為什么幾萬塊的車，都開始有先進輔助駕駛了？ 屬于汽車的一切都在重構，以往通過馬力和軸距構筑的森嚴等級正在松動，技術破解了品牌迷信，也正在建立新的平權。ADAS 芯片正在汽車輔助駕駛領域重寫類似于電腦和手機芯片曾有過的技術史詩，從實驗室的龐然大物，到少數產品的高高在上，再迅速地完成算力增長、價格降低的進化，最終普惠所有人，這就是為什么幾年前高階輔助駕駛屬于數十萬上百萬的豪車，如今門檻驟降的原因。在這背后，ADAS 的行業故事圍繞著「技術普惠」和「架構簡化」這兩大主線展開，在交匯點之處，一些具備移動計算時代深厚積淀的技術力量正在快速崛起，書寫新的市場格局。

整整 100 年前的 1925 年，一輛名叫「American Wonder」的汽車行駛在紐約曼哈頓的百老匯大街上，這輛汽車開得踉踉蹌蹌，幾乎多次要撞上其他車輛，以至于最后驚動了警察來護送這輛車，但最終這輛車還是撞上了另一輛載著電影攝像師的汽車。

《時代》雜志記錄了這輛意義非凡的汽車，并用「流浪漢」來形容它，因為它實在開得太爛了。

「American Wonder」史上留名是因為它被認為是人類自動駕駛的開端，這輛車由發明家弗朗西斯·P·胡迪納發明，后車發出的無線電波來控制車上的電機組，進而控制車上的方向盤、離合器和剎車。

所以，當時這輛車上是沒有司機的。

ADAS 的兩條主線，交匯在此

整整 100 年過去了，人類的自動駕駛進程，到哪里了？

按照國際汽車工程師學會對自動駕駛的分級（SAE J3016 標準），L0（完全由人類駕駛）--L5（完全由機器駕駛） 的 6 級劃分法，當下的階段是 L2 輔助駕駛，也就是系統能持續同時執行橫向和縱向控制（如車道居中保持+自適應巡航）。駕駛員必須全程監控環境，手不離方向盤（或需保持觸碰），隨時準備接管。

這個階段，駕駛的責任主體是駕駛員，但基本的駕駛行為可以交給機器了。

真是路漫漫其修遠兮，自動駕駛百年向前，看起來至今還行不過半。

但歷史的速度從來都不是均勻的，就像人類這一個世紀來創造的財富和產值，遠遠大于之前歷史的總和一樣，自動駕駛技術的速度也只會越來越快。

何以見得？

2023 年下半年，小鵬 G6 上市，把城區 NOA （自動輔助導航駕駛）車型的價格打到了 23 萬，高速 NOA 車型的價格打到了 21 萬，這個價格在當時足夠引發行業震動，因為此前想要一輛能夠城區 NOA 的車型，基本上都得花 30 萬元以上。

還沒過兩年的時間，ADAS（Advanced Driver Assistance System，先進駕駛輔助系統）的平民化和普惠化就已經超過了當時人們的樂觀估計。

今年 1 季度預售的零跑 B10，在 12 萬元的級別上用到了一顆高通的驍龍 8650 ADAS 芯片，一顆前向激光雷達，這樣的硬件搭配，加上端到端 ADAS 大模型，足夠支撐這款車型實現高速領航智能輔助駕駛，城區通勤智能輔助駕駛和停車場記憶泊車。

當然，零跑 B10 用到了不止一顆高通驍龍汽車芯片，在智能座艙上，零跑也選用了當下旗艦級別的驍龍 8295 來幫助這個入門款不到 10 萬元的車型打造主流乃至高端車型才有的座艙影音和 AI 智能體驗。

市場調研機構 Canalys 預計，2025年中國市場 L2 級輔助駕駛及以上功能滲透率將達 62%，高速 NOA 與城市 NOA 分別達到 10.8%和 9.9%。

