物理AI這個(gè)詞，今年忽然不抽象了。

AI算力一哥英偉達(dá)，開(kāi)源了Cosmos3最新推理模型，車企自研AI最強(qiáng)的小鵬，也公布了世界模型全棧技術(shù)……

同樣在2026年6月舉行的高通汽車技術(shù)與合作峰會(huì)期間，智能座艙頭部陣營(yíng)中的領(lǐng)跑者——高通，直接給出了行業(yè)中真正落地的艙駕融合案例：

車上的AI Agent，不但承擔(dān)全場(chǎng)景端到端AI司機(jī)的職責(zé)，還能記住你雨傘放在扶手箱，認(rèn)出了路邊穿黑襯衫的朋友，順帶提醒你“昨天說(shuō)要戒煙，再抽是小狗”。

這不是科幻，而是已經(jīng)出現(xiàn)在量產(chǎn)的、跑在中國(guó)道路上的車。

車企、芯片廠商、自動(dòng)駕駛玩家都在講同一個(gè)故事：物理AI——走出屏幕，進(jìn)入真實(shí)世界。

但高通——這家智能座艙出貨量7500萬(wàn)、每周有1.2款新車在中國(guó)下線背后的技術(shù)賦能者，幾乎沒(méi)怎么提“算力TOPS”，也沒(méi)喊“全棧自研”。

從2023年1月首款艙駕融合芯片驍龍8775發(fā)布，到2025、2026年零跑、北汽等品牌首批量產(chǎn)車陸續(xù)上路——高通用不到三年半的時(shí)間，實(shí)現(xiàn)了實(shí)實(shí)在在的量產(chǎn)落地，更完成了技術(shù)體系和認(rèn)知躍遷：不再滿足于只當(dāng)“智能座艙”領(lǐng)域的領(lǐng)跑者，而是成為“物理AI版圖”率先落地的開(kāi)拓者。

不只是汽車，還有你的手機(jī)、耳機(jī)、眼鏡，甚至家里的機(jī)器人。

智能座艙「標(biāo)桿玩家」，開(kāi)始講物理AI了

過(guò)去，高通在外界的認(rèn)知里是“智能座艙之王”，專注于提供計(jì)算方案、交互體驗(yàn)以及連接能力。

優(yōu)勢(shì)顯而易見(jiàn)。到2025年，高通座艙芯片累計(jì)出貨量已超過(guò)7500萬(wàn)套，在中國(guó)市場(chǎng)從驍龍8155、驍龍8295到驍龍8397五代持續(xù)領(lǐng)先，全球超過(guò)3.5億輛車搭載了高通的驍龍數(shù)字底盤解決方案。

在2026高通汽車技術(shù)與合作峰會(huì)上，高通與誠(chéng)邁科技、車聯(lián)天下、斑馬智能、德賽西威、鎂佳科技、中科創(chuàng)達(dá)等生態(tài)企業(yè)，還進(jìn)一步宣布了“車端人工智能Claw生態(tài)計(jì)劃”，為“智能體時(shí)代”的智能座艙提前布局。

這一行業(yè)首個(gè)加速AI智能體助手在車端規(guī)?；渴鸬纳鷳B(tài)計(jì)劃，將驍龍數(shù)字底盤與高通智能體AI運(yùn)行環(huán)境結(jié)合，并發(fā)揮各家生態(tài)企業(yè)在座艙、車載操作系統(tǒng)、智能體中間件、AI應(yīng)用和量產(chǎn)交付方面的能力，應(yīng)對(duì)長(zhǎng)期以來(lái)阻礙下一代汽車智能開(kāi)發(fā)的碎片化問(wèn)題，為車企提供一條從概念驗(yàn)證到量產(chǎn)落地更快速、更集成化的路徑。

在智能座艙領(lǐng)域之外，不易被外界察覺(jué)的轉(zhuǎn)折發(fā)生在2023年1月，高通推出了Snapdragon Ride Flex系統(tǒng)級(jí)芯片（驍龍8775）——行業(yè)首款同時(shí)支持?jǐn)?shù)字座艙和先進(jìn)駕駛輔助系統(tǒng)的可擴(kuò)展系列SoC。

當(dāng)時(shí)外界更多理解為，這是高通面對(duì)“艙駕融合”趨勢(shì)推出的成本優(yōu)化方案。從2023年到現(xiàn)在，高通圍繞艙駕融合和智能駕駛的布局持續(xù)加深。

