全球智能汽车行业正处在一个关键的转型期：舱驾融合开始大规模落地，端侧大模型上车，物理AI打通了汽车和机器人两个产业。日前，2026高通汽车技术与合作峰会在江苏无锡举行。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，跟包括环球网在内的媒体聊了聊生态合作、产品架构、端侧AI以及全球产业协同等话题。
本土协同：一千多名工程师在中国，深度融入国内汽车生态
Nakul Duggal透露，高通目前在中国有一千多名工程师从事汽车相关的工作。多年来，高通跟国内不同产业的生态系统都建立了广泛的合作。依托这些积累，高通正在深度融入本土汽车生态，持续推动近六七年国内电动化和智能化带来的技术变革和电子电气架构的调整。
舱驾融合是一个很明显的趋势。汽车电子电气架构正从传统的分布式架构转向中央计算架构，智能座舱和先进驾驶辅助系统（ADAS）成了国内车企智能化的两大核心，并且正逐渐融合成一个统一计算、统一调度的整体。高通在这个过程中，跟中国车企、Tier-1厂商、软件供应商等生态伙伴沟通，把产业链一线的需求反馈到芯片设计和技术路线里。
在全球市场发展分化的大环境下，国内新能源车企掀起了一股“科技平权”的浪潮。Nakul认为，这给了消费者很多机会，让他们能亲身体验各种新产品。
谈到中国和海外市场技术迭代速度的差异，他觉得根本原因在于产业环境不同。国内消费者愿意尝新，数字基础设施也比较完善，车企做智能化的回报周期短，迭代速度全球领先。而海外市场地域分散，产品替换周期、法规要求、安全标准都不一样。
Nakul说：“在中国市场，我们致力于为客户、合作伙伴和整个生态系统提供尽可能广泛且多元的选择。比如，我们不会为中国市场开发和提供任何ADAS软件栈，所以我们实现ADAS能力的主要方式，是靠合作伙伴的力量。”
平台化产品：舱驾融合芯片集中量产，帮车企省内存成本
主要面向舱驾融合和ADAS的骁龙汽车平台至尊版（骁龙8797），目前正处于集中量产上车的周期。针对不同车型层级的需求，高通也在不断丰富产品组合。骁龙8787就是为更低层级市场需求提供的一个好选项，同样支持舱驾融合架构。
聊到汽车AI的快速发展，Nakul分享了他的观察。他认为汽车是AI落地的优质载体，能高效发挥AI在实际场景中的价值。汽车可能会成为人们日常使用最频繁的终端之一，这类设备会具备端侧AI能力，优化日常办事效率。有些功能还得靠云端，所以终端需要跟云端保持互联；而那些能在车载环境里更高效、更安全落地的功能，会有更大规模的应用场景。高通正在联合多家合作伙伴，一起推进端侧相关技术的落地。
面对全球存储芯片涨价带来的整车BOM成本上涨，Nakul表示，未来12到18个月内，内存定价确实有挑战，但他相信情况会改善，希望未来几年能有更多产能释放。至于Snapdragon Ride Flex单芯片集成方案能否帮车企缓解成本压力，他说高通非常注重芯片架构设计，追求最高效率，这也是推出Snapdragon Ride Flex SoC的原因之一。从物料清单的角度看，内存成本其实也能受益——因为现在车企不需要为两颗不同的SoC分别配内存了。
端侧物理AI：算力消耗几乎都在边缘侧，云端训练、边缘推理
高通把汽车和机器人这两个物理AI领域划归到同一个事业群，推动端云协同：云端负责大模型训练，边缘和端侧聚焦本地推理和快速响应，提升效率、释放AI潜能。Nakul介绍，模型的实际应用和消耗主要集中在边缘侧，尤其在汽车领域。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。未来边缘AI的需求会很大，因为任何能自动化的任务，最终都会以能推理的AI模型形式实现自动化。高通在机器学习与AI领域已经深耕很久了。新模型在云端训练，然后在边缘侧做蒸馏。
从一千多人的本土团队扎根中国汽车产业一线，到多代际、多层级的骁龙产品覆盖各类车型，再到依靠端侧AI打通汽车和机器人的技术边界，Nakul Duggal完整阐述了高通“平台底座+开放生态”的汽车业务逻辑。这既是高通推动汽车智能化演进的核心思路，也给全球车载半导体产业的本土化和全球化协同提供了一个参考。