作者：Arm 物理 AI 事業(yè)部產(chǎn)品和解決方案副總裁 Suraj Gajendra

隨著人工智能 (AI) 正在重構(gòu)人與汽車的互動(dòng)模式，那些曾被視作遙遠(yuǎn)藍(lán)圖的構(gòu)想，如今已在汽車中成為現(xiàn)實(shí)。AI 驅(qū)動(dòng)的諸多變革，往往不易被察覺。例如，在紅燈等候時(shí)，導(dǎo)航系統(tǒng)會(huì)提前生成停車提示；日常通勤途中，語音助手可精準(zhǔn)調(diào)取用戶偏好路線。這些不易察覺的應(yīng)用場(chǎng)景，恰恰印證了 AI 已深度融入汽車座艙，以潤物無聲的技術(shù)優(yōu)化，持續(xù)升級(jí)駕乘體驗(yàn)。

根據(jù)Arm 發(fā)布的《人工智能就緒指數(shù)報(bào)告》中的數(shù)據(jù)顯示，全球 82% 的企業(yè)領(lǐng)導(dǎo)者表示，其所在企業(yè)正在使用 AI 應(yīng)用，然而僅 39% 的企業(yè)制定了清晰、全面的 AI 策略。這一技術(shù)落地與策略規(guī)劃的斷層，如今也在汽車領(lǐng)域顯現(xiàn)。當(dāng)技術(shù)儲(chǔ)備已趨于成熟，行業(yè)亟待解答的核心問題是：如何推動(dòng) AI 實(shí)現(xiàn)安全、高效且規(guī)模化的全場(chǎng)景應(yīng)用？

汽車行業(yè)絕非 AI 革新的旁觀者。AI 重塑世界的力量有目共睹，而在汽車這一關(guān)鍵場(chǎng)景中，這場(chǎng)技術(shù)變革的落地速度，早已超出了普遍預(yù)期。

車載智能新紀(jì)元

長久以來，自動(dòng)駕駛技術(shù)的美好前景一直主導(dǎo)著汽車 AI 領(lǐng)域的行業(yè)敘事。但真正的技術(shù)突破與商業(yè)化落地正在我們熟悉的汽車中發(fā)生，而駕駛者仍然保持完全的操控權(quán)。

新一代多模態(tài)座艙智能副駕，正融合語音、視覺與手勢(shì)交互技術(shù)，構(gòu)建自然流暢的對(duì)話式人機(jī)界面。此類系統(tǒng)均基于 Arm 架構(gòu)的專用計(jì)算單元，實(shí)現(xiàn)端側(cè)運(yùn)行。這一技術(shù)轉(zhuǎn)型，不僅有效降低了數(shù)據(jù)傳輸延遲、守護(hù)用戶隱私安全，還讓體驗(yàn)更自然、更貼近直覺，而非冰冷的技術(shù)感。下一階段的核心發(fā)展方向，是體驗(yàn)的連續(xù)性。用戶可將家中智能助手的交互體驗(yàn)無縫延續(xù)至汽車座艙內(nèi)，真正實(shí)現(xiàn)跨場(chǎng)景的對(duì)話銜接。

AI 同樣在重塑駕乘者的座艙體感。即便是傳統(tǒng)用車流程中的常規(guī)操作，也正朝著智能化方向迭代升級(jí)。例如，厚重的紙質(zhì)車主手冊(cè)已全面完成數(shù)字化轉(zhuǎn)型。如今，駕駛者無需翻找深藏在手套箱內(nèi)的紙質(zhì)手冊(cè)，只需直接向車輛發(fā)出問詢 ——“這個(gè)指示燈代表什么意思？今日標(biāo)準(zhǔn)胎壓應(yīng)為多少？” 座艙內(nèi)置的 AI 模型，便能即時(shí)給出貼合當(dāng)下場(chǎng)景的清晰解答。

當(dāng) AI 馳騁于道路之上

若說座艙之內(nèi)的 AI，正以人性化交互重塑駕乘體驗(yàn)，那么在車外的廣闊世界里，它則面臨著更為復(fù)雜的技術(shù)挑戰(zhàn) —— 先進(jìn)駕駛輔助系統(tǒng) (ADAS) 與自動(dòng)駕駛技術(shù)持續(xù)迭代演進(jìn)，技術(shù)路線也呈現(xiàn)出多元化發(fā)展態(tài)勢(shì)。

