当前，全球智能汽车产业正经历关键转型期，舱驾融合技术加速规模化落地，端侧大模型上车进程提速，物理AI技术更推动汽车与机器人产业深度融合。近日，高通在江苏无锡举办汽车技术与合作峰会，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，就生态合作、芯片架构创新、端侧AI发展等议题与媒体展开深入交流。
中国市场的创新活力正成为全球技术迭代的重要引擎。Nakul Duggal透露，高通已在中国组建超千人规模的汽车研发团队，通过与本土车企、Tier1供应商及软件企业的深度协作，持续推动电子电气架构变革。针对国内智能座舱与ADAS融合趋势，高通将产业链一线需求融入芯片设计，其骁龙汽车平台至尊版（骁龙8797）已进入量产阶段，支持中央计算架构下的统一调度。更值得关注的是，中国消费者对新技术的高接受度与完善的数字基建，使国内车企智能化落地周期较海外市场缩短30%以上，形成独特的"科技平权"现象。
面对中外市场技术迭代节奏差异，Nakul Duggal指出，海外市场因地域分散、法规差异等因素，产品替换周期普遍较长。基于此，高通在中国市场采取差异化策略——不直接开发ADAS软件栈，而是通过生态伙伴实现能力覆盖。这种"硬件底座+开放生态"的模式，既满足本土车企多元化需求，又确保技术演进与全球同步。例如，新推出的骁龙8787芯片专为中低端市场设计，同样支持舱驾融合架构，形成完整的产品矩阵。
存储芯片涨价带来的成本压力成为行业焦点。Nakul Duggal预计未来12-18个月内存定价仍将承压，但长期看产能释放将改善供需。他特别强调Snapdragon Ride Flex单芯集成方案的价值：通过将座舱与智驾功能整合至单颗SoC，车企无需为不同芯片配置专用内存，从BOM层面实现成本优化。这种架构创新源于高通对性能效率的极致追求，其芯片设计团队正通过先进制程与异构计算技术持续提升能效比。
在端侧物理AI领域，高通展现出前瞻布局。将汽车与机器人业务划归同一事业群的战略决策，背后是对边缘计算需求的深刻洞察。Nakul Duggal解释，驾驶辅助、智能座舱等场景的算力消耗90%发生在边缘侧，未来自动化任务都将以AI模型形式在终端运行。高通通过"云端训练+端侧推理"的协同模式，既保障模型精度又提升响应速度。其机器学习框架已实现新模型云端训练后，在边缘设备进行知识蒸馏的完整闭环。
从本土化团队建设到多层级产品布局，再到物理AI技术边界拓展，高通的汽车业务逻辑逐渐清晰。这种以芯片平台为底座、生态伙伴为支撑的发展模式，不仅推动着汽车智能化进程，更为全球半导体产业提供本土化与全球化协同发展的新范式。随着骁龙汽车平台在更多车型上落地，高通正重新定义车载计算的技术标准与产业生态。
