C114讯 8月31日消息（岳明）当AI从云端算力训推走向真实物理场景，以辅助驾驶为起点、智能机器人为目标的物理AI赛道正在加速，推动人工智能从“被动响应”向“主动感知、自主决策”加速演进。
2026年8月，在产业变革的关键节点，C114受邀走进高通圣地亚哥总部，与高通技术公司副总裁兼ADAS和机器人业务总经理Anshuman Saxena深度对话，探寻高通在自动驾驶、机器人等物理AI领域的技术布局、量产进展与长期战略蓝图。
锚定辅助驾驶深耕：从L2+量产普及到自动驾驶迭代突破
作为高通核心优势赛道，辅助驾驶业务持续高速增长。在上个财季，高通汽车营收15.9亿美元，同比增长61%，是当前高通最大的业务增长点。
在Anshuman Saxena看来，高通在汽车领域的一个核心竞争力就是，“从ADAS到舱驾融合，高通拥有覆盖入门级解决方案到高端解决方案的、非常多元且可扩展的路线图。”在不久前于中国无锡落幕的“2026高通汽车技术与合作峰会”上，高通完整展示了从舱驾融合到高阶驾驶辅助的全场景解决方案。
当下，L2+辅助驾驶已进入普及阶段。Anshuman Saxena指出，依托车载全域传感器、摄像头的海量数据采集能力，高通可通过云端数据标注与持续训练，实现驾驶系统的动态迭代优化。围绕行业热议的强化学习、VLA模型等技术瓶颈，高通依托边缘算力优化与系统级调度能力，让车载智能体能够适配复杂路况、极端场景，持续优化人车交互与驾驶决策体验。
谈及L3产业落地节奏，Anshuman Saxena指出，L3阶段车辆控制权由汽车来主导，相应的法律责任也会更多转移到车企一方。“L3会更多部署在一些结构化程度更高的特定场景中，中国在L3和更高阶L4的部署和落地速度上，可能会比其他市场推进得更快。”
Anshuman Saxena表示，高通已经推出了Snapdragon Ride平台至尊版（骁龙8797），已有多家汽车厂商进入量产阶段，或已经公开宣布了合作及车型定点。“Snapdragon Ride平台至尊版已经为各级别驾驶辅助解决方案做好了准备，在中国、日本、德国，以及欧洲和北美的车企中都获得了认可。至于最终将其应用于哪一级别，主要还是由汽车厂商来决定。”
在今年，高通完成了对自动驾驶初创公司Wayve的投资，对于Wayve将会与高通如何协同，Anshuman Saxena表示，Wayve拥有基于世界基础模型的出色的解决方案。高通与Wayve正在提供一套预集成解决方案，将Wayve端到端解决方案与高通的安全技术栈结合起来。据Anshuman Saxena透露，这套技术栈已经率先在宝马车型（BMW iX3）上实现部署，后续会有更多车企采用。在该套技术栈的加持下，BMW iX3以及后续车型获得了2026版Euro NCAP最高的五星评级，充分体现了高通解决方案在安全方面的优势。
抢占物理AI新赛道：全栈布局打造机器人产业核心底座
辅助驾驶只是物理AI的起步阶段，机器人才是物理AI的“星辰大海”。
在Anshuman Saxena看来，机器人系统远比车载系统复杂，除AMR（自主移动机器人）和机械臂等形态外，整个机器人行业仍处于早期阶段；要打造具备通用能力的机器人解决方案，需要解决数据来源、场景适用性、系统架构以及连接性等多个层面的挑战。
在数据层面，如果要让机器人具备泛化技能，就需要针对每项具体任务积累大量数据，但现在行业内高质量数据集是相当匮乏的；在场景适用性层面，涉及传感器、机械臂和执行器与不同任务的适配；由于每个场景的需求不同，不存在一种通用机械臂能够适配所有应用场景。
系统架构层面，用一台强大的计算机来解决一切问题——即“单一通用大脑”方案是不现实的，“机器人更需要分布式智能”。以抓取动作为例，对物体的识别和抓取力度的判断，应当在智能机械臂端完成，必须采用低功耗、低时延，并能够直接处理传感器数据的解决方案。与此同时，这些信息也需要传输到“大脑”，用于进行时间跨度更长的动作规划。
Anshuman Saxena指出，对于以机器人为代表的物理AI，高通重点关注数据收集及相关工具、仿真、仿真到现实，以及如何将可落地的解决方案融入其中；还要关注可扩展的SoC和硬件平台，构建起从SoC芯片、软硬件平台到AI模型优化的全栈解决方案。
在产品端，今年CES上，高通正式发布了高通跃龙IQ10平台。目前，包括Figure AI以及NEURA等在内的多家公司已经宣布了与高通的合作；近日，高通还宣布在日本成立机器人中心，“机器人行业在评估和验证新方案上需要一定时间，相关工作目前都在积极推进。”
在模型端，同样在今年CES上，高通对外展示了自研的VLA（Vision-Language-Action，视觉-语言-动作）控制的人形机器人。在Anshuman Saxena看来，高通的目的并不仅仅是训练大模型，而是如何从系统层面对模型进行优化。在谈到WAM（World Action Model，世界动作模型）时，Anshuman Saxena称之为行业“北极星”，高通也在积极探索，“WAM涉及物理引擎，这意味着模型会变得非常庞大，需要针对特定的用例或使用场景对模型进行蒸馏。WAM需要探讨物体的真实物理特性及其行为方式，而这正是机器人系统的最终目标。”
在采访最后，Anshuman Saxena强调，机器人产业走向成熟，必须要基于不同应用场景解决成本和功耗两大难题。“只有把成本控制在合理水平，机器人才能实现规模化发展。而想要实现合理成本，就必须有可扩展的解决方案。依赖‘单一通用大脑’是无法实现规模化的。对高通而言，我们拥有从通信到传感器、从计算到SoC的完整可扩展技术堆栈，这就是高通为机器人行业所提供的方案。” 
