作者 | 张睿
编辑 | 志豪
车东西6月8日消息，日前，2026高通汽车技术与合作峰会在无锡举办。
▲2026高通汽车技术与合作峰会现场
在活动上，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，以及高通技术公司副总裁兼ADAS和机器人业务总经理Anshuman Saxena接受了车东西在内的媒体采访。
在采访现场，Nakul Duggal、Anshuman Saxena围绕着中国创新与全球协同、舱驾融合与算力演进、物理AI与端侧推理、竞争生态与成本应对等问题进行了详细的回答。
车东西在不改变原意的情况下进行了部分编辑，以下为采访实录：
1、近年来，高通不仅与电动汽车初创企业以及新兴供应链公司建立了合作关系，同时也与全球合作伙伴携手，共同开发定制化车型。那么，这些在中国建立起来的合作关系，将如何赋能高通在全球范围内推动其汽车业务的创新？
Nakul Duggal：这涉及到很多不同层面，包括高通汽车业务自身是如何成长的，以及我们如何聚焦中国汽车产业。高通在中国与多个不同生态开展合作有着悠久历史。因此，中国对我们而言并不是一个全新市场，我们对中国市场非常了解，同时中国市场也很熟悉高通，尤其是从智能手机领域来看更是如此。
目前，我们在中国已有超过一千名工程师从事汽车相关工作。实际上，过去多年来，我们逐步建立了一支专注于汽车业务的团队，服务于中国市场以及全球其他国家和地区的客户。在这一过程中，我们与合作伙伴的深入交流，加深了我们对整个中国汽车生态系统创新的认知，尤其是过去6到7年间在中国的创新发展趋势。
我们观察到，汽车行业转型正加速而至：很多车企开始布局电动汽车领域。而电动化转型对汽车架构而言是一项非常值得关注的转变，因为它促使我们真正开始思考一种与传统汽车架构截然不同的中央计算架构。我们投入了大量时间与汽车客户深入沟通，了解他们希望为汽车带来怎样的创新；同时我们也不断演进计算架构，以跟上这一发展趋势。
我们起初面向智能座舱领域进行布局，随后将业务拓展到先进驾驶辅助系统（ADAS）领域。在这一过程中，我们逐渐意识到，在过去五年里，中国市场关注的焦点是大力推动电动汽车生态系统的快速发展。如果除开电池技术等因素，电动汽车生态可以大致归结为两个核心领域：智能座舱与驾驶辅助。这两项技术在中国市场得到大规模推进，并在激烈竞争中得到快速发展。
也是在这一过程中，我们发现高通恰好处于创新迸发的交汇处。在与中国汽车客户以及车企、Tier-1厂商、软件供应商等生态伙伴沟通的过程中，我们收获良多。我们倾听他们的需求，并将这些需求融入到我们的技术路线图、芯片设计与软件研发中。我们逐渐意识到，我们所构建的平台对中国汽车生态系统具有非常重要的意义。因此，这些合作实现了双赢，我们也从中学习了很多。
与此同时我们意识到，对于在中国市场参与竞争的全球车企而言，他们的商业规划必须符合中国汽车行业的发展趋势。换句话说，他们需制定符合中国市场实际情况的策略，这使我们能够以不同的方式与全球车企在中国展开合作。如今“中国速度”引人瞩目，同时“中国速度”也在影响着全球市场，这促使很多全球车企以同样的速度向前发展。我们对从中国生态系统中所获得的经验与启发深表感谢。
2、相比中国其他芯片企业而言，高通的合作车企数量更多、上车量更大。这种规模优势是否意味着，高通在整车端的数据多样性、数据丰富度以及数据质量方面会具备更明显的优势？如果优势确实存在，它会如何反哺芯片设计和开发？中国的部分自研芯片企业由于上车量较少、客群数量单一，从长远来看，数据体量、数据完备性和数据质量是否会存在不足？如何看待这一潜在问题？
Nakul Duggal：需要澄清一下，高通并不采集芯片相关数据。
数据归属于软件栈合作伙伴，例如Momenta、元戎启行、轻舟智航、文远知行、德赛西威、卓驭等企业，数据是这些企业自有产品的组成部分。高通无法访问任何相关数据，只是他们的模型和软件栈部署在我们的SoC（系统级芯片）上。
我们有很多合作伙伴都是业界的翘楚，有着非常先进的技术，同时也会给到我们大量的反馈，例如他们需要怎样的芯片，包括在性能、可靠性、软件就绪度、质量等方面的需求。
3、以2026年或2027年这个时间节点为例，如果需要符合当下的消费者需求，又要满足未来至少三年升级换代需求的话，汽车应该具备多少算力？与这个算力相匹配的内存应该是多少？这套组合能支持多少参数量级的大语言模型流畅运行？
