高通 Anshuman：Flex 已来，舱驾融合普及和端侧大模型导入值得关注

​​

芝能汽车出品

2025 年，中国汽车产业的智能化竞争进入深水区。L2+ 级别辅助驾驶正在快速普及，推动 “实用性” 与 “规模化” 成为新阶段的关键词。

以往聚焦在单点技术能力的竞争，正逐步转向围绕座舱与驾驶辅助的整体架构设计，特别是集中式电子电气架构的落地速度，正在成为衡量一家车企智能化水准的标尺。
 

在 2025 年高通汽车技术与合作峰会上，我们见到了高通正在推进的新一代平台：骁龙 Ride 与骁龙 Ride Flex。

它们试图解决三个核心问题：
 

◎ 一是在算力、能效与成本之间取得工程上的最优解，
 

◎ 二是平台架构的可扩展性，
 

◎ 三是实现真正意义上的舱驾融合，并在此基础上构建软硬件一体的系统协同。

与会期间我们还注意到，高通正加快其汽车业务的 “在地化” 步伐，不仅推动最新一代至尊版平台如骁龙 8397 和骁龙 8797 率先在中国车企中落地，还在生态和开发工具链层面做了更彻底的本地适配。这两颗芯片，很可能会成为新一轮舱驾融合浪潮中的关键变量。
 

Part 1

辅助驾驶的核心命题：“落地”

辅助驾驶普及的核心问题，不是技术能不能做，而是能不能在有限的算力、成本和开发资源下，做出真正可量产的系统架构。
 

这是过去几年中，横亘在几乎所有车企和芯片厂商之间的一道共识性难题。高通近年来在中国市场的实践，是以骁龙 Ride 和骁龙 Ride Flex 两条产品线为基础，围绕 “低成本、高效率、强扩展性” 三要素，构建了一整套面向主流市场的辅助驾驶平台。
 

高通的方案是一个 “系统包”，而不仅是单点能力的堆砌。它为大多数车企提供了一种工程上更可控的路径。
 

这种系统化打法，正在进入集中收获期。根据高通公布的数据，2025-2026 年将是其辅助驾驶项目的大规模量产窗口：全球范围内已有超过 20 个 ADAS/AD 项目计划在这两年内落地，合作车企覆盖大众、吉利、北汽、奇瑞、通用、本田、奔驰、宝马等中外品牌。

以骁龙 Ride 平台中的主力 SoC 芯片——骁龙 8650 为例，高通正在尝试在单位成本内做更多事情。

8650 采用异构多核架构，集成高性能 CPU、GPU、NPU 与 ISP，在推理效率、能效比和带宽利用等维度相较前代和同类产品都有明显提升。

根据高通的数据，其 IPS（每秒推理次数）相较同类 SoC 产品提升 30%，DDR 带宽最低至同类产品的 1/7，能效最高达同类产品的 2 倍。

这些参数优化，在对成本高度敏感的中国市场可以找到具体落点。例如起售价 11.98 万元的零跑 C10 和 B10，正是在骁龙 8650 平台上实现了高速与城市 NOA 能力；而这些车型中搭载的另一颗芯片骁龙 8295，则承担了 AI 座舱的主控。

整套系统，在低成本硬件基础上覆盖了驾驶辅助与数字座舱的完整功能集，推动高阶辅助驾驶能力快速下探至 10 万元级车型。

骁龙 Ride 平台不局限在芯片，而是一套覆盖从基础辅助驾驶到城市 NOA 的多层级解决方案组合。
 

从主要用于高速 NOA 场景的骁龙 8620，到适配城市 NOA 的骁龙 8650，再到面向舱驾融合骁龙 8775，以及性能大跃级的至尊版骁龙 8797，配合通用的加速器与软件栈，车企可以根据整车成本结构与目标市场，灵活选择部署路径。

骁龙 Ride Flex 平台的核心 SoC 芯片——骁龙 8775，设计目标是在一颗芯片上完成 ADAS 与座舱功能的并行运算，即解决 “舱驾一体” 的需求，同时支持最高 ASIL-D 级安全机制。其支持风冷和被动散热，在整车热管理和线束复杂度方面有明显优化，特别适配 10-20 万元主流车型。

负责 ADAS 业务的高通产品管理副总裁 Anshuman Saxena 在峰会主论坛表示：“多 ECU 域架构已经成为过去，集成多计算模块的集中式分区控制器已经成为既定趋势。以单颗通用 SoC 为核心的中央计算正在成为一种全新的现象，骁龙 Ride Flex SoC 正是能满足中央计算新趋势的 SoC。Flex 已来！”
 

另一个值得注意的变化是，近几年来高通在座舱芯片上的技术部署也在与移动端 “拉齐”。
 

4 年前，骁龙座舱芯片的制程工艺，首次追平当年的旗舰手机芯片。而最新一代产品，骁龙座舱平台至尊版，即骁龙 8397，首次采用刚在移动端旗舰应用的高通自研 Oryon CPU，并面向汽车需求进行定制，性能实现代际级跃升。CPU 和 GPU 性能较前代提升 3 倍 NPU 算力是上代的 12 倍。

