2026年6月4日-5日，2026高通汽车技术与合作峰会在无锡举办。峰会期间，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，高通技术公司副总裁兼ADAS和机器人业务总经理Anshuman Saxena接受集微网等媒体采访，围绕车载芯片算力、舱驾融合、产品布局、存储成本等行业热点问题进行了深入交流和分享。
以下为本次群访完整问答实录，经编辑发布：
问：高通在中国搭建了完善的合作生态，涵盖造车新势力、供应链企业以及全球车企，这些合作将如何赋能高通全球汽车业务创新？
Nakul Duggal：中国是高通深耕多年的市场，我们国内现有超千名汽车领域工程师，既服务本土也支撑全球业务。过去六七年，我们深度洞察中国汽车产业转型趋势，行业电动化推动汽车架构向中央计算架构升级，智能座舱、ADAS成为两大核心赛道。
我们持续倾听国内车企、一级供应商、软件厂商的需求，并将其融入芯片设计、技术路线与软件研发中，实现双向成长。如今 “中国速度” 也在倒逼全球车企提速发展，从中国生态中积累的经验与思路，成为我们全球业务创新的重要动力。同时，全球车企想要深耕中国市场，也必须适配本土行业发展节奏，这也让我们与海外合作伙伴的合作模式更加多元。
问：高通合作车企多、车型落地量大，规模优势是否会带来数据层面优势，并反哺芯片研发？另外，舱驾融合已成行业趋势，普通消费者该如何评判产品优劣？面向未来三年升级需求，车辆需要配置多少算力、内存，才能流畅运行大语言模型？
Nakul Duggal：首先明确一点，高通并不采集车辆相关数据，行车、感知数据均归属 Momenta、德赛西威等软件及生态合作伙伴，相关算法与软件只是部署在高通SoC芯片上。不过众多头部合作伙伴会持续反馈芯片在性能、稳定性、软件适配等方面的使用需求，为我们芯片迭代提供重要参考。
其次，车载已经成为大模型落地的重要场景，通义千问等大模型已实现在车端运行。汽车作为高频使用终端，端侧 AI 具备安全、高效的优势，也是行业主流发展方向。目前舱驾融合、车端大模型仍处在发展早期，行业暂无统一的参数评判标准。整体来看，车端AI、复杂驾驶模型对算力的需求还在持续上涨，高算力、大内存将成为标配，支撑大模型与各类智驾、座舱功能稳定运行。
问：本次峰会骁龙8787芯片首次亮相，这款产品定位是什么？同时行业内部分企业一次性推出完整产品家族，高通选择分批发布产品，背后有哪些考量？
Nakul Duggal：目前骁龙汽车平台至尊版正处于集中上车阶段，骁龙8797已被大量车企采用。不同车企、不同定位车型，对芯片性能、功能组合的需求各不相同，有的选择单芯片实现舱驾融合，有的则将座舱与ADAS分置不同芯片。高通坚持打造高灵活性的解决方案，丰富产品矩阵，以此覆盖全层级车型需求，分批推出新品也是既定规划。
Anshuman Saxena：骁龙8787是骁龙汽车平台至尊版的延伸产品，和系列其他芯片拥有一致核心能力，主要面向中低层级车型打造，进一步完善了我们可扩展的产品体系。
问：当下车载算力芯片赛道竞争激烈，高通如何看待行业竞争？业内有观点称车载芯片算力过剩，但用户体验不佳，高通是否认同？将如何联合伙伴优化体验？
Nakul Duggal：端侧对算力、AI能力的需求仍在持续增长。一方面，300亿参数的大模型、更复杂的ADAS模型不断上车，从骁龙8650、骁龙8255到骁龙8797，产品性能实现数倍提升，未来十年汽车算力升级仍是主流趋势；另一方面，车载AI应用尚处于起步阶段，技术价值还在持续释放，并不存在算力过剩的情况。
车载芯片行业门槛极高，除性能外，还要适配复杂的车载运行环境，这是高通多年深耕积累的核心优势，也是我们差异化竞争力所在。
Anshuman Saxena：除AI大模型外，各类传感器、综合计算需求也在推动算力升级。高通服务全球众多车企与一级供应商，能够整合多方反馈优化算力分配，区别于车企自研仅解决自身单一需求的模式。同时，我们在汽车安全领域的长期技术积累，也是重要竞争优势。
问：近期内存价格上涨给行业带来压力，高通如何看待这一现状？将通过哪些技术手段，联合伙伴优化内存使用、降低成本压力？
