先来看一组关键数据。
13亿美元——这是高通汽车业务在2026财年第二季度（截至2026年3月）交出的单季营收，同比增长38%。粗略估算，高通每年从汽车领域获取的收入已超过50亿美元。高通CEO安蒙预计，到2026财年结束时，这一数字将突破60亿美元。
要知道，三年前，高通在汽车领域的年收入还不到20亿美元。
作为对比，英伟达2026财年（截至2026年1月）全年汽车收入为23.49亿美元，同比增长39%。高通一个季度的营收，就接近英伟达大半年的水平。当然，两家统计口径不同——高通涵盖了智能座舱、车联网连接和ADAS全栈方案，英伟达主要计入自动驾驶芯片及软件授权收入。
不过趋势已经非常明显：在汽车芯片这场长跑中，高通正将大多数对手甩在身后。
两天前，高通在无锡举办了第四届汽车技术与合作峰会。60多场演讲、70多家供应商、50多台展车，规模不小。会上高通宣布与上汽大众深化合作，与卓驭科技联合发布下一代舱驾融合域控制器，还携手诚迈科技、斑马智能、德赛西威、中科创达等六家公司共同启动了“车端人工智能Claw生态计划”。
“智能体之年”，汽车芯片公司在谈论什么
高通中国区董事长孟樸在主论坛上表示：“2026年是智能体之年。”
这一判断并非高通一家之言。吉利副总裁李传海在2026年5月也表达了类似观点——在他看来，未来的智能座舱不会有固定界面，也不需要一个独立APP，一个足够强大的AI智能体就能读懂用户需求。火山引擎在2026北京车展上也发布了Agentic AI架构方案。
但“智能体”这个概念，在汽车场景中究竟如何落地？
简单来说，就是从“你问它答”升级为“它替你完成”。传统语音助手需要等待用户下达指令，而智能体则会主动观察、判断并帮用户处理任务。例如，当你上车时情绪低落，它不会问“想听什么歌”，而是直接切换到常听的播放列表、调暗氛围灯、自动导航回家——整套服务一气呵成，无需多余对话。
要实现这些功能，芯片端的要求非常明确：AI算力必须足够强大，能运行端侧大模型；传感器数据不能各自为战，摄像头、麦克风、雷达的信息需要打通；推理必须在本地完成，不能什么都依赖云端。
高通汽车事业群总经理Nakul Duggal在演讲中回忆道：智能体AI的构想在三到五年前还停留在概念阶段，如今正逐步变为现实。他认为，高通率先推行的舱驾融合架构，让统一的底层平台可以直接调用车内外传感器等硬件资源，智能体框架因此运行得更顺畅。
这是一个非常合理的技术叙事——前提是芯片确实能支撑这些需求。
三颗芯片，覆盖三个价位段
高通目前面向汽车市场的核心产品线有三条，定位与能力差异非常清晰。
骁龙8775（Ride Flex SoC）是行业内首款将座舱交互和ADAS计算合二为一的单芯片方案。一颗芯片取代了过去座舱域控和智驾域控两套系统，高通表示系统级成本可降低约20%，主攻10万至20万元区间的车型。8775于2024年发布，2025年底开始量产，目前已获得9款车型定点，量产搭载的包括极狐阿尔法T5、阿尔法S5、东风日产N6、别克昂科威L7。峰会上亮相的问界V9也基于这颗芯片，现场还开放了试乘，体验记忆泊车和城区NOA等功能。
骁龙8397（座舱平台至尊版）在峰会上的存在感最强。斑马智行用它运行了全模态端侧大模型AutoOmni的实车方案，中科创达推出了AquaClaw车载AI智能体，诚迈科技展示了“萤火Claw”，在端侧实现了类似OpenClaw的智能体助理体验。东软智行基于8397打造的端侧AI智能座舱域控产品，已获得多家头部车企定点。
这些演示之所以能够实现，是因为8397相较于前代8295的跃升幅度足够大。AI算力从30 TOPS直接跃升至320 TOPS，接近10倍增长。CPU和GPU性能提升3倍，并采用了高通专为汽车定制的Oryon CPU架构。8295时代端侧大模型只能运行10亿参数，8397则直接提升到了140亿。
骁龙8797（Ride至尊版）是当前高通汽车芯片的天花板。单片算力1280 TOPS，定位30万元以上高端车型，支持端到端Transformer算法和VLA（视觉语言动作）模型。目前已获得18个车型定点，10款车型已量产或正在量产中。最具代表性的量产案例是理想L9 Livis——这款车于5月15日发布，售价50.98万元，搭载骁龙8797加两颗理想自研马赫100智驾芯片，官方宣称有效算力2560 TOPS。座舱配备29英寸6K全景屏、48GB座舱内存。
