2026-06-24 08:26:07 来源：量子位

不争最强算力，只求无处不在

贾浩楠 发自 副驾寺智能车参考 | 公众号 AI4Auto

物理AI这个词，今年忽然不抽象了。

AI算力一哥英伟达，开源了Cosmos3最新推理模型，车企自研AI最强的小鹏，也公布了世界模型全栈技术……

同样在2026年6月举行的高通汽车技术与合作峰会期间，智能座舱头部阵营中的领跑者——高通，直接给出了行业中真正落地的舱驾融合案例：

车上的AI Agent，不但承担全场景端到端AI司机的职责，还能记住你雨伞放在扶手箱，认出了路边穿黑衬衫的朋友，顺带提醒你“昨天说要戒烟，再抽是小狗”。

这不是科幻，而是已经出现在量产的、跑在中国道路上的车。

车企、芯片厂商、自动驾驶玩家都在讲同一个故事：物理AI——走出屏幕，进入真实世界。

但高通——这家智能座舱出货量7500万、每周有1.2款新车在中国下线背后的技术赋能者，几乎没怎么提“算力TOPS”，也没喊“全栈自研”。

从2023年1月首款舱驾融合芯片骁龙8775发布，到2025、2026年零跑、北汽等品牌首批量产车陆续上路——高通用不到三年半的时间，实现了实实在在的量产落地，更完成了技术体系和认知跃迁：不再满足于只当“智能座舱”领域的领跑者，而是成为“物理AI版图”率先落地的开拓者。

不只是汽车，还有你的手机、耳机、眼镜，甚至家里的机器人。

智能座舱「标杆玩家」，开始讲物理AI了

过去，高通在外界的认知里是“智能座舱之王”，专注于提供计算方案、交互体验以及连接能力。

优势显而易见。到2025年，高通座舱芯片累计出货量已超过7500万套，在中国市场从骁龙8155、骁龙8295到骁龙8397五代持续领先，全球超过3.5亿辆车搭载了高通的骁龙数字底盘解决方案。

在2026高通汽车技术与合作峰会上，高通与诚迈科技、车联天下、斑马智能、德赛西威、镁佳科技、中科创达等生态企业，还进一步宣布了“车端人工智能Claw生态计划”，为“智能体时代”的智能座舱提前布局。

这一行业首个加速AI智能体助手在车端规模化部署的生态计划，将骁龙数字底盘与高通智能体AI运行环境结合，并发挥各家生态企业在座舱、车载操作系统、智能体中间件、AI应用和量产交付方面的能力，应对长期以来阻碍下一代汽车智能开发的碎片化问题，为车企提供一条从概念验证到量产落地更快速、更集成化的路径。

在智能座舱领域之外，不易被外界察觉的转折发生在2023年1月，高通推出了Snapdragon Ride Flex系统级芯片（骁龙8775）——行业首款同时支持数字座舱和先进驾驶辅助系统的可扩展系列SoC。

当时外界更多理解为，这是高通面对“舱驾融合”趋势推出的成本优化方案。从2023年到现在，高通围绕舱驾融合和智能驾驶的布局持续加深。

今年的高通，反复强调的两个词：“支持混合关键级工作负载的融合架构”和“计算连续体”。

前者回答“怎么在单设备上把安全和AI放一起”，后者回答“怎么让AI在不同设备间跟着人走”。

两个问题合起来，就是高通的完整答案：它要做的不仅仅是更大算力的智能座舱，而是物理AI时代的基础计算层。

过去，座舱芯片的核心指标是“能跑几个屏”、“动画卡不卡”、“语音唤醒快不快”。这些事高通做得很扎实，从骁龙8155到骁龙8295再到骁龙8397，每一代都在拉高门槛。