傳統(tǒng) ADAS 軟件仍將智駕的實(shí)現(xiàn)拆解為多個(gè)獨(dú)立模塊：一套系統(tǒng)負(fù)責(zé)識(shí)別障礙物，另一套系統(tǒng)判定應(yīng)對(duì)策略，第三套系統(tǒng)執(zhí)行具體操控動(dòng)作。而依托數(shù)十億數(shù)據(jù)樣本訓(xùn)練而成的新一代端到端 AI 模型，正逐步打破這種分層，將上述功能整合為單一神經(jīng)網(wǎng)絡(luò)，可直接將傳感器采集的原始數(shù)據(jù)，轉(zhuǎn)化為安全可靠的駕駛操作指令。

如今，兩種技術(shù)路線的共存已然成為行業(yè)現(xiàn)實(shí)。在諸多高端車型中，AI 模型可實(shí)時(shí)解讀雷達(dá)、激光雷達(dá)與攝像頭采集的數(shù)據(jù)，實(shí)現(xiàn)脫手變道、自適應(yīng)高速巡航等功能。不同技術(shù)路線，對(duì)算力、帶寬與安全驗(yàn)證的權(quán)衡各不相同，二者協(xié)同發(fā)展，正重新定義汽車運(yùn)行的軟件棧。

我們無法在一夜之間摒棄歷經(jīng)數(shù)百萬英里路測(cè)驗(yàn)證的模塊化技術(shù)積淀。未來一段時(shí)間內(nèi)，模塊化與端到端 AI，仍將處于并行共存的發(fā)展階段。

閱讀《Arm Zena CSS 為 AI 定義的時(shí)代打造可擴(kuò)展自動(dòng)駕駛技術(shù)之路》，了解如何借助 Zena CSS，實(shí)現(xiàn)自動(dòng)駕駛技術(shù)的規(guī)?；渴?。

云端與座艙的無縫協(xié)同

駕乘體驗(yàn)的便捷性背后，依托的是一套更為復(fù)雜的底層技術(shù) ——云車協(xié)同一致性。AI 訓(xùn)練工作負(fù)載將持續(xù)在云端完成，而支撐實(shí)時(shí)決策的推理運(yùn)算，則將落地于車端。

隨著未來車載 AI 的應(yīng)用中，云車協(xié)同一致性的重要性將愈發(fā)凸顯。當(dāng)兩者在架構(gòu)與工具層面的契合度越高，技術(shù)從研發(fā)到落地的轉(zhuǎn)化效率才能越可觀。

這種深度協(xié)同的價(jià)值不言而喻：開發(fā)者可于云端完成模型的構(gòu)建與測(cè)試，無需重寫代碼、也不必犧牲性能，即可直接在車載系統(tǒng)運(yùn)行。得益于 Arm 計(jì)算平臺(tái)在數(shù)據(jù)中心與邊緣側(cè)（含汽車）的廣泛部署，工程師能夠?qū)崿F(xiàn)從仿真測(cè)試到硬件落地的無縫銜接，進(jìn)而提升系統(tǒng)性能與運(yùn)行效率、簡(jiǎn)化移植流程，同時(shí)保障推理結(jié)果的一致性。

筑牢車載智能的信任基石

現(xiàn)代汽車正日益由 AI 定義，需同時(shí)處理數(shù)十項(xiàng)并行任務(wù)。這些任務(wù)既包括通過操控轉(zhuǎn)向、制動(dòng)及避障功能保障乘客安全，也涵蓋借助音樂流媒體、疲勞監(jiān)測(cè)及城市交通導(dǎo)航功能優(yōu)化駕乘體驗(yàn)。各類工作負(fù)載并行運(yùn)轉(zhuǎn)，且每項(xiàng)任務(wù)均需滿足差異化的優(yōu)先級(jí)、功能安全及防護(hù)標(biāo)準(zhǔn)。因此，當(dāng)開發(fā)者著手開發(fā)時(shí)，必須明確自身應(yīng)用在混合關(guān)鍵任務(wù)層級(jí)中的定位，以及其所需支撐的核心需求。

而架構(gòu)的獨(dú)特性，正是破解這一難題的關(guān)鍵所在。Arm 的汽車增強(qiáng) (AE) 處理器在設(shè)計(jì)之初便內(nèi)置功能安全機(jī)制，確保即便車輛其他系統(tǒng)處于多任務(wù)并行狀態(tài)，執(zhí)行保證生命安全關(guān)鍵操作的核心系統(tǒng)仍能保持穩(wěn)定可靠。