萬象更新的變革時代，很多事情都看似矛盾，并且反直覺，但仔細一想又很合理。

關于輔助駕駛的宣傳甚囂塵上，但與 3100 多萬輛的國內汽車銷量相比，像高速 NOA 和城市 NOA 的滲透率其實比很多人的想象還是偏低的，未來升級空間巨大。

可以預見的是，后續幾萬塊的車有高速 NOA，10 萬左右的車配高速 NOA 和城區通勤 NOA，不到 15 萬的車來個全場景的 NOA 會是車圈常態。

這就是當下 ADAS 的第一條主線：它會在很短時間里變得更便宜，更普及。

至于第二條主線，則要更隱秘一點。汽車，早已從單純的機械工業品，變成了機械和電子交織的復雜工業品，在這個過程中，汽車的電子控制單元（ECU）越來越多，從傳統的引擎控制系統、安全氣囊、防抱死系統、電動助力轉向、車身電子穩定系統；再到智能儀表、娛樂影音系統、輔助駕駛系統；還有電動汽車上的電驅控制、電池管理系統、車載充電系統，以及蓬勃發展的車載網關、T-BOX 和駕駛輔助系統等等。

▲ 傳統汽車分布式電子電氣架構

如此多的電子系統盤踞在看似碩大的車身里，弊端逐漸顯現：算力分散無法高效利用，每個控制器芯片算力都有冗余，但各自為政效率低下；而 ECU 多意味著線束多，有的車輛里甚至可達 2000 米長，20-30 公斤重的程度；汽車總線負載大，容易信號丟幀......

于是這幾年汽車的電子電氣架構變革也在悄然進行，正在從復雜且脆弱的分布式架構往功能域控制器架構演進，按照現在的主流劃分，域控制器主要有五種：動力域（Power Train）、底盤域（Chassis）、車身域（Body/Comfort）、座艙域（Cockpit/Infotainment）、駕駛輔助域（ADAS）。

也有汽車企業會進一步集中域控制器，整合成「車控域控制器（VDC，Vehicle Domain Controller）、駕駛輔助域控制器（ADC，ADAS\AD Domain Controller）、智能座艙域控制器（CDC，Cockpit Domain Controller）」的三域架構。

但三域架構也不是終局。

「艙駕一體」的概念正在興起，行業寄希望于一顆 SoC 芯片，就能完成 ADAS 和智能座艙的控制。

在 2023 年CES發布的 Snapdragon Ride Flex 平臺（包括高通驍龍 8775）就能以單顆 SoC 同時支持智能座艙和 ADAS 功能。上海車展現場，北汽與高通合作帶來了全球首款艙駕融合AI平臺。目前已經有多個基于驍龍 8775 艙駕一體 SoC 芯片的項目正在路試當中，預計不久之后我們就能看到艙駕一體方案的正式車型落地。

前面說到的零跑 B10 在 ADAS 和智能座艙上采用雙驍龍芯片的 One-box 方案，這種方案的優勢就是高集成度和低系統成本，艙駕一體的 One-chip 方案則會更進一步地降低汽車硬件成本，降低系統延遲，以及提升數據協同能力。

鑒于目前高通驍龍座艙平臺在行業內的地位，以及 ADAS 芯片快速起量的狀態，加上高通 Snapdragon Ride Flex 平臺支持通用硬件架構上同時運行ADAS 和座艙軟件功能，這樣過往廠商在驍龍座艙平臺和驍龍 ADAS 平臺上研發的算法，都可以無縫遷移到新的艙駕一體平臺，大大減少了開發成本。

在 2024 年10月的高通驍龍峰會上，高通發布了新的 ADAS 平臺——Snapdragon Ride 平臺至尊版（Snapdragon Ride Elite，其 SoC 包括驍龍 8797），支持超過 40 個攝像頭和多模態傳感器，實現基于 AI 的端到端傳感器融合，能生成高度精確和可靠的 360 度全方位車外覆蓋視圖；還支持運行大型端到端 Transformer 等算法，能夠處理數據并支撐做出 L3 和 L4 級駕駛輔助的實時決策。