今年的高通，反復(fù)強(qiáng)調(diào)的兩個(gè)詞：“支持混合關(guān)鍵級(jí)工作負(fù)載的融合架構(gòu)”和“計(jì)算連續(xù)體”。

前者回答“怎么在單設(shè)備上把安全和AI放一起”，后者回答“怎么讓AI在不同設(shè)備間跟著人走”。

兩個(gè)問(wèn)題合起來(lái)，就是高通的完整答案：它要做的不僅僅是更大算力的智能座艙，而是物理AI時(shí)代的基礎(chǔ)計(jì)算層。

過(guò)去，座艙芯片的核心指標(biāo)是“能跑幾個(gè)屏”、“動(dòng)畫(huà)卡不卡”、“語(yǔ)音喚醒快不快”。這些事高通做得很扎實(shí)，從驍龍8155到驍龍8295再到驍龍8397，每一代都在拉高門檻。

但問(wèn)題是，當(dāng)AI開(kāi)始上車，用戶對(duì)“智能”的期待變了。他們不再滿足于車機(jī)不卡頓，而是希望車能理解人、輔助人、主動(dòng)服務(wù)。

這個(gè)變化直接沖擊了傳統(tǒng)座艙的生態(tài)位。如果“智能”真的變成由云端大模型和大算力基礎(chǔ)設(shè)施提供，座艙就只能退回到單純的顯示和交互中介——價(jià)值被壓縮，差異化被抹平。

核心問(wèn)題變成了：在大模型、Agent技術(shù)浪潮下，傳統(tǒng)智能座艙的價(jià)值如何被重構(gòu)和放大？

與其“固守”座艙，高通的選擇是：開(kāi)啟對(duì)“無(wú)人深空”——物理AI的探索。

所以Flex平臺(tái)在當(dāng)時(shí)不是一次產(chǎn)品更新，而是一次預(yù)判未來(lái)技術(shù)趨勢(shì)的落地。

驍龍8775要做的事，是把座艙和智駕“平起平坐”地嵌進(jìn)同一塊芯片里——不是一個(gè)大的車載AI吃掉座艙，也不是座艙的大語(yǔ)言模型外掛一個(gè)AI司機(jī)，而是兩種任務(wù)在硬件層面被同等對(duì)待、安全隔離、高效協(xié)同。

對(duì)于高通來(lái)說(shuō)，物理AI時(shí)代的理想狀態(tài)是跨設(shè)備的智能將無(wú)處不在地運(yùn)行，而汽車只是其物理AI生態(tài)中最先爆發(fā)的節(jié)點(diǎn)。

憑的不是紙面算力最高，也不是生態(tài)“整合”最徹底，而是高通一直以來(lái)被低估的技術(shù)架構(gòu)。

高通的技術(shù)體系，能遷移到物理AI嗎？

外界習(xí)慣用“座艙芯片”的標(biāo)簽來(lái)定義高通，但這個(gè)標(biāo)簽忽略了兩個(gè)事實(shí)：

第一，高通在通信和移動(dòng)計(jì)算領(lǐng)域積累的跨設(shè)備能力，遠(yuǎn)沒(méi)有被汽車行業(yè)充分認(rèn)知；
第二，F(xiàn)lex平臺(tái)的混合關(guān)鍵級(jí)設(shè)計(jì)，在工程層面比堆算力難得多，也有效得多。

行業(yè)內(nèi)解決“安全任務(wù)”和“AI任務(wù)”共存的常規(guī)思路有兩種。

一種是物理分離：智駕一顆芯片、座艙一顆芯片，各管各的，中間用以太網(wǎng)或PCIe溝通。

另一種是邏輯分離：用一顆超大算力芯片，通過(guò)軟件虛擬化切出安全域和AI域，算力夠強(qiáng)就能掩蓋問(wèn)題。

高通的Flex平臺(tái)走了第三條路：從硬件層面，支持混合關(guān)鍵級(jí)工作負(fù)載的融合架構(gòu)。

驍龍8775內(nèi)部，ASIL-D級(jí)別的實(shí)時(shí)控制域和QM/ASIL-B級(jí)別的AI推理域，從寄存器到緩存到內(nèi)存控制器，都有物理層面的隔離。但在計(jì)算資源（CPU核、NPU、GPU）的使用上，兩者又可以動(dòng)態(tài)共享。

這種設(shè)計(jì)的工程復(fù)雜度遠(yuǎn)高于前兩種方案。它要求芯片設(shè)計(jì)團(tuán)隊(duì)同時(shí)精通功能安全和高性能計(jì)算，并且在一開(kāi)始就定義好兩套任務(wù)的邊界和交互協(xié)議。

