作者: Arm 實體 AI 事業部產品與解決方案副總裁 Suraj Gajendra

隨著人工智慧 (AI) 正在重新建構人與汽車的互動模式，那些曾被視為遙遠藍圖的構想，如今已在汽車中成為現實。

由 AI 驅動的許多變革，往往不易被察覺。例如，在等停紅綠燈時，導航系統會提前生成停車提示；日常通勤途中，語音助理可精準選取使用者的偏好路線。這些不易察覺的應用場景，正好印證了 AI 已深度融入汽車座艙，以流暢的最佳化技術，持續提升駕乘體驗。

根據 Arm 發佈的《AI 就緒指數報告》中的資料顯示，全球 82% 的企業領導者表示，其所在企業正在使用 AI 應用，然而僅有 39% 的企業已制定了清晰、全面的 AI 策略。這項技術落地與策略規劃的斷層，如今也反應在汽車領域。當技術已趨於成熟，產業急於解答的核心問題是：如何推動 AI 落實在安全、高效率且規模化的全場景應用之中？

汽車產業絕非 AI 革新的旁觀者。AI 重塑世界的力量有目共睹，而在汽車這一個關鍵場景中，這場技術變革的落實速度，早已超出一般預期。

車用智慧新紀元

多年來，車用 AI 的討論焦點始終圍繞在自動駕駛技術的願景上；然而，真正的進展其實正發生在我們早已熟悉、且駕駛仍然握有主導權的車輛之中。

新一代多模態座艙智慧副駕，正融合語音、視覺與手勢互動技術，建構自然流暢的對話式人機界面。此類系統均基於 Arm 架構的專用運算單元，在裝置端運行。此一技術轉型，不僅有效降低資料傳輸延遲、守護使用者的隱私安全，還讓體驗更自然、更貼近直覺而非冰冷的技術。下一階段的核心發展方向，是這些體驗的接續性。使用者可將家中智慧助理的互動體驗，無縫地延續至汽車座艙內，真正實現跨場景的對話銜接。

AI 同樣在重塑駕乘者的座艙體感。即便是傳統上用車流程中的一般操作，也正朝著智慧化方向反覆運算升級。例如，厚重的紙本車主手冊已全面完成數位轉型。如今，駕駛者無需翻找深藏在手套箱內的紙本手冊，只需直接向車輛發問 ——「這個指示燈代表什麼意思？」、「今天標準胎壓應該是多少？」， 座艙內建的 AI 模型，便能即時給出吻合當下場景的清晰解答。

當 AI 馳騁於道路上

若說座艙之內的 AI，正以人性化的互動重塑駕乘體驗，那麼在車外的廣闊世界裡，則面臨著更為複雜的技術挑戰 —— 先進駕駛輔助系統 (ADAS) 與自動駕駛技術持續反覆運算演進，技術路線也呈現出多元化發展態勢。

傳統 ADAS 軟體仍將智慧駕駛的實現拆解為多個獨立模組：一套系統負責識別障礙物，另一套系統判定應對策略，第三套系統則執行實際操控動作。而憑藉著數十億個資料樣本訓練而成的次世代端到端 AI 模型，正逐步打破這種分層，將上述功能整合為單一的類神經網路，可直接將感測器採集的原始資料，轉化為安全可靠的駕駛操作指令。

如今，兩種技術路線的共存已成為產業現實。在許多高階車款中，AI 模型可即時解讀雷達、光達與攝影機採集的資料，實現從免持方向盤變換車道到自我調適的高速巡航等功能。不同技術路線，對算力、頻寬與安全驗證的權衡各不相同，而這些技術的結合，正共同重新定義車輛所運行的軟體堆疊。

我們不可能在一夕之間捨棄累積了數百萬英哩的模組化學習成果。模組化 AI 與端到端 AI 將會並存一段時間。

閱讀《Arm Zena 運算子系統：為 AI 定義的時代打造可擴展的自動駕駛技術之路》部落格，瞭解如何借助 Arm Zena CSS，實現自動駕駛技術的規模化部署。

串聯雲端與汽車

便捷的駕乘體驗背後，其實仰賴更為複雜的關鍵要素——雲端到汽車的一致性。AI 的訓練工作負載仍將在雲端進行，而負責即時決策的推論，則會在車輛內部完成。

隨著未來車用 AI 的應用中，雲車一致性協作的重要性將更為凸顯。當兩者在架構與工具層面的契合度越高，技術從研發到落實的轉化效率才越可觀。

這種深度協作的價值不言而喻：開發者可於雲端完成模型的建構與測試，無需重寫程式碼、也不必犧牲效能，即可直接在車用系統運行。由於 Arm 運算平台在資料中心與邊緣端 (包含汽車) 的廣泛部署，工程師能夠從模擬測試到硬體落地的無縫銜接，進而提升系統效能與運行效率、簡化移植流程，同時確保推論結果的一致性。