Nakul Duggal：内存涨价是全行业共性难题，智能手机、汽车领域均受影响。预计未来12至18个月，内存供应紧张、价格偏高的局面仍将持续，后续随着产能释放，价格会逐步回归合理区间。
为应对挑战，我们推出Snapdragon Ride Flex平台，将智能座舱与ADAS功能整合至单颗SoC。相比以往座舱、智驾双芯片方案，该架构无需为两颗芯片分别配置独立内存，有效优化物料成本、降低内存带宽消耗，提升整体硬件利用效率。
问：高通将汽车、机器人划归至“物理AI”事业群，坚持安全相关推理在端侧完成。如今大模型训练主要集中在云端，高通是否主动放弃模型训练，仅聚焦端侧推理？这种分工模式能否长期稳定？
Nakul Duggal：当前绝大多数大模型训练工作都依托云端平台完成，这是行业普遍现状。而汽车、机器人等物理AI设备，算力消耗、模型应用落地全部集中在边缘端。高通的定位十分清晰：专注边缘端AI推理与能效优化。
行业主流模式就是云端训练模型，再将模型轻量化、蒸馏后部署到端侧，这一分工模式具备合理性，也会长期延续。边缘端自动化任务、智能推理的需求会越来越旺盛，这也是我们长期布局的核心方向。
问：如何定义物理AI？高通跃龙IQ10机器人解决方案和汽车芯片技术有何关联？掌握汽车芯片技术，是否就能顺利切入具身智能机器人赛道？
Anshuman Saxena：汽车是物理AI、具身智能最典型的应用场景，汽车ADAS用到的VLA 模型、大语言模型部署、数据处理等技术，和机器人领域高度相通，我们在汽车领域积累的AI 技术、工程经验可以复用至机器人业务。
但二者不能直接划等号。机器人的运动自由度、运行环境复杂度远高于汽车，场景差异巨大。因此，能做好汽车芯片，不代表可以直接落地机器人解决方案，跨界仍需攻克大量技术难题。
问：高通在智能座舱、L2级ADAS领域表现突出，但目前落地的L4级Robotaxi中少见高通方案，L4自动驾驶需要怎样的技术？高通为何暂时缺位，未来有无相关规划？
Anshuman Saxena：我们此前重点发力乘用车主动安全、L2级辅助驾驶与端到端智驾方案。骁龙 8797等平台完全适配L4级Robotaxi的技术需求，目前我们已经携手产业伙伴推进相关项目落地。L4自动驾驶一直是我们重点布局的方向，并非业务盲区，后续我们会持续加大投入，拓展高阶自动驾驶市场。
Nakul Duggal：汽车是“面向人类交互”和“面向机器执行”结合的典型载体，也是具身智能的起点。未来各类物理AI设备都会兼具人机交互与自主执行双重属性，汽车领域的技术架构，也将成为机器人、无人机等产品的发展参考。
问：今年国内车企纷纷以接近成本的价格推出高阶智舱、智驾方案，市场价格战愈发激烈，这是否在高通预期之内？激烈的价格竞争对高通而言是机遇还是挑战？
Nakul Duggal：中国智能汽车行业正处在技术快速变革期，车企都在积极落地前沿技术，市场竞争激烈是必然结果，也让消费者得以体验到更多智能化产品。
Anshuman Saxena：价格压力下，车企更有动力升级车内智能化体验。高通依托高性能芯片与整体解决方案，能够帮助车企打造差异化产品、提升产品价值，市场竞争反而为我们带来了更多合作机遇。
问：地平线、英伟达等企业纷纷布局软硬件一体化方案，高通为何坚持由合作伙伴负责软件开发？另外，中国技术迭代速度远快于欧美日等地区，高通如何平衡全球不同市场的发展节奏？
Nakul Duggal：首先来看全球市场节奏差异：中国消费者乐于接受新技术，车企布局电动化、智能化的决心强，技术落地、投资回报周期短，因此端到端大模型、舱驾一体等创新迭代速度极快。而欧美日等市场生态更分散，受法规、成本、车型替换周期等多重因素限制，技术落地节奏相对平缓。
针对不同市场，高通的核心策略是提供多元化、可灵活适配的技术方案。在软件层面，我们始终坚持生态合作路线：高通聚焦芯片硬件与底层平台，不自主开发ADAS、上层应用等软件栈，由国内软件厂商、车企、一级供应商完成上层软件开发与整合。这一模式可以充分发挥生态伙伴的优势，适配不同区域、不同客户的差异化需求，也是我们多年验证的成功路线，未来会继续坚持。
