透過與 Arm 全面性的合作夥伴生態系協作，Zena CSS 正加速自動駕駛的發展進程

作者：Arm 車用事業部歐洲、中東和非洲市場總監 Guilherme Marshall

閉上雙眼，想像你正坐上車準備去上班。車內溫度和座艙設置早已根據你的習慣調整到位。上車後，汽車透過學習已經瞭解你的駕乘習慣，主動詢問你現在是否再次前往辦公室。儘管你的車目前還無法在你居住的繁忙街區實現無監督導航，但你可以雙手離開方向盤，讓汽車在擁塞路段自主行駛，而你只需留意路況即可。

很快地，你的車就會提示你：現在可以放鬆下來，無需再緊盯路面，它將在約 45 分鐘內把你送到公司。在這段時間裡，你可以瀏覽新聞、處理郵件、開完兩場會議，或是安心看完昨夜還沒追完的劇集。

這些場景將透過車載人工智慧 (AI) 技術，逐步推進而實現。之前關於全自動駕駛自用車在城市道路中穿梭的預言，已成為更務實的發展路徑。汽車公司當前正聚焦於拓展 L2+/++ 級駕駛控制輔助系統 (DCAS) 和 L3 級自動車道保持系統 (ALKS) 的運行設計領域 (ODD)，以此為更高階的自動駕駛鋪路。

然而，自動駕駛的大規模部署仍面臨諸多挑戰，包括：

• 演算法侷限性；
• 高昂的開發成本與漫長的開發週期；
• 硬體限制。

借助 Arm Zena 運算子系統加速自動駕駛的實現

儘管存在上述的限制，L2++ 及 L3 級駕駛功能的實現仍有可行路徑——這一路徑正由 Arm Zena 運算子系統 (CSS) 結合汽車生態系的全產業合作夥伴共同打造。目前，Zena CSS 已被領先車廠採用，即將整合於尖端的自動駕駛控制單元，並將正式投入公共交通。事實上，有了 Zena CSS，汽車產業的領先者相信他們能夠超越分析師預測，大幅加速 L2+ 至 L4 級汽車的量產進程。

突破演算法侷限，為 AI 定義的汽車時代量身打造適用的技術

在道路上運行自動駕駛，是一項多面向的複雜任務。汽車產業已投入數十億美元，用在將明確的產業安全規範轉化為可執行的程式邏輯，這些規範界定了在 ODD 內，自動駕駛汽車在已知安全狀態和已知風險下應如何運行。然而，隨著 ODD 的拓展及新市場的加入，由於存在海量已知與未知風險構成的「長尾效應」，這種方式已被證明成本過高，難以實現安全規模化應用。

儘管多數風險是可預知的，但仍會存在一些未知風險，導致汽車難以做出適當的反應。例如，汽車能夠對馬路上出現的牛隻做出反應並及時調整行駛狀態，但如果是遇到在拖車上運輸的巨型牛隻模型，汽車並不需要做類似反應，這時又該如何應對？這類問題正是設計自動駕駛系統時需要納入考量的要素。

幸虧 AI 領域的最新突破為車廠提供了新工具，協助其建構可持續的技術模式，進而在更多市場中更快推出更先進的自動駕駛系統。借助基於注意力機制的類神經網路和視覺-語言-動作模型 (VLAM)，端到端學習技術為自動駕駛系統開闢了一條技術路徑，使其更能應對汽車端的場景，即便在前所未見的場景中，也能透過前因後果的推論做出決策。同時，自我監督學習大幅減少了目前在資料整理和標註上耗費的時間與成本。在適當的安全防護措施到位後，這些新技術將協助打造具備泛化能力的自動駕駛系統，真正滿足全球車廠的規模化需求。

Zena CSS 專為 AI 定義汽車中的次世代自動駕駛系統精心打造。這套經過全面驗證的運算子系統，具備無縫的系統擴展能力，從整合入門級車載資訊娛樂系統 (IVI) 和先進駕駛輔助系統 (ADAS) 的中央電腦，到 L2+、L3 及 L4 級特定領域控制單元均能相容。Zena CSS 基於 Neoverse CMN S3AE 汽車網狀網路互連技術建構，原生支援小晶片 (Chiplet) 架構，可透過標準化 UCIe 介面輕鬆整合 GPU 及 AI 加速器等異質運算小晶片，協助打造客製化且相容的產品。