與此同時(shí)，Arm 機(jī)密計(jì)算架構(gòu) (CCA) 可構(gòu)建起硬件隔離的安全數(shù)字域，將敏感工作負(fù)載與通用應(yīng)用進(jìn)行隔離。例如，駕駛員監(jiān)測(cè)算法能夠?qū)z像頭采集的數(shù)據(jù)進(jìn)行分析，且全程不會(huì)將數(shù)據(jù)暴露至車載信息娛樂系統(tǒng)。這意味著，即便車輛算力負(fù)載持續(xù)攀升，安全防護(hù)與隱私保障仍能得到充分保證。

當(dāng)下行業(yè)面臨的核心挑戰(zhàn)，絕非單純提升算力性能，而是如何在汽車智能化程度不斷提升的過程中，持續(xù)筑牢用戶對(duì)車載智能系統(tǒng)的信任根基。

共性技術(shù)底座的賦能之力

汽車 AI 的下一次飛躍，核心在于實(shí)現(xiàn)全棧技術(shù)的協(xié)同整合，而非單純研發(fā)新型硬件。每一款車載平臺(tái)均搭載專屬的芯片、中間件及操作系統(tǒng)，若無統(tǒng)一的共性技術(shù)底座作為支撐，開發(fā)者就需要為每一款新車型重復(fù)編寫代碼。

而這正是技術(shù)協(xié)同的價(jià)值所在。面向嵌入式邊緣的可擴(kuò)展開放架構(gòu) (SOAFEE) 為車載底層基礎(chǔ)軟件制定了標(biāo)準(zhǔn)，能夠?qū)崿F(xiàn)啟動(dòng)流程、電源管理及底層固件的標(biāo)準(zhǔn)化統(tǒng)一。這一舉措可幫助開發(fā)者將精力聚焦于高價(jià)值環(huán)節(jié)，打造差異化的用戶體驗(yàn)與 AI 功能。

SOAFEE 的核心目標(biāo)，是對(duì)無需差異化開發(fā)的軟件層級(jí)進(jìn)行標(biāo)準(zhǔn)化規(guī)范，從而為開發(fā)者提供一套一致性技術(shù)底座，支持其在不同 Arm 架構(gòu)平臺(tái)上高效開展研發(fā)工作。

規(guī)模化 AI 硬件的底層藍(lán)圖

在硬件底層，規(guī)?；芰νㄟ^ Arm Zena 計(jì)算子系統(tǒng) (Compute Subsystem, CSS) 得以具象落地。這是一套面向下一代汽車系統(tǒng)級(jí)芯片 (SoC) 的預(yù)先集成、預(yù)先驗(yàn)證計(jì)算平臺(tái)，將 CPU 集群、安全島、安全隔離區(qū)、系統(tǒng) IP 及調(diào)試工具整合為一套高度協(xié)同的一體化平臺(tái)。

更強(qiáng)的算力能夠賦能更豐富的 AI 功能，但同時(shí)也會(huì)帶來更高的能耗。因此，基于子系統(tǒng)的視角，可讓這些性能與能耗的取舍權(quán)衡變得清晰可見。這種清晰的視角，能夠幫助工程師做出更科學(xué)的設(shè)計(jì)決策，在算力、安全性與成本之間實(shí)現(xiàn)精準(zhǔn)平衡，且可適配不同級(jí)別車型的規(guī)?；渴鹦枨蟆?/p>

Arm 于 2024 年推出的虛擬平臺(tái)現(xiàn)已拓展至 Arm Zena CSS，助力軟件團(tuán)隊(duì)提前啟動(dòng)軟件開發(fā)與部署工作。在芯片推出前，開發(fā)者即可借助硬件數(shù)字孿生模型構(gòu)建并測(cè)試代碼，進(jìn)而完成性能優(yōu)化。這意味著，當(dāng)芯片就緒時(shí)，配套軟件也能同步實(shí)現(xiàn)就緒狀態(tài)。

駛向 AI 定義的未來

邁向 AI 定義汽車的征程，不僅需要工程上的嚴(yán)謹(jǐn)，更需要大膽的創(chuàng)意與技術(shù)創(chuàng)新。如今，AI 已實(shí)現(xiàn)駕乘體驗(yàn)與車載及云端計(jì)算的深度聯(lián)動(dòng)，在保障高性能與高能效的同時(shí)，還需帶來無縫的開發(fā)體驗(yàn)。

云技術(shù)將始終占據(jù)一席之地，但必須確保云到車的連接既堅(jiān)固可靠，又流暢無阻。

隨著汽車 AI 技術(shù)走向成熟，其發(fā)展成敗將取決于 Arm 數(shù)十年來始終堅(jiān)守的核心平衡法則：以高性能與高能效賦能技術(shù)創(chuàng)新，以卓越的規(guī)模化能力，讓更多人共享前沿技術(shù)變革帶來的全新體驗(yàn)。