至此，ADAS 的兩條主線就有了明顯路線圖和交匯處：

• Snapdragon Ride 平臺（驍龍 8620）：等效稀疏算力 100+TOPS，主要面向高速 NOA
• Snapdragon Ride 平臺（驍龍 8650）：等效稀疏算力 200TOPS，主要面向城區 NOA
• Snapdragon Ride Flex 平臺（驍龍 8775）：艙駕一體，座艙和 ADAS 融合
• Snapdragon Ride 平臺至尊版（驍龍 8797）：支持高性能ADAS，也支持艙駕一體，面向未來的座艙和 ADAS 融合體驗

以不久之后就會落地上市的高通驍龍 8775 為例，行業估算，相比于主流的中端座艙芯片驍龍 8155 搭配高性價比 ADAS 芯片驍龍 8620 的組合，單顆驍龍 8775 方案的系統整體成本降幅至少為 20%。

可以看到，ADAS 的普惠化，恰好可以因為艙駕一體的技術演進而進一步達成，高通 Snapdragon Ride 平臺恰好就在道路的歸一處。

技術演進和商業落地的雙螺旋，需要一個連接點

雖然人類有了自動駕駛的想法可以追溯到 1925 年，「American Wonder」這輛車代表了人類對未來駕駛形態的憧憬，但實際上，現在 ADAS 基礎的技術路線（依靠計算機視覺和機器學習）要到上個世紀七八十年代才有雛形：日本筑波機械工程實驗室和美國卡耐基梅隆大學的研究分別引入了攝像頭和神經網絡人工智能技術。

▲ 上世紀八十年代卡耐基梅隆大學 NAVLAB 項目的 ADAS 實驗車

可以看到，光是從構想，到走上正確的道路，都花了半個世紀的時間，而有了正確的技術路線，到走出實驗室，與每個人相關，又花了快半個世紀。

這段漫長路線確立之后，從實驗室技術普及的發展往往會經歷「Tick-Tock」的節奏，一段時間里，技術需要性能為王，留足性能冗余；在另一段時間里，技術又要優化性能，讓每一份性能都物盡其用。

輔助駕駛領域也是如此，前兩年我們看到了不少車輛不計成本地往車里塞頂級算力芯片，然后，用不上......

ADAS 領域的技術發展「Tick-Tock」節奏，到了物盡其用，降低成本的階段。

比如說基于 Snapdragon Ride 平臺（驍龍 8650），ADAS 方案提供商卓馭科技推出的具有 NOA 功能的基礎版 ADAS 方案，硬件成本約 7000 元，在行業內極具性價比。

到了 2025 年這個節點，高速 NOA 與城市 NOA 滲透從小眾往大眾發展的階段，車企、方案商和消費者開始關心的是，在合理算力和功耗下，誰能提供更高的系統效率、更強的生態適配能力，以及更具性價比的交付路徑，而不是那個算力數字。

有趣的是，對艙駕一體方案更有興趣的，反而是主流價位段的汽車產品，對于 10-20 萬價位段產品而言，體驗和成本的拉鋸戰最為激烈，「既要又要還要」是產品定義上的日常，所以，既要智能座艙，又要 ADAS，還要成本降低的艙駕一體 One-chip 方案就成了必由之路。

其實也不難理解，ADAS 方案的發展，和電車電池與續航的發展路徑頗有相似，以往電車想要追求長續航，第一時間想到的是塞一塊能量密度高、容量大的電池，最好就是 100 度電的三元鋰電池，但這樣成本和重量都不好控制，于是后面諸多車廠就開始從降低風阻，車身減重，電池、電機和電控三電管理，以及熱管理層面層層優化，也能讓 70 度電的磷酸鐵鋰電池提供不錯的續航成績。

做 ADAS，直接上算力最高的芯片肯定是最簡單粗暴的做法，但一看成本，單顆芯片價格就差不多上萬元，芯片滿載功耗也到了 280 瓦，大眾車型和燃油車型肯定是指望不上了。