但好處是巨大的：安全任務(wù)不會(huì)被AI任務(wù)“餓死”，AI任務(wù)也不會(huì)被安全任務(wù)“卡死”；跨域通信延遲從毫秒級(jí)降到納秒級(jí)；不需要為安全單獨(dú)留一顆芯片，也不需要為AI堆到上千TOPS。

一個(gè)具體的對(duì)比：在城區(qū)NOA場(chǎng)景中，雙芯片方案需要智駕芯片把感知結(jié)果通過(guò)以太網(wǎng)傳給座艙芯片做可視化渲染，芯片間“握手”往返延遲10-20毫秒。

高通的Flex方案中，感知結(jié)果直接放在共享內(nèi)存里，座艙域讀同一份數(shù)據(jù)，延遲不到1毫秒。

安全價(jià)值之外，智能體（Agent）需要同時(shí)調(diào)用感知傳感器（智駕）和人機(jī)交互接口（座艙）。例如：車輛檢測(cè)到用戶拿網(wǎng)球拍（視覺(jué)），主動(dòng)詢問(wèn)是否去球場(chǎng)，并規(guī)劃路線——這需要智駕感知與座艙交互在同一低延遲底座上完成。

Flex架構(gòu)天然支持：所有ADAS傳感器數(shù)據(jù)可直接被座艙智能體調(diào)用，無(wú)需跨芯片轉(zhuǎn)發(fā)。

2025年Q4，卓馭科技基于驍龍8775的艙駕一體方案在極狐阿爾法T5上落地，一顆芯片包辦城區(qū)NOA和智能座艙：

到2026年6月，F(xiàn)lex平臺(tái)已獲9款車型定點(diǎn)，其中包括多款量產(chǎn)車型，例如極狐問(wèn)道V9、別克至境L7等。從芯片發(fā)布到多車批量上路，不到三年半的時(shí)間——這個(gè)速度說(shuō)明，艙駕融合架構(gòu)是可以被大規(guī)模復(fù)制的工程方案。

而如果說(shuō)Flex平臺(tái)解決的是“單設(shè)備內(nèi)”的問(wèn)題，計(jì)算連續(xù)體解決的是“設(shè)備之間”的問(wèn)題。

高通的產(chǎn)品線覆蓋了一個(gè)極其罕見(jiàn)的功率范圍：2毫瓦的耳機(jī)芯片、幾瓦的手機(jī)芯片、幾十瓦的汽車芯片、千瓦級(jí)的數(shù)據(jù)中心加速器。

高通在這條“計(jì)算鏈”上做了一件事：統(tǒng)一的AI框架和智能體狀態(tài)管理。

這意味著開(kāi)發(fā)者可以用同一套API，寫(xiě)一個(gè)智能體，讓它同時(shí)運(yùn)行在手機(jī)、汽車、眼鏡上，并且在不同設(shè)備間保持狀態(tài)同步。

用戶在手機(jī)上告訴智能體“今晚別走東三環(huán)”，上車后車載AI直接執(zhí)行，下車后AI眼鏡繼續(xù)提醒。

某種程度上說(shuō)，這也算是高通構(gòu)筑的“生態(tài)”優(yōu)勢(shì)。

只不過(guò)這個(gè)生態(tài)不同于CUDA，不在開(kāi)發(fā)工具環(huán)節(jié)限制用戶，把用戶捆綁在固定硬件上，而是把高通的算力、工具、通信等等能力，開(kāi)放給一切有能力使用的用戶。

這樣的物理AI落地，來(lái)自高通自己的“第一性原理”：

在對(duì)物理AI的終局想象里，競(jìng)爭(zhēng)不可能停留在“誰(shuí)的車上AI更聰明”，而是會(huì)轉(zhuǎn)移到“誰(shuí)的智能體能跨越最多設(shè)備、記住最多場(chǎng)景、提供最連續(xù)的體驗(yàn)”。

AI Agent無(wú)縫穿梭于用戶的全場(chǎng)景。

在手機(jī)上訓(xùn)練一個(gè)智能體，上車后它自動(dòng)接管，下車后它又回到你的眼鏡里——這種粘性，才是物理AI時(shí)代真正的護(hù)城河。