对于越来越依赖 AI 渲染与语音/图像交互的智能座舱而言，这意味着真正具备了支撑 “大模型上车” 的底层硬件能力。

在软件层面：
 

◎ 高通与中国本土算法团队深度融合——Momenta、元戎启行等头部方案商，均已在骁龙 Ride 平台上完成集成；

◎ 与此同时，高通构建了面向开发者的完整工具链，包括虚拟化开发环境和版本一致性迁移机制，能在多个代际产品之间保持算法兼容性，降低测试成本，显著压缩整车开发周期。

据不完全统计，目前已有超过 30 家中国车企与一级供应商，将骁龙 Ride 作为核心 ADAS 平台进行部署。

从几万元入门车型到 30 万元以上的高端产品，骁龙 Ride 平台的适配能力和性能分布，基本覆盖了主流车型段的需求，兼顾架构层级、算力配置与成本控制的解决方案。
 

骁龙 Ride Flex 平台还进一步推动了 “软件通用性” 的边界。

借助虚拟化架构与任务隔离机制，开发者可以在现有的骁龙座舱平台或骁龙 Ride 平台上完成算法移植和测试，再直接迁移至骁龙 Ride Flex 部署。
 

这不仅降低了堆栈碎片化风险，还避免了重复验证带来的周期与预算浪费。最关键的是，它采用虚拟化架构与隔离机制，可在同一芯片中部署多个操作系统及功能域，确保 ADAS 任务的安全性不会干扰座舱域的使用体验，实现 “安全与体验兼得”。

对此，Anshuman 表示：“骁龙座舱平台和骁龙 Ride 平台采用异构架构，在单颗 SoC 通过不同的技术模块（比如 NPU、ISP、CPU 等）协同运行不同应用的工作负载，而非只依靠单个核心引擎；同时，这不会对性能和安全性造成影响。”
 

同时，他认为，安全性是骁龙 Ride Flex 最为重要的基石，并强调这些解决方案经过全球范围的测试和验证，包括北美、欧洲、德国还是中国的标准。
 

骁龙 Ride 平台的特点是系统效率、架构灵活性，骁龙 Ride Flex 则凸显了高通在舱驾融合与中央计算上的部署能力。在中国驾驶辅助进入 “规模交付” 阶段的当下，这套路径具备一定前瞻性。

总结来看，高通在驾驶辅助市场的优势主要体现为三点：
 

◎ 性能 - 能效比的平衡：在控制功耗与成本的前提下，提供高阶功能所需的计算支撑；
 

◎ 架构的高度可扩展性：统一平台覆盖从入门到高端车型，减少资源浪费；
 

◎ 生态协同能力：从 SoC、算法到整车开发工具链，形成闭环式支持体系。
 

这三项能力的组合，正在决定一项智能化技术能否真正进入主流车型量产周期。

Part 2

高通的新变量：端侧大模型
 

中国新能源车市场依然是全球智能化迭代速度最快的战场。没有传统动力总成包袱，中国车企在电子电气架构和交互层的跃迁上拥有更高的自由度。高通正是押注于这一窗口期。
 

据 Anshuman Saxena 介绍，仅在 2025 年上海车展后就新增至少 4 家中国车企合作伙伴，均计划基于骁龙 Ride 平台打造车型。
 

关于大模型上车，他提出了一种智能化演进的方向：“大家都在关注统一的 AI 体验，大语言模型（LLM）、视觉语言模型（VLM）等。为什么不能将座舱中的部分用户交互输入数据与 ADAS 系统打通，从而避免同时基于相同的 AI、LLM 或 VLM 运行多个不同实例为系统带来的负担？这正是骁龙 Ride Flex 的擅长之处，我们正在基于这款平台实现这些体验。”
 

根据高通官方数据，超过 10 家中国车企和 Tier-1 伙伴正采用骁龙汽车平至尊版（包括骁龙 8797 和骁龙 8397）打造驾驶辅助和智能座舱解决方案。

以零跑为例，其即将在 2026 年一季度上市的 D 系列旗舰车型将首发搭载双骁龙 8797：一颗 8797 负责驾驶辅助任务，另一颗用于 AI 座舱。
 

高通方案对于支持汽车行业推动端侧大模型 “上车” 的路径也逐步清晰：以骁龙汽车平台至尊版为基础，通过模型轻量化与调度优化，当前高通已携手 Tier-1 厂商实现在本地端侧流畅运行 140 亿参数（14B）大模型，集成 70 亿参数（7B）端侧模型的方案——包括需要隐私保护（如车内对话）和低延迟响应的场景（如实时车控）。

从性能指标看：
 

◎ 14B 模型推理可实现 40 FPS 以上帧率，优化后提升至 50-60FPS；
 

◎ 7B 模型则帧率在 60–72 FPS，满足实时交互需求，比如理解用户的语音和语义、构建用户画像等。

本地部署的意义不仅在于响应速度的提升（从云端的 1–2 秒缩短至端侧 0.2 秒），更关键的是隐私保护和连接稳定性的增强。
 

例如，哨兵模式现在可通过大模型识别异常行为（如拉门把手、车辆被刮擦），自动生成事件摘要与高光片段，替代传统的 3 分钟段视频方式，大幅压缩冗余数据。

高通常说的一个观点值得关注——“AI 就是新 UI”，这一变化正在重构智能座舱的底层逻辑：从 “人适应机器” 转向 “机器理解人”。人机交互不再以菜单点击为中心，而是通过语义理解和多模态感知完成更自然的命令执行。

小结

从芯片到系统，平台化正在成为决定智能技术量产节奏的核心变量

回到本质问题：不是谁的算力更强、模型参数更大，而是谁能用最少的开发成本，把 “AI 能力” 稳定、快速、规模化地落在量产车型上。

高通提供的答案，是以骁龙 Ride 与骁龙 Ride Flex 为代表的 “平台化思维”：用可扩展架构、通用软件栈与强生态适配力，降低车企在从 L2+ 到舱驾融合、再到 AI 交互的每一次跃迁门槛。

芯片只是起点，真正有价值的是工程路径。AI 在车端的落地，正在从 “能不能做” 进入 “怎么做得稳” 的阶段，而这恰恰是平台型玩家的主场。​​​​