所以，類似于驍龍 8650 和驍龍 8620 這樣的產品，處在性能、能效和成本的平衡點上，同時還要全能、易于開發，可以更好地承擔起 ADAS 普及普惠的任務。

今年上海車展上，ADAS 方案提供商 Momenta CEO 曹旭東就回憶了他們之前和高通合作的一個小細節：

我們在全球是首發了驍龍 8620 方案，當時高通對于驍龍 8620 的產品規劃還沒有出來，就跟我們一起來討論，我們說中國的市場的需求是什么、成本的需求是什么，然后高通一聽完之后就覺得，哎，這個非常正確，然后全力支持，到我們第二次開會的時候，高通就把驍龍 8620 芯片以及能夠支持被動散熱 Demo 就拿出來了，非常地迅速，當時我們就非常震驚，就覺得速度非常快，特別中國速度。

細究其中的潛臺詞，一是 Momenta 與高通聯合研發節奏相當快，高通對于客戶需求響應速度非常迅速；二是許多 Momenta 的車企客戶對成本和散熱非常敏感。這是因為如今不少燃油車型也有 ADAS 的需求，但自身先天架構對硬件能效比和熱管理成本敏感，所以需要便宜且能效比又高的 ADAS 芯片。

▲ 博世基于高通驍龍 8775 推出跨域融合解決方案，量產車型今年下半年投產

已經上市的零跑 B10，亦或是基于高通 Snapdragon Ride 芯片做 ADAS 整體解決方案的 Momenta、卓馭等等，還有基于高通 Snapdragon Ride Flex 平臺做艙駕一體方案的車聯天下博世、德賽西威等等，都證明了在 ADAS 上存在一種技術演進和商業落地的雙螺旋，這個雙螺旋的連接點，就是算力夠、成本低、會進化、開發簡單的 ADAS 芯片平臺。

根據高通官方的數據，自 2016 年以來，Snapdragon Ride 平臺已在全球 60 多個國家和地區完成驗證，并持續進行研發與優化。目前，超過 20 家車企已宣布推出或正在開發基于 Snapdragon Ride 平臺的具備 ADAS 功能的車型。其中包括寶馬集團、通用汽車、雷諾集團、Stellantis 集團和大眾集團等全球車企，以及北汽集團、北京現代、奇瑞、一汽集團、零跑汽車、上汽通用和上汽大眾等多家中國車企。

高通也講到了他們對于艙駕一體芯片平臺如何減少了整體的 BOM 成本并簡化計算工作流的看法，及其對于降低系統時延、提升數據吞吐量的影響；還提到了對過去的兼容，以及對未來的支持：

集成與部署工具簡化了新系統與現有汽車技術的融合過程。它們支持 CAN、LIN 和以太網等關鍵通信協議。 Snapdragon Ride 還利用生成式 AI，根據駕駛員的行為和偏好實現個性化設置，從而提升駕駛體驗。生成式 AI 還可基于過往行為模式預測駕駛員操作，使系統能夠預判并降低潛在風險。 Snapdragon Ride 平臺可提供真實數據與仿真測試工具，構建可控的測試環境，支持嚴苛的測試、驗證及迭代優化。

從卡耐基梅隆大學的實驗室，到 Google 的ADAS商業探索，再到國內各大汽車廠商在各個層級、各個技術路線和各個價位段上進行的商業落地，以及逐漸收斂且清晰的技術路線，二者之間的連接點，自然少不了技術普惠和技術結構簡化。

人類歷史上最成功的消費電子市場分別是 PC 和智能手機，由此誕生了硬件生意、軟件生態乃至成為時代經濟增長的主要動力，半導體的進展在這兩次變革里居功至偉。

作為房地產外人類最大的單一品類市場，汽車很久以來都沒有把半導體放在優先位置，而這一次則不一樣了。

100 年前在曼哈頓街頭亂撞的那輛汽車和發明者猜到了結局，但礙于時代局限，不會知曉這個過程當中，半導體會成為實現駕駛輔助的核心要素，以及當時作為上流社會象征的汽車，成為了工業化的明珠，也成為多數人負擔得起的產品，而這個產品，已經迎來了一場全面的 ADAS 變革。