到真實道路和真實用戶場景中。