Nakul Duggal：我们发现一个很有意思的现象：通义千问（Qwen）这类能力出众的大模型问世时间不长，属于全新的技术产物，但目前已经能够在车载环境中部署运行。
车辆无论是开启驾驶辅助，还是依托相关辅助功能行驶，驾乘人员都可以与智能助手、智能体等AI产品交互。这类AI能够落地多元应用场景，既可提醒用户待办事项，也能协助处理日常事务，帮助使用者提升工作效率。
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。在我看来，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。
4、高通骁龙8787这款芯片的具体定位是什么？目前各家厂商在发布策略上存在差异：部分厂商倾向于在初期就推出完整的产品家族，而高通的策略则是陆续发布产品，高通采取这一发布策略是出于怎样的考量？
Nakul Duggal：我们目前正处于骁龙汽车平台至尊版集中上车的阶段。
从今年上半年的情况来看，随着采用骁龙汽车平台至尊版的产品陆续推出，已有众多车企采用了骁龙8797。通常情况下，车企会根据其所开发车型的定位，选择采用具备不同特性与性能等级的产品。
而骁龙汽车平台至尊版的市场反馈非常有趣：部分客户选择基于这一平台打造舱驾融合体验，而另一些客户则倾向于将智能座舱与ADAS分别部署在不同的SoC上。
因此对高通而言至关重要的一点是，我们必须持续为客户提供具备高度灵活性的解决方案，使其能够在骁龙汽车平台至尊版产品路线图之下，覆盖不同层级的车型需求，这也是为什么我们认为有必要推出该系列平台的新产品。
实际上，这一直在高通的既定规划之中，虽然今天才对外分享，但高通的客户对此早已有所了解。
Anshuman Saxena：我想补充一点，骁龙8787是骁龙汽车平台至尊版产品组合的扩展，这进一步印证了我们拥有一套完整且具备高度可扩展性的解决方案。作为骁龙汽车平台至尊版产品系列中的一员，骁龙8787与其他至尊版芯片具备相同的核心能力，只是面向不同层级的车型而设计。
5、当前车载算力芯片赛道竞争非常激烈，许多新兴企业推出了高性能产品，高通如何看待这一竞争格局？高通在这一赛道具备怎样的竞争优势？此外，目前业内存在一种观点，认为现在的车载芯片算力相对过剩，但体验依然不足，高通是否认可这种观点？高通会如何与合作伙伴协同，来优化用户体验？
Nakul Duggal：在车载算力领域，计算能力的提升体现在两个维度：一方面，随着模型变得越来越智能，更多的大模型需要部署到端侧。
近期，我们成功部署了300亿参数的通义千问模型，作为端侧应用这是一个相当大的模型，并且是行业首创。
此外，更复杂、更高级的ADAS和驾驶辅助模型被部署到端侧。在端侧呈现的趋势是，算力与AI能力的需求正在不断增加，这也将带动CPU、GPU以及整体系统能力的全面升级。
从骁龙8650、骁龙8255到骁龙8797，性能实现了多倍提升。高通推出跨代际的产品组合是经过深思熟虑的，我们预见到了这一正在发生的行业变革，而且我们预计在未来十年内，中国的每一辆汽车都将朝着这一方向发展。
另一方面，AI的应用目前仍处于非常早期的阶段。当前，用户体验还在不断演进中，用户才刚开始看到它的价值。但是，回想一下在过去的几个月里，Claw横空出世并迅速上车，就会发现这些技术正带来巨大收益，同时为用户和驾乘人员创造更多价值。
因此，我们预计这一趋势将带来对更强算力与更多硬件的需求。当然，这是一个竞争极其激烈的领域。但我们相信，高通具备极强的差异化竞争优势。
高通深耕汽车半导体行业多年，这是一个高度复杂的行业，产品要求极为精密，不仅需要具备卓越的性能，还必须适应不同的车载运行环境。而这正是高通多年来始终如一在做的事情，高通的客户对此也非常满意。
Anshuman Saxena：我想补充一点，车载算力的确会不断提升，AI只是其中一个影响因素，此外还包括对其他传感器以及各类计算能力的需求，我们是从整体角度来看待这一趋势的。
另一个不同之处在于我们在这方面独具优势，因为我们与全球及中国多家车企和一级供应商都有合作。我们将合作伙伴反馈融入到产品之中，帮助我们针对不同层级的解决方案优化计算资源配置。
这与许多车企自行研发的策略形成了差异：他们解决的是纵向、单一的问题，而我们服务于多家不同车企，这使我们的产品具备显著的差异化优势。此外，我们在安全方面的技术积累——这也需要车载算力的支持。我们在汽车安全领域多年的积累，成为了我们在汽车领域的又一项差异化优势。