但问题是，当AI开始上车，用户对“智能”的期待变了。他们不再满足于车机不卡顿，而是希望车能理解人、辅助人、主动服务。

这个变化直接冲击了传统座舱的生态位。如果“智能”真的变成由云端大模型和大算力基础设施提供，座舱就只能退回到单纯的显示和交互中介——价值被压缩，差异化被抹平。

核心问题变成了：在大模型、Agent技术浪潮下，传统智能座舱的价值如何被重构和放大？

与其“固守”座舱，高通的选择是：开启对“无人深空”——物理AI的探索。

所以Flex平台在当时不是一次产品更新，而是一次预判未来技术趋势的落地。

骁龙8775要做的事，是把座舱和智驾“平起平坐”地嵌进同一块芯片里——不是一个大的车载AI吃掉座舱，也不是座舱的大语言模型外挂一个AI司机，而是两种任务在硬件层面被同等对待、安全隔离、高效协同。

对于高通来说，物理AI时代的理想状态是跨设备的智能将无处不在地运行，而汽车只是其物理AI生态中最先爆发的节点。

凭的不是纸面算力最高，也不是生态“整合”最彻底，而是高通一直以来被低估的技术架构。

高通的技术体系，能迁移到物理AI吗？

外界习惯用“座舱芯片”的标签来定义高通，但这个标签忽略了两个事实：

第一，高通在通信和移动计算领域积累的跨设备能力，远没有被汽车行业充分认知；

第二，Flex平台的混合关键级设计，在工程层面比堆算力难得多，也有效得多。

行业内解决“安全任务”和“AI任务”共存的常规思路有两种。

一种是物理分离：智驾一颗芯片、座舱一颗芯片，各管各的，中间用以太网或PCIe沟通。

另一种是逻辑分离：用一颗超大算力芯片，通过软件虚拟化切出安全域和AI域，算力够强就能掩盖问题。

高通的Flex平台走了第三条路：从硬件层面，支持混合关键级工作负载的融合架构。

骁龙8775内部，ASIL-D级别的实时控制域和QM/ASIL-B级别的AI推理域，从寄存器到缓存到内存控制器，都有物理层面的隔离。但在计算资源（CPU核、NPU、GPU）的使用上，两者又可以动态共享。

这种设计的工程复杂度远高于前两种方案。它要求芯片设计团队同时精通功能安全和高性能计算，并且在一开始就定义好两套任务的边界和交互协议。

但好处是巨大的：安全任务不会被AI任务“饿死”，AI任务也不会被安全任务“卡死”；跨域通信延迟从毫秒级降到纳秒级；不需要为安全单独留一颗芯片，也不需要为AI堆到上千TOPS。

一个具体的对比：在城区NOA场景中，双芯片方案需要智驾芯片把感知结果通过以太网传给座舱芯片做可视化渲染，芯片间“握手”往返延迟10-20毫秒。

高通的Flex方案中，感知结果直接放在共享内存里，座舱域读同一份数据，延迟不到1毫秒。

安全价值之外，智能体（Agent）需要同时调用感知传感器（智驾）和人机交互接口（座舱）。例如：车辆检测到用户拿网球拍（视觉），主动询问是否去球场，并规划路线——这需要智驾感知与座舱交互在同一低延迟底座上完成。

Flex架构天然支持：所有ADAS传感器数据可直接被座舱智能体调用，无需跨芯片转发。

2025年Q4，卓驭科技基于骁龙8775的舱驾一体方案在极狐阿尔法T5上落地，一颗芯片包办城区NOA和智能座舱：

到2026年6月，Flex平台已获9款车型定点，其中包括多款量产车型，例如极狐问道V9、别克至境L7等。从芯片发布到多车批量上路，不到三年半的时间——这个速度说明，舱驾融合架构是可以被大规模复制的工程方案。

