高通Nakul Duggal：扎根中国创新沃土 以开放生态推动汽车智能化演进

来源：环球网

【环球网科技综合报道】当前全球智能汽车步入舱驾融合规模化落地、端侧大模型上车、物理AI打通汽车与机器人产业的关键转型周期。2026高通汽车技术与合作峰会于日前在江苏无锡举办，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与环球网等媒体记者围绕生态合作、产品架构创新、端侧AI发展、全球产业协同等核心议题进行了深度沟通。

深耕本土产业协同，中国市场创新推动全球技术迭代

Nakul Duggal表示，目前高通在中国已有超过一千名工程师从事汽车相关工作。多年以来高通在中国与不同产业的生态系统展开了广泛合作，依托在这过程中积淀的产业合作基础，高通正深度融入本土汽车生态，持续推动近六七年国内电动化和智能化带来的技术变革和电子电气架构变革。

舱驾融合是其中显现出来的趋势，汽车电子电气架构从传统分布式架构转向中央计算架构，智能座舱与先进驾驶辅助系统（ADAS）成为国内车企智能化落地两大核心，并逐渐融合为统一计算、统一调度的整体，高通与中国汽车客户以及车企、Tie-1厂商、软件供应商等生态伙伴沟通的过程中收获良多，把产业链的一线需求纳入芯片设计与技术路线。

在全球市场发展分化的现实环境下，国内新能源车企掀起科技平权的浪潮。在Nakul看来，这为消费者提供了很多机会，让他们能够亲身体验和试用各种新产品。

针对中国与海外市场技术迭代速度的差异，实际上，中外市场节奏差异源于产业环境区别：国内消费群体乐于接纳新技术、数字基建完善，车企智能化落地回报周期短，产业迭代速度领跑全球；海外市场地域分散，产品替换周期与法规、安全要求等情况都不相同。

Nakul表示，在中国市场，高通致力于为我们的客户、合作伙伴以及整个生态系统提供尽可能广泛且多元的选择，我认为这是一项非常好的策略。例如就中国市场而言，我们不会为中国市场开发和提供任何ADAS软件栈，因此我们实现ADAS能力的主要途径是依靠合作伙伴的力量。

打磨平台化产品体系，架构创新破解技术与应用难题

主要面向舱驾融合和ADAS的骁龙汽车平台至尊版（骁龙8797）目前阶段正处于集中量产上车周期，基于不同车型层级的多元化选型需求，高通循序渐进不断丰富产品组合，骁龙8787为服务更低层级的市场需求提供了很好的选项，同样支持舱驾融合架构。

针对行业热门话题，Nakul Duggal分享了他的观察。谈及如何满足汽车AI的快速发展，他指出，汽车是AI落地的优质载体，能够高效发挥AI在实际应用场景中的价值。汽车或将成为人们日常使用最为频繁的终端产品之一，这类设备将具备端侧AI能力，依托相关功能优化用户日常办事效率。由于部分功能仍需依赖云端，这类终端需要与云端保持互联；而能在车载环境内更高效、更安全落地的功能，则会拥有更大规模的应用场景，这也是当下行业逐步显现出的发展趋势。高通正在联合多家合作伙伴，共同推进端侧相关技术的应用落地。

面对全球存储芯片涨价带来的整车BOM成本上涨难题，Nakul Duggal表示在未来12到18个月内，行业的确面临着内存定价方面的挑战，但他相信状况会有所改善，并期望在未来几年内会有更多的产能释放。而针对Snapdragon Ride Flex单芯集成方案将有助于车企缓解成本压力的看法，Nakul表示，高通极其注重芯片架构的设计，力求实现最高效的性能，这也是高通推出Snapdragon Ride Flex SoC的原因之一。实际上，从物料清单（BOM）的角度来看，内存成本也有所受益，因为现在车企无须为两颗不同的SoC分别配备专用内存。

锚定端侧物理AI赛道，生态分工统筹高阶智驾与跨域智能落地

高通将汽车、机器人这两大物理AI领域划归到同一个事业群，并推动端云协同，云端负责大模型训练，边缘和端侧聚焦本地推理、快速响应，充分提升效率、释放AI潜能。Nakul Duggal介绍，模型的实际应用与消耗主要集中在边缘侧，尤其是在汽车领域。无论是驾驶辅助、智能座舱，还是机器人技术，几乎所有的算力消耗都在边缘侧产生。未来在边缘AI领域将产生大量需求，因为任何可以实现自动化的任务，最终都会以能够进行推理的AI模型的形式实现自动化。高通在机器学习与AI领域已经深耕了很长时间。新模型在云端进行训练，随后在边缘侧进行蒸馏。

从千人本土团队扎根中国汽车产业一线，到多代际多层级骁龙产品覆盖全品类车型，再到依托端侧AI打通汽车与机器人技术边界，Nakul Duggal完整阐释了高通以平台底座+开放生态为核心的汽车业务逻辑。这展现了高通推动汽车智能化演进的核心路径，也为全球车载半导体产业的本土化、全球化协同发展提供了参考思路。（心月）