建構車用智慧的信任基礎

現代汽車正逐漸由 AI 定義，必須同時處理數十項併行任務。這些任務既包括透過操控轉向、制動及避障功能保障乘客安全，也涵蓋借助音樂串流媒體、疲勞監測及城市交通導航功能最佳化駕乘體驗。各類工作負載併行運轉，且每項任務均需滿足差異化的優先順序、功能安全及防護標準。因此，當開發者著手開發時，必須確認自身應用在混合關鍵任務層級中的定位，以及其所需支援的核心需求。

架構的獨特性，正是破解此難題的關鍵。Arm 的車用 AE 系列處理器在設計之初便內建功能安全機制，確保即便車輛其他系統處於多工併行狀態，執行保證生命安全關鍵操作的核心系統仍然穩定可靠。

同時，Arm 機密運算架構 (CCA) 可建構硬體隔離的安全數位領域，將敏感工作負載與通用應用進行隔離。例如，駕駛監測演算法能夠對攝影機採集的資料進行分析，且全程不會將資料暴露至車載資訊娛樂系統。也就是說，即使車輛算力負載持續攀升，安全防護與隱私保障仍能獲得充分保障。

目前汽車產業面臨的核心挑戰，絕非單純的提升算力效能，而是如何在汽車智慧化程度不斷提升之際，持續鞏固使用者對車用智慧系統的信任基礎。

共同基礎的力量

車用 AI 的下一波躍進，關鍵在於實現全堆疊技術的協同整合，而非單純的研發新硬體。每一款車用平台均搭載專屬的晶片、中介軟體及作業系統，若無統一的共同技術基礎，開發者就需要為每一款新車型重複編寫程式碼。

這正是技術協作的價值所在。嵌入式邊緣裝置的可擴充開放架構 (SOAFEE) 為車用底層基礎軟體制定標準，能夠實現啟動流程、電源管理及底層韌體的標準化統一。這項措施可幫助開發者將精力聚焦於高附加價值部分，打造差異化的使用者體驗與 AI 功能。

SOAFEE 的核心目標，是對無需差異化開發的軟體層級進行標準化規範，進而為開發者提供一套一致性技術基礎，支援其在不同 Arm 架構平台上高效率地開展研發工作。

深入解析可擴展 AI 硬體的藍圖

在硬體底層，規模化能力透過 Arm Zena 運算子系統 (Compute Subsystem, CSS) 加以落實。這是一套針對次世代車用系統單晶片 (SoC) 的預整合、預驗證的運算平台，將 CPU 叢集、安全島、安全隔離區、系統 IP 及偵錯工具整合在同一個一致的平台之中。

更強的算力能夠驅動更豐富的 AI 功能，但同時也會帶來更高的能耗。因此，從子系統的視角，可讓這些效能與能耗的取捨權衡變得清晰。這種清晰的視角，能夠幫助工程師做出更科學的設計決策，在算力、安全性與成本之間精準平衡，且可相容於不同級別車型的規模化部署的需求。

Arm 於 2024 年推出的虛擬平台，目前已拓展至 Arm Zena CSS，協助軟體團隊提前啟動軟體開發與部署工作。在晶片推出前，開發者即可借助硬體數位孿生模型建構並測試程式碼，進而完成效能最佳化。這代表當晶片就緒時，配套軟體也同時準備完成。

駛向 AI 定義的未來

邁向 AI 定義汽車的旅程，不僅需要嚴謹的工程技術，更需要大膽的想像與創新。如今，AI 已實現駕乘體驗與車用及雲端運算的深度連動，在保障高效能與高能源效率的同時，還需要無縫的開發體驗。

雲端技術始終將扮演關鍵角色，但更重要的是，必須讓從雲端到汽車的發展路徑具備高度韌性，並且盡可能順暢無縫。

隨著汽車 AI 技術更趨成熟，其發展成敗將取決於 Arm 數十年來始終堅守的關鍵平衡法則：以高效能與高能源效率驅動技術創新，以卓越的規模化能力，讓更多人受惠於尖端的科技體驗。

關於 Arm

Arm 是業界效能最高且最節能的運算平台，其無可比擬的應用範疇觸及全球所有連網使用者。為因應全球對運算永無止境的需求，Arm 提供先進的解決方案，使全球領先的科技公司得以釋放前所未有的 AI 體驗與功能。透過與全球最大的運算生態系及 2,200 萬名軟體開發者的共同努力，我們正在 Arm 平台上建構 AI 的未來。

所有資訊都「依目前情況」提供，且並不帶保證或代表性。此文件可以自由分享，但不得修改且必須註明出處。Arm 是 Arm Limited（或其子公司與附屬機構）的註冊商標。所有品牌或產品名稱均為所屬公司之財產。© 1995-2026 Arm Limited.