開(kāi)放生態(tài)+跨層級(jí)芯片+端側(cè)優(yōu)化。

而高通，是率先集齊全部拼圖的公司。

攀登物理AI「珠峰」，高通的方法論不一樣

對(duì)于車和物理AI的關(guān)系，高通給了一個(gè)絕妙定義：same recipe, different implementation。

所謂Same recipe，指向的是所有物理智能體共同遵循的第一性原理。

無(wú)論是汽車、機(jī)器人、智能眼鏡還是未來(lái)更多終端，本質(zhì)上都需要完成同樣的閉環(huán)：感知世界、理解世界、影響世界。

但與互聯(lián)網(wǎng)時(shí)代不同的是，物理AI的決策會(huì)直接作用于現(xiàn)實(shí)世界。

聊天機(jī)器人回答錯(cuò)誤，用戶最多重新提問(wèn)；駕駛輔助系統(tǒng)判斷失誤，或者機(jī)器人執(zhí)行動(dòng)作出現(xiàn)偏差，代價(jià)則完全不同。

因此，物理AI的核心當(dāng)然包括“把大模型塞進(jìn)終端設(shè)備”，但從來(lái)不只是推理能力，更要兼顧實(shí)時(shí)性、安全性和可靠性。

這也是為什么高通反復(fù)強(qiáng)調(diào)Flex平臺(tái)是支持混合關(guān)鍵級(jí)工作負(fù)載的融合架構(gòu)。相比單純追求更高算力或者更大的模型，它更關(guān)注AI能力與安全系統(tǒng)如何協(xié)同工作。

所以高通的Flex平臺(tái)的融合架構(gòu)不只是“更好”，也是“更對(duì)”。

Different implementation，則對(duì)應(yīng)不同場(chǎng)景下的具體落地方式。

汽車有汽車的約束，機(jī)器人有機(jī)器人的約束，智能穿戴設(shè)備也有自己的約束。不同終端面對(duì)的功耗、散熱、成本和安全要求各不相同。

因此物理AI有可能存在一個(gè)終極大腦，但不會(huì)存在一套萬(wàn)能方案。

真正重要的，是如何讓智能體能力在不同設(shè)備之間遷移和復(fù)用。

這也是高通此次峰會(huì)反復(fù)強(qiáng)調(diào)“計(jì)算連續(xù)體”的原因。

因?yàn)橛脩舨灰欢〞?huì)關(guān)注AI助手基礎(chǔ)模型到底是誰(shuí)家的，但一定會(huì)在乎這些Agent之間能不能協(xié)作、日常使用能不能“無(wú)斷點(diǎn)”。

行業(yè)還在競(jìng)爭(zhēng)“最強(qiáng)車腦”時(shí)，高通關(guān)注的已經(jīng)不僅是汽車。它試圖構(gòu)建的是一張覆蓋手機(jī)、耳機(jī)、眼鏡、汽車乃至更多終端的智能體網(wǎng)絡(luò)。

物理AI時(shí)代和之前出現(xiàn)過(guò)的任何AI技術(shù)浪潮，所需要的核心資源都基本相同：算力、數(shù)據(jù)和場(chǎng)景。

GPU大廠商押注最強(qiáng)的算力和最大的模型，車企押注最快最全面的數(shù)據(jù)飛輪，而高通的優(yōu)勢(shì)則來(lái)自最廣泛的終端觸點(diǎn)。

高通的入口是“全球數(shù)十億臺(tái)智能終端”：大量Android手機(jī)、智能手表、耳機(jī)、XR設(shè)備都搭載高通芯片。

汽車只是其“智能體宇宙”中的一個(gè)節(jié)點(diǎn)。用戶先接觸高通生態(tài)（手機(jī)），然后自然延伸到汽車，形成跨設(shè)備用戶粘性。

這種能力過(guò)去更多被視為生態(tài)優(yōu)勢(shì)，但在物理AI時(shí)代，它有機(jī)會(huì)轉(zhuǎn)化為智能體跨場(chǎng)景運(yùn)行的基礎(chǔ)設(shè)施。

在向物理AI發(fā)起沖擊的浪潮中，高通不是用“最強(qiáng)算力”證明實(shí)力，也不用“最全棧自研”主導(dǎo)靈魂。

而是用最理解物理AI的第一性原理（安全+AI共生），最理解量產(chǎn)場(chǎng)景的真實(shí)約束（功耗、成本、散熱），以及最龐大的跨設(shè)備生態(tài)（從耳機(jī)到數(shù)據(jù)中心）。

不是最炫的，但卻是最符合技術(shù)演化內(nèi)在邏輯、最能規(guī)?；涞亍摿吔缱钅：哪且粭l。

而潛力邊界的可能性，意味著“智能座艙之王”的高通，在“智能體AI時(shí)代”的價(jià)值應(yīng)該被充分重估了。