作者 ｜ Janson
编辑 ｜ 志豪

车端AI走向真正的量产深水区。

车东西6月10日消息，日前，在高通汽车技术峰会上，高通、蔚来、斑马智能、博世等主机厂和产业链核心玩家集体发言，共同探讨了汽车智能化竞争的发展。

当下，汽车智能化竞争已经不再只是座舱屏幕、芯片算力、语音交互或辅助驾驶功能的单点比拼，而是进入了以芯片平台、操作系统、大模型、软件栈、传感器融合和整车电子电气架构为核心的系统竞争阶段。

过去几年，中国汽车市场用极快的车型迭代速度推动了智能座舱和辅助驾驶的普及。

但进入AI时代后，行业面临的问题明显更复杂。车端智能体如何真正理解用户？大模型如何在低延时、低功耗和隐私保护下运行？座舱、ADAS和整车控制如何实现跨域协同？大模型幻觉又如何避免转化为真实车辆控制风险？

针对这些问题，高通提出舱驾融合和可扩展计算平台，蔚来则强调汽车公司必须成为AI公司。

斑马智能讨论软件系统从“数据读写”转向“推理驱动”，博世则直面AI座舱量产中的隐私、成本和安全护栏难题。

可以看到，汽车智能化的下半场正在告别功能堆叠，转向底层架构、生态协同和长期迭代能力的竞争。

未来，谁能把AI能力真正变成可靠、可控、可量产的用户体验，谁才可能在下一轮智能汽车竞争中占据主动。

一、高通执行副总裁Nakul Duggal：汽车计算架构走向融合

作为峰会的开场主线，高通技术公司执行副总裁兼汽车、工业及嵌入式物联网与机器人事业群总经理Nakul Duggal首先从底层平台角度给出了判断：车端AI能否落地，关键不只是模型能力，而是汽车计算架构能否从分散走向融合。

自2021年以来，高通已在中国支持超过300款车型量产发布，其座舱平台累计出货量已达7500万套，并已进入第五代汽车芯片阶段。

▲高通执行副总裁Nakul Duggal

不过，这些数字背后更重要的变化，是中国汽车市场正在重新定义车端计算平台的价值。Nakul Duggal认为，汽车正在从交通工具转变为个人化平台和生活空间。用户在车内不仅需要导航、娱乐和通信，也希望车辆能够理解场景、识别需求，并主动提供服务。

在AI能力加速发展的背景下，车内交互正在从简单语音指令走向智能体形态。车端AI不再只是“被动回答问题”，而是开始基于视觉、语音、位置、用户习惯和场景记忆进行综合判断。

但Nakul Duggal也强调，要让这些能力真正稳定落地，汽车需要一个能够同时处理座舱交互、传感器输入、AI推理和ADAS任务的底层计算平台。

随着NPU、摄像头、雷达、麦克风、显示系统等硬件能力不断提升，车端计算架构正在从分散式走向融合式。

在这一背景下，高通提出了舱驾融合的技术方向，即通过单颗芯片同时支持座舱和ADAS等任务，并让不同工作负载可以并发运行。

Nakul Duggal表示，这类平台需要在性能、功耗、安全、软件隔离和开发效率之间取得平衡。通过CPU、GPU、NPU、ISP等异构计算单元协同，车辆可以更高效地处理多传感器数据和AI模型推理。