6、高通如何看待存储涨价对汽车行业的影响？此外，高通将如何通过自身创新以及携手行业伙伴，在降低带宽消耗、优化内存使用效率等方面，应对存储价格上涨所带来的挑战？
Nakul Duggal：内存涨价对于整个行业而言确实是一项重大挑战，不仅汽车行业面临这一挑战，智能手机等领域也同样面临这一问题。我们期望在未来几年内会有更多的产能释放，但在未来12到18个月内，行业的确面临着内存定价方面的挑战。
从高通的角度来看，我们极其注重芯片架构的设计，力求实现最高效的性能。坦率地说，这也是我们推出Snapdragon Ride Flex SoC的原因之一。当我们推出Snapdragon Ride Flex平台时，我们的初衷不仅仅是为了更好地应对市场竞争格局，更是为了取得全新突破。
过去，我们的汽车业务通常涉及两类芯片：一类是座舱芯片，另一类是ADAS芯片。而通过Snapdragon Ride Flex，我们将座舱与ADAS功能同时整合进单颗SoC中，从而大幅降低客户的总体拥有成本。此外从物料清单（BOM）的角度来看，内存也有所受益，因为现在无须为两颗不同的SoC分别配备专用内存。
我认为，我们正处于这样一个时期：内存供应处于溢价状态，且大量供应被数据中心的需求所占用。但是我相信，在未来的12到18个月内，我们将看到内存供应整体状况得到改善，这有望使内存定价回归到更加合理的水平，不过当前我们确实正在经历着一段复杂的时期。
7、高通把汽车和机器人放进同一个“物理AI”事业群，并强调安全关键的推理必须在端侧本地完成。但今天物理AI的能力上限，来自越做越大的世界模型和VLA，而它们的训练几乎都在云端，高通是不是在战略上主动把“训练”让出去、只押注端侧推理和能效？这个分工长期来看是否稳固？
Nakul Duggal：我认为，如果观察当前大量创意和创新涌现的地方，那无疑是在模型创建领域。
目前，业界有众多模型创建者在构建各种各样的模型，而且很多模型训练都是基于英伟达的平台进行的。当然也有一些其他例子，比如Trainium，或者谷歌TPU等，但绝大多数训练工作仍是基于英伟达的平台，而且英伟达的确打造了一些业内顶尖的训练计算服务器。
但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。
高通相信，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。实际上，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，这是我们现行的业务模式，也是大多数公司所采用的业务模式。
8、高通如何看待物理AI？从技术的角度来看，今年CES期间发布的高通跃龙IQ10系列机器人解决方案与高通汽车解决方案是什么关系？能做好汽车芯片就一定能做好具身智能解决方案吗？
Anshuman Saxena：机器人与汽车之间既有共性，也存在着差异。
从当前各类具身智能在物理世界中的交互与应用来看，汽车无疑是最典型的用例之一。随着各类视觉-语言-动作（VLA）模型的引入，驾驶辅助技术被部署于汽车领域。
可以说，打造一辆具备驾驶辅助功能汽车的技术路径，与机器人领域的构建逻辑高度相似。我们在长期积累中形成的一系列核心资产——包括如何部署VLA模型和大语言模型、如何训练模型、如何进行数据采集与标注，以及AI飞轮，这些在机器人领域同样具有价值。
然而，这并不意味着涉足驾驶辅助领域的企业就能自然而然地跨入机器人赛道，这两者的具体应用场景存在着显著差异：机器人的自由度远高于汽车，且其运行环境比汽车复杂得多。
因此，尽管两者之间确实存在着诸多共性，但从汽车领域的具身智能向完整的机器人应用跨越，仍需克服巨大的技术挑战并开展大量的实质性工作。
Nakul Duggal：在我看来，汽车是一个非常好的例子，它同时体现了“面向人类的AI”与“面向机器的AI”。汽车本身是一台机器，这台机器也能演进为机器人，这种物理层面的具身化可以广泛应用于众多领域。
以无人机为例：它既能实现自主飞行，也能将视频流实时回传给用户，还能执行拍照等任务。我认为这种架构和框架正是具身智能未来的演进方向。
随着越来越多的物理AI投入实际应用，我们会发现，未来几乎任何设备或节点都将具备“双重属性”：一方面是面向人类的交互界面，另一方面则是面向机器的执行系统，负责完成具体任务并具备相应技能。正如Anshuman所说，汽车是具身智能的起步阶段，是极具代表性的用例。
