全球智能汽车产业正经历关键转型期，舱驾融合加速落地、端侧大模型上车以及物理AI技术打通汽车与机器人产业边界成为核心趋势。近日，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在江苏无锡举办的汽车技术与合作峰会上，围绕生态协同、产品创新及产业全球化等议题与媒体展开深度对话。
中国市场的创新活力成为全球技术迭代的重要引擎。Nakul Duggal透露，高通在中国部署了超过千名汽车领域工程师，通过与本土车企、Tier1供应商及软件生态伙伴的深度合作，将产业链一线需求直接融入芯片设计。他特别指出，国内电子电气架构正从分布式向中央计算转型，智能座舱与ADAS系统的融合趋势显著，高通通过骁龙汽车平台支持车企实现统一计算与调度。针对中外市场技术迭代节奏差异，他分析称，中国消费者对新技术的高接受度、完善的数字基建以及较短的车企智能化回报周期，共同推动了产业迭代速度领先全球。
在产品策略上，高通采用平台化布局应对多元化市场需求。面向舱驾融合的骁龙汽车平台至尊版（骁龙8797）已进入量产高峰期，同时推出的骁龙8787则瞄准中低端市场，形成覆盖全品类车型的产品矩阵。Nakul Duggal强调，高通不会直接开发ADAS软件栈，而是通过开放生态让合作伙伴主导功能实现，这种模式既保证了技术适配性，又加速了商业化进程。针对存储芯片涨价带来的成本压力，他表示Snapdragon Ride Flex单芯集成方案通过整合内存资源，帮助车企降低物料清单（BOM）成本，未来12至18个月内存定价挑战将逐步缓解。
端侧物理AI被视为高通汽车业务的核心赛道。Nakul Duggal阐释了"云端训练+边缘推理"的协同架构：大模型在云端完成训练后，通过蒸馏技术压缩至边缘设备，实现本地快速响应。他透露，汽车领域的算力消耗90%以上发生在边缘侧，包括驾驶辅助、智能座舱等功能均依赖端侧AI处理。高通将汽车与机器人业务划归同一事业群，正是为了推动物理AI技术的跨领域应用。目前，高通正联合生态伙伴加速端侧AI在车载场景的落地，例如通过机器学习优化用户日常交互效率。
从本土团队扎根产业一线，到多层级产品覆盖全市场，再到端侧AI打通技术边界，高通的汽车业务逻辑已形成清晰路径。这种以平台化技术为底座、开放生态为支撑的模式，不仅推动了中国汽车智能化进程，也为全球半导体产业提供了本土化与全球化协同发展的新范式。