他还提到，软件复用和跨平台迁移将成为车企非常关注的能力。

高通希望通过软硬件协同、二进制兼容和跨芯片迁移，让车企在上一代平台上的开发成果能够延续到下一代平台，从而减少重复开发、测试和验证成本。

在量产进展方面，他认为，中国汽车生态具备快速响应能力：芯片平台、软件栈企业、Tier 1和主机厂能够在较短时间内完成适配、验证和商业化部署。

对于高通而言，中国市场不只是重要的汽车业务增长来源，也正在成为车端AI和新一代电子电气架构验证、迭代和量产的重要场景。

二、蔚来李斌：座舱AI化是关键

如果说高通更多回答的是“车端AI需要什么样的底层平台”，蔚来创始人、董事长、CEO李斌则从车企视角进一步说明，AI如何转化为用户可感知的座舱体验。

他认为，现在的汽车公司必须成为AI公司，座舱也要成为AI座舱。蔚来十年前提出座舱应成为“有情感的伙伴”，NOMI正是这一思路的具象化产品。

▲蔚来创始人、董事长、CEO李斌

如今，随着端侧大模型和端云一体大模型上车，NOMI正在从语音助手演进为具备情境理解、记忆能力和任务执行能力的Agent。

李斌透露，蔚来正在构建NOMI Intelligence，从基础模型、运行框架到应用层全面推进座舱体验Agent化。

具体来看，端侧模型已经用于识人、记人和个性化服务；多模态大模型守卫模式则可感知下雨、水灾、火灾等异常情况，并给出可执行结果。

这意味着车端AI的价值不只是聊天，而是在低时延、低功耗和隐私保护条件下，完成真实场景中的感知和决策。

李斌最后也提到，全车算力高效协同、构建可持续迭代10年以上的软硬件生态，以及开放Agent生态十分重要。

车企选择芯片平台时，已不只看当下性能，还要考虑内存和算力复用、跨域协同、长期升级和生态兼容能力。

三、斑马智能张建锋：汽车座舱“智能”是关键

在车企将AI落到具体体验之后，阿里巴巴集团合伙人、达摩院院长、斑马智能董事长张建锋分享了斑马对AI汽车时代的判断。

他回顾称，阿里在2014年前后提出“互联网汽车”概念，当时的核心是让汽车接入互联网服务，并以地图等应用作为智能座舱的重要入口。

▲阿里巴巴集团合伙人、达摩院院长、斑马智能董事长张建锋

十多年后，汽车座舱的底层逻辑正在从“联网”转向“智能”。

张建锋认为，过去的软件系统主要围绕数据库和数据读写构建，交互方式以指令式为主；但AI正在让软件工业发生根本变化。

未来系统的核心不再只是数据处理，而是围绕推理能力重构。大语言模型、Agent、技能调用和任务编排，将成为新一代车端软件架构的重要组成部分。

他提出，车端AI与通用大模型存在明显差异。通用大模型追求更深、更广和更长程任务能力，而汽车场景更关注低延时、自然交互、主动智能和低成本。

车内AI不能每次都依赖唤醒，也不能让用户长时间等待响应，更不能所有服务都由用户主动发起。因此，斑马希望在车端提供更精巧的模型，围绕出行和车辆本身提供服务。

在张建锋看来，操作系统和中间层服务商的价值正在提升。汽车作为“人在回路”的系统，需要融合语音、温度、座舱状态、车辆状态等多种感知信息，再通过模型推理转化为具体服务。

这要求新的车端系统向下屏蔽硬件、算力、安全隔离和隐私保护等复杂问题，向上为车企和开发者提供更高效的应用开发能力。

他特别强调，行业分工不是分蛋糕，而是创造新价值。随着汽车智能化进入深水区，芯片厂商、操作系统服务商、模型厂商、互联网生态和车企之间的协同，将决定AI座舱能否从功能演示走向规模化应用。

四、高通Anshuman Saxena：押注多模态感知、VLA和端到端

当座舱、操作系统和智能体开始重构车内体验，高通技术公司副总裁兼ADAS和机器人业务总经理Anshuman Saxena则把视角进一步扩展到辅助驾驶，讨论车端AI如何进入更复杂的物理世界。

他表示，过去几年中国汽车生态发生了显著变化，越来越多OEM厂商和软件栈伙伴正在基于骁龙汽车平台推进量产项目。

▲高通副总裁兼ADAS和机器人业务总经理Anshuman Saxena

相比单纯展示产品进展，这场演讲更值得关注的是高通对ADAS技术路径变化的判断。Anshuman Saxena认为，辅助驾驶正在从早期单一传感器、规则驱动的方案，走向多模态感知、视觉语言模型和端到端部署。