而如果说Flex平台解决的是“单设备内”的问题，计算连续体解决的是“设备之间”的问题。

高通的产品线覆盖了一个极其罕见的功率范围：2毫瓦的耳机芯片、几瓦的手机芯片、几十瓦的汽车芯片、千瓦级的数据中心加速器。

高通在这条“计算链”上做了一件事：统一的AI框架和智能体状态管理。

这意味着开发者可以用同一套API，写一个智能体，让它同时运行在手机、汽车、眼镜上，并且在不同设备间保持状态同步。

用户在手机上告诉智能体“今晚别走东三环”，上车后车载AI直接执行，下车后AI眼镜继续提醒。

某种程度上说，这也算是高通构筑的“生态”优势。

只不过这个生态不同于CUDA，不在开发工具环节限制用户，把用户捆绑在固定硬件上，而是把高通的算力、工具、通信等等能力，开放给一切有能力使用的用户。

这样的物理AI落地，来自高通自己的“第一性原理”：

在对物理AI的终局想象里，竞争不可能停留在“谁的车上AI更聪明”，而是会转移到“谁的智能体能跨越最多设备、记住最多场景、提供最连续的体验”。

AI Agent无缝穿梭于用户的全场景。

在手机上训练一个智能体，上车后它自动接管，下车后它又回到你的眼镜里——这种粘性，才是物理AI时代真正的护城河。

开放生态+跨层级芯片+端侧优化。

而高通，是率先集齐全部拼图的公司。

攀登物理AI「珠峰」，高通的方法论不一样

对于车和物理AI的关系，高通给了一个绝妙定义：same recipe, different implementation。

所谓Same recipe，指向的是所有物理智能体共同遵循的第一性原理。

无论是汽车、机器人、智能眼镜还是未来更多终端，本质上都需要完成同样的闭环：感知世界、理解世界、影响世界。

但与互联网时代不同的是，物理AI的决策会直接作用于现实世界。

聊天机器人回答错误，用户最多重新提问；驾驶辅助系统判断失误，或者机器人执行动作出现偏差，代价则完全不同。

因此，物理AI的核心当然包括“把大模型塞进终端设备”，但从来不只是推理能力，更要兼顾实时性、安全性和可靠性。

这也是为什么高通反复强调Flex平台是支持混合关键级工作负载的融合架构。相比单纯追求更高算力或者更大的模型，它更关注AI能力与安全系统如何协同工作。

所以高通的Flex平台的融合架构不只是“更好”，也是“更对”。

Different implementation，则对应不同场景下的具体落地方式。

汽车有汽车的约束，机器人有机器人的约束，智能穿戴设备也有自己的约束。不同终端面对的功耗、散热、成本和安全要求各不相同。

因此物理AI有可能存在一个终极大脑，但不会存在一套万能方案。

真正重要的，是如何让智能体能力在不同设备之间迁移和复用。

这也是高通此次峰会反复强调“计算连续体”的原因。

因为用户不一定会关注AI助手基础模型到底是谁家的，但一定会在乎这些Agent之间能不能协作、日常使用能不能“无断点”。

行业还在竞争“最强车脑”时，高通关注的已经不仅是汽车。它试图构建的是一张覆盖手机、耳机、眼镜、汽车乃至更多终端的智能体网络。

物理AI时代和之前出现过的任何AI技术浪潮，所需要的核心资源都基本相同：算力、数据和场景。

GPU大厂商押注最强的算力和最大的模型，车企押注最快最全面的数据飞轮，而高通的优势则来自最广泛的终端触点。

高通的入口是“全球数十亿台智能终端”：大量Android手机、智能手表、耳机、XR设备都搭载高通芯片。

汽车只是其“智能体宇宙”中的一个节点。用户先接触高通生态（手机），然后自然延伸到汽车，形成跨设备用户粘性。

这种能力过去更多被视为生态优势，但在物理AI时代，它有机会转化为智能体跨场景运行的基础设施。

在向物理AI发起冲击的浪潮中，高通不是用“最强算力”证明实力，也不用“最全栈自研”主导灵魂。

而是用最理解物理AI的第一性原理（安全+AI共生），最理解量产场景的真实约束（功耗、成本、散热），以及最庞大的跨设备生态（从耳机到数据中心）。

不是最炫的，但却是最符合技术演化内在逻辑、最能规模化落地、潜力边界最模糊的那一条。

而潜力边界的可能性，意味着“智能座舱之王”的高通，在“智能体AI时代”的价值应该被充分重估了。

版权所有，未经授权不得以任何形式转载及使用，违者必究。