9、L4级驾驶辅助究竟需要什么样的技术方案？高通为什么在这一领域暂时缺位？未来是否有计划推出相应方案？
Anshuman Saxena：在驾驶辅助领域，我们此前主要聚焦于各种解决方案，例如VLA模型的应用，以及面向乘用车的端到端部署方案，并且在全球范围内重点推进了主动安全技术的落地。
目前，这些工作已经取得了阶段性成果。我们坚信，骁龙8797等平台非常适用于部署L4级Robotaxi的主路径与辅助路径。目前，我们已经与部分产业伙伴展开合作，共同推动Robotaxi相关业务的落地。
因此，L4级Robotaxi并非我们的“盲区”，它一直是我们投入大量时间和精力的重要领域，而现在，我们正进一步将业务重心向L4级驾驶辅助领域扩展。
10、高通如何看待当前中国智能汽车领域的价格竞争？从今年开始，中国很多车企开始以接近成本价的价格销售比较高阶的智舱和智驾方案，这是否在高通此前的预期中？作为一家专注于提供高级智能化配置的技术公司，中国市场的激烈价格博弈，究竟是为高通创造了更有利的竞争契机，还是带来了更为严峻的挑战？
Nakul Duggal：中国汽车市场竞争极其激烈，因为当前行业正经历巨大变革，尤其是在各类新技术的普及与应用方面。
因此，每一家车企都在全力以赴，以确保从技术角度出发，能够部署最新、最顶尖的产品。这也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。
Anshuman Saxena：我们也可以换个角度来看待这个问题：当市场面临价格压力时，车企反而会有更强的意愿去部署新功能、提升车内体验。这恰恰为高通创造了契机——通过向车企提供高性能解决方案，我们能够帮助车企创造更大的价值，这也是我们赋能整个汽车行业的重要方式。
11、目前中国部分芯片厂商已经开始提供软硬件一体化解决方案，例如地平线，他们既提供硬件也提供软件；英伟达也从最初聚焦智驾芯片，转向提供软件解决方案。高通为什么坚定地选择由合作伙伴来做软件开发这条路？
Nakul Duggal：我们的策略一直都非常清晰直观：我们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，这正是我们目前正在采取的策略，我相信其他企业也在采取类似方法，尽管这些企业有着各自不同的计划与方案。
关于其他领域的软件创新，无论是云端还是本地生态等，我们在基于高通自身平台进行创新的同时，与生态伙伴紧密合作。
例如对于车企而言，他们会选择采用高通的产品与技术解决方案，同时也会采用其他公司的技术方案，最终整合形成一套完整的产品与服务并提供给其客户和消费者，因此我们的核心任务是确保在这一生态系统中以高度协同的方式存在。在过去这些年，我认为这一策略非常成功，在未来我们也将继续坚持采用这一策略。
12、中国整体而言技术迭代是比较激进的，例如当前行业热议的端到端大模型，以及舱驾一体；但从世界其他地方来看，例如日本和欧洲，这些国家和地区的电动化进程目前整体是放缓的。在过去两年，高通如何平衡这两方面的需求：一方面要跟上中国快速的技术迭代节奏，另一方面又要应对全球其他国家和地区在电动化领域投入放缓的趋势？
Nakul Duggal：我认为在中国由于主要面向的市场是本土市场，中国车企有极大动力去推出新产品。这些本土车企在电动汽车领域投入巨大，并将其视为必胜领域，因此在中国电动化变革非常迅速，受益于这一新技术的绝大多数客户都是中国本土市场的消费者。
中国拥有非常成熟的数字生态系统，且中国消费者拥抱新技术的速度极快。因此，无论是车企还是更广泛的汽车生态系统，他们投资创新技术（例如全新大模型或更先进的ADAS软件栈）所带来的投资回报周期非常快。
因此，我们完全不意外中国市场正在发生如此快速的发展变化，实际上我们也正助力推动这一进程。在欧洲、美国、日本、韩国等世界其他地区，我认为变化的速度也在加快，但速度相对而言并没有这么快。
因为在中国以外的全球其他市场本身是一个更加多元、更加复杂、也更加分散的生态体系，面临许多不同且非常具体的约束条件，包括成本、地理环境、产品替换周期、法规、安全要求、技术成熟度，以及商业模式本身等诸多考量。
因此，对于全球车企而言，要真正采纳这类变革，并将其应用到服务全球其他市场的产品和体系中，会更加复杂；相比之下，中国车企所面对的市场环境和发展机遇，则让它们更有条件推动这类创新落地。