Zena CSS 搭載 16 核 Arm Cortex-A720AE CPU，在高效能處理模組中整合了強大的 AI 運算能力。這些基於 Armv9 架構的 CPU 導入了全新的指令，能顯著加速 AI 和電腦視覺 (CV) 等工作負載，開發者透過開源的 Arm KleidiAI 軟體庫，即可無縫調用相關功能。例如，在感知基準測試 (如點雲轉換和鳥瞰圖建構) 中，當汽車工作負載從 Arm Cortex-A78AE CPU 遷移至 Cortex-A720AE 後，其效能提升了 30%。

此外，透過選配整合創新的 Arm Mali-C720AE ISP，可進一步提升 AI 感知效能。傳統 ISP 往往需要透過漫長且半手動的流程，以針對人眼視覺效果進行最佳化；而 Mali-C720AE 的可微分 ISP 功能模型，則能與鏡頭感知模型展開循環訓練，為使用者專屬的電腦視覺技術堆疊自動生成理想配置。此外，Mali-C720AE 的雙管線支援，為人眼視覺管線和電腦視覺管線分別配置參數，進而為兩種使用場景均帶來更優異的效能。

破解成本與週期難題，使開發週期縮短多達 12 個月

針對自動駕駛的次世代系統級晶片 (SoC) 是非常複雜的半導體裝置。硬體和軟體發展均需投入高昂成本，即便是資金雄厚的全球性企業也倍感壓力。而軟硬體在不同車型平台間的重複使用性受限，更讓這一問題雪上加霜——不僅導致成本倍數成長，還延長了量產啟動週期。Zena CSS 能直接因應這些挑戰，透過規範非差異化建構模組、最佳化生態系投入、簡化移植流程，有效解決了上述難題。

正如 Arm 資深副總裁暨車用事業部總經理 Dipti Vachani 所言，在 AI 時代，車廠若想保持競爭力，就必須在確保安全性、能源效率和靈活性的前提下，同時具備可擴展的運算能力。Zena CSS 可將晶片開發時間縮短長達 12 個月，並將每個專案的晶片工程投入減少多達 20%，協助車廠和晶片供應商更快地將新車推向市場。

Zena CSS 整合了經過驗證的低功耗高效能 CPU、專用安全島、Runtime 資訊安全保護區、參考韌體及軟體支援，形成了一套可直接用於晶片實作的完整子系統。更重要的是，它還提供符合 ISO 26262 (功能安全) 和 ISO 21434 (網路安全) 的相關認證。

為了加速啟動軟體發展，Arm 攜手生態系合作夥伴，在硬體就緒之前就提前提供 Zena CSS 的子系統級虛擬平台。總體而言，運算子系統及基礎軟體層的標準化，可將跨平台移植工作量減少高達 30%。

打破硬體侷限，重新定義能效

如今，各車廠已找到一條可行路徑：既能設計出可跨車型級別與 ODD 擴展的運算架構，又能滿足嚴苛的成本與能效要求。Zena CSS 採用模組化且可擴展的設計理念，該理念是基於 Arm 在能效領域的領先優勢及成熟的授權商業模式。透過降低產業內的同質化成本，基於 Zena CSS 建構的 SoC 將更具競爭優勢，而車廠的研發也能更精準地投入在能為其創造更高價值的核心能力領域。

邁向自動駕駛的進階之路

無論是為小型車款的 L2+ 級 DCAS 提供支援，還是協助高階車型實現 L4 級高速公路自動駕駛功能，Zena CSS 都為車廠提供了理想路徑，協助其打造一套涵括全系車型的統一自動駕駛運算平台。這一平台不僅能減少整合工作量、縮短產品上市週期，還能降低驗證與合規認證成本，進而加速實現自動駕駛規模化的願景。

以 Zena CSS 為核心，自動駕駛的未來發展前景可期。Arm 期待見證專為 AI 定義的汽車量身打造的自動駕駛運算系統，在加速實現自動駕駛技術規模化的進程中大放異彩。

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。© 1995-2025 Arm Limited.