未来，车辆不再只是识别道路元素，而是要理解场景、进行推理，并在限定时间内完成安全决策。

这也意味着，行业竞争不再只是CPU、GPU、NPU或TOPS参数比拼。Anshuman Saxena强调，真正重要的是系统级能力，如何在同一平台上处理摄像头、雷达、激光雷达等传感器数据，如何让座舱、ADAS和车端Agent共享信息，又如何在关键任务之间保持安全隔离。

高通Flex平台的定位，正是支持座舱和ADAS等混合关键级工作负载在同一平台上协同运行。

他还提到，高通正在与元戎启行、、、等软件栈伙伴合作，相关系统从宣布合作到车辆交付上路，基本可在6-9个月内部署完成。这一周期反映出中国生态在芯片平台、软件栈、Tier 1和车企协同方面的量产速度。

面向更高阶能力，Anshuman Saxena指出，端到端和VLA模型将带来更高推理需求。车辆需要理解为什么在施工区采取某个动作，也需要二次轨迹生成和安全护栏等能力。

因此，高通正投入上千TOPS乃至2000TOPS级别的平台能力，8797平台也被定义为系统级设计，而不是简单堆算力。

不难看出，在智能化下半场的竞争中，谁能把多模态感知、端到端模型、车端Agent和全球适配能力整合进可扩展平台，谁就更可能在下一阶段竞争中占据主动。

五、博世吴永桥：AI座舱量产面临三道关 隐私、成本和安全护栏

在前几位嘉宾描绘车端AI和辅助驾驶的技术路线之后，博世智能驾控中国区总裁吴永桥则更直接地抛出了量产现实问题。

对此，他分享了AI座舱量产中的六个关键和对汽车AI架构的判断。

▲博世智能驾控中国区总裁吴永桥

他透露，博世与高通合作的智能座舱项目在2023年出货量达到100万套，到2026年上半年，博世累计出货搭载高通芯片的智能座舱超过1000万套。

吴永桥说，AI座舱并不是简单把大模型搬上车，而是要跨过隐私、成本、交互、安全和商业模式等多重门槛。

他认为，未来汽车电子电气架构将从分布式走向中央计算，并可能在2030年前后进入“AI大脑”时代。这个大脑未必由座舱主导，因为辅助驾驶是当前汽车上最接近物理AI的量产场景，未来底盘、转向、悬架、动力等控制策略都有可能向中央AI大脑上移。

对于AI座舱，吴永桥提出六个特征：统一入口、人与Agent及Agent之间交互、拟人化超级大脑、端侧模型、多模态能力和自我迭代。

但他也提醒，AI越懂用户，越涉及隐私；算力越高，成本和存储带宽压力越大；大模型越强，幻觉带来的车端控制风险也越需要被约束。

他特别提到，大模型在汽车上必须有“安全护栏”。如果模型在深夜高速雨天错误触发车窗或天窗等车辆控制，可能带来真实安全隐患。

因此，博世正在与主机厂研究harness约束框架，让大模型输出更稳定、可靠和可控。

在辅助驾驶方向，吴永桥认为，未来五年世界模型与VLA融合将成为重要技术路线。世界模型用于理解物理世界，VLA用于推理和交互，两者结合后有望提升复杂场景处理能力。

他还提到，博世正在用世界模型生成极端危险场景，训练系统应对现实中难以采集的低频高危工况。

从吴永桥的发言可以看出，AI座舱和辅助驾驶进入量产深水区后，行业竞争重点将从功能展示转向系统安全、成本效率、数据合规和全球化交付能力。

结语：智能化下半场技术落地是关键

当下，芯片算力、端侧模型、操作系统、软件栈、传感器融合和安全护栏，正在共同构成下一代汽车智能化的底层能力。

对产业链各方而言，AI上车已经不是简单增加一个大模型入口，而是要在成本、体验、隐私、安全和长期迭代之间找到平衡。

真正的分水岭，也将不再是发布会上展示了多少新功能，而是谁能把这些能力可靠、可控、可持续地带到真实道路和真实用户场景中。