峰会上，高通还与卓驭科技联合发布了基于8797的下一代舱驾融合域控制器。车联天下基于同一芯片打造的新一代域控也在展区亮相，通过中央计算与分布式边缘计算协同，为驾驶辅助、智能座舱和端侧AI应用提供统一的计算基础。
战场上并非高通一家独大
高通在座舱芯片市场的份额据行业估计超过70%，8295几乎成为中高端车型的标配。但进入ADAS和中央计算领域，局面就有所不同了。
英伟达DRIVE Thor，单片算力2000 TOPS，在规格上仍然领先。极氪是Thor上车最积极的车企，2026款极氪7X、9X已量产搭载。英伟达与奔驰、蔚来等也有深度合作。在自动驾驶芯片市场，英伟达估计占据约40%的份额。
联发科也在积极切入这一市场。Dimensity Auto CT-X1是一颗3nm制程的座舱旗舰芯片，NPU算力46+ TOPS，支持130亿参数多模态大模型端侧部署，实测性能超8295约30%。联发科还与英伟达合作开发下一代车用SoC，首款合作芯片预计2026至2027年量产。
国内供应商的动作同样密集。地平线在2026年发布了星空（Xingkong）系列芯片，BPU算力高达650 TOPS，定位中国首款舱驾融合智能体芯片。配套的整车智能体操作系统KaKaClaw一并推出。
车企自研芯片的趋势也在加速。蔚来2026年初宣布全系换装自研神玑NX9031芯片，称单车成本降低1万元。小鹏推出图灵芯片，理想的马赫100已随L9 Livis量产。
2025年中国乘用车前装舱驾一体计算单元达到156万台，同比增长近50%。这一增速说明舱驾融合已度过概念验证阶段，进入规模化部署期。高通、英伟达、地平线、联发科都在争夺这块蛋糕，技术路线与商业逻辑各有不同。
端侧大模型：从“能跑”到“好用”
端侧大模型上车是2026年汽车AI的核心叙事之一。
面壁智能的SuperMate是目前量产规模最大的方案。模型参数控制在100亿以下（MiniCPM 3.0系列），已搭载在吉利、长安马自达等多款量产车型上。面壁智能CEO李大海预计2026年底搭载量将达30万辆。这家公司还拿到了ASPICE L2级评估，是国内首家获得该车规认证的大模型企业。
在地平线的征程6芯片平台上，座舱对话模型用了28亿参数，语音交互延迟低于80毫秒，断网状态下可连续交互100轮。自动驾驶则使用70亿参数多模态感知模型，推理功耗控制在12W以内。
工具链选择对延迟的影响巨大。地平线的实测数据显示，从PyTorch切换到SNPE后，推理延迟从300毫秒降到50毫秒，降幅达六倍。
高通的8397将端侧大模型的天花板推到了140亿参数。到了这个量级，车载AI已能够胜任多轮对话、多模态理解和任务规划，远远超出传统语音指令识别的范畴。
但端侧模型与云端模型之间仍然存在能力鸿沟。目前云端的旗舰模型参数量已达千亿甚至万亿级别。车上的140亿参数模型更像一个“够用的本地助手”，复杂推理和知识密集型任务仍需云端协同。高通与谷歌合作，将Gemini Enterprise for Automotive的云端AI与端侧Snapdragon方案结合，正是为了弥补这一差距。
汽车芯片的下半场
从2024年至今，骁龙数字底盘解决方案已支持中国车企推出超过300款智能网联汽车。合作名单涵盖大众、宝马、奔驰、丰田、Stellantis、蔚来、理想、零跑、极氪、长城、奇瑞、东风。
这些数字表明高通在汽车芯片领域的地位已经相当稳固。但“稳固”与“不可替代”之间仍有距离。
车企自研芯片的动力非常充足：降低成本、掌握数据、减少对单一供应商的依赖。蔚来、理想、小鹏都已在这条路上迈出了实质性步伐。联发科和地平线的产品逐渐成熟，也在为车企提供更多选择。
高通的应对策略是把自己从芯片供应商升级为平台公司。覆盖座舱、ADAS和连接全链路，硬件之上叠加AI框架与开发工具，单芯片和中央计算两条路线都不落下。“车端人工智能Claw生态计划”联合六家企业共同推动，也是在试图将生态做厚。
安蒙在Computex上提出了“计算连续体”的概念：AI后台持续运行，随时感知、调度资源、做出响应。汽车正是这个连续体中最重要的移动节点之一。
这个构想能走多远，取决于两件事：端侧模型的能力爬坡有多快，以及车企自研芯片会走多远。
从这场高通峰会来看，至少供应链这一端已经准备就绪。
