泸深策略APP下载从软件定义到AI定义，Arm如何加速汽车芯片商用？

21 世纪经济报道记者骆轶琪

进入 AI 时代，汽车芯片设计过程中正面临新的挑战：如何在新功能实现与快速上市间达到平衡，正成为关键。

近日，Arm 宣布推出 Arm Zena 计算子系统 ( Compute Subsystems, CSS ) 。据称，作为标准化且预先集成的计算平台，其能够最多帮助整车厂缩短 12 个月的开发周期。

受访时，Arm 汽车事业部产品和解决方案副总裁 Suraj Gajendra 对 21 世纪经济报道记者分析道，目前已经进入" AI 定义汽车"时代，这意味着汽车对算力的需求正在大幅增长，因此 Arm 将从硬件技术底座到软件工具等多维度进行应对。

他还透露，截至目前，全球已有包括车厂和芯片设计商在内超过 10 家合作伙伴，一部分取得了 Zena CSS 的技术授权，另一部分则正与 Arm 在深度合作接洽阶段。

AI 定义汽车

当前仍处在 AI 大模型发展早期，这意味着将相关技术落地产业应用将存在功能持续累加的过程。例如在智能驾驶技术不断演进过程中，今年被认为是 VLA（视觉语言动作）"上车"元年，这背后考验着从芯片厂商到整车厂商的协同应对。

Suraj Gajendra 指出，以往仅部署在高端车型的功能，例如实时驾驶员监控、预测性维护以及调适性车载信息娱乐系统 ( IVI ) 等，如今正迅速成为新车型的标准配备。同时，汽车开发也愈发复杂，进度安排更为紧凑，且安全标准不断演进，对可扩展计算能力提出了更高需求。

由此，整车厂与芯片供应商都需要一个模块化、具备安全功能、软件就绪，且兼具高性能与高能效的计算平台，同时还要能降低集成风险并缩短各款车型的开发时间。本次发布的 Arm Zena CSS 基于 Armv9 汽车增强 ( AE ) 技术打造，是 Arm 为 AI 定义汽车提供的首个预集成且预验证的计算平台。

Suraj Gajendra 对 21 世纪经济报道记者分析道，"此前，我们一直在推动‘软件定义汽车’的发展，这一方向仍将继续。软件定义汽车支持从云端到车辆的软件更新、新功能升级等能力，即便车辆已经交付给用户，这些能力将持续存在。"

而" AI 定义汽车"是要让大语言模型和特定场景模型能够在车内运行。"我们确实看到大量新模型和新架构正在被部署到汽车中，这将为汽车行业带来变革。"他续称，对 Arm 而言，这意味着汽车对算力的需求正在大幅增长。这正是 Zena CSS 可以发挥核心价值的地方。

据介绍，Zena CSS 有 16 个基于 Armv9 架构的 Cortex-A720AE 核心，且具备扩展性。Arm 希望通过这种集成化的高算力方案，让合作伙伴能在越来越多 AI 应用"上车"时，专注于 AI 加速以及其他软件和应用的开发，Arm 的核心任务则是打磨好计算底座。

"简单来说，过去我们只提供 IP 时，4 核、8 核甚至 12 核的算力配置就足以满足需求。但随着‘ AI 定义汽车’的演进以及大语言模型应用的发展，Arm 也在同步升级。" Suraj Gajendra 指出，Arm 推出了 16 核的 Zena CSS，甚至可以通过两个 Zena CSS 的组合，实现 32 核的配置。

与此同时，软件能力更不容忽视。Suraj Gajendra 表示，面对新的 AI 应用和语言模型，确保软件、工具、库、编译器及工作流处于技术支持的核心位置至关重要。"我们正大力投入资源，确保 Arm 计算子系统配备适配的 AI 工具、工作流和软件库，以支持运行最新的大语言模型及正在落地的新 AI 应用。"

例如在今年 3 月，Arm KleidiAI 软件库扩展到了汽车领域。其核心作用是优化 Arm CPU 上大语言模型的运行性能。Suraj Gajendra 介绍，目前这些软件库已完成部署，客户借此能充分发挥 16 核的算力优势。

对于" AI 定义汽车"的未来发展方向，Suraj Gajendra 进一步指出，目前可以明确看到，车辆中将涌现更多基于 AI 的应用。这不仅涉及先进驾驶辅助系统 ( ADAS ) 和自动驾驶，还包括智能座舱、车载信息娱乐 ( IVI ) 系统、驾驶员监测、乘客监测，乃至整个车载体验。

"随着越来越多应用的集成，车载体验将发生显著变化。例如，车辆会根据所处环境调整 ADAS 和自动驾驶功能。比如突遇暴雨时，车辆需要感知环境变化并做出相应反应。更重要的是，车辆控制系统中也将融入更多 AI 功能，无论是预测性维护，还是与车辆能量管理、动力学相关的其他特性。"他进一步分析道，Arm 需要夯实其核心基础技术，提供适配的软件和工具，以供整个软件生态参与其中。

加速上市

相比传统燃油车时代，当前的整车更新速度正明显加快，在技术快速迭代背景下，如何加速新款整车商用速度也是关键命题。

根据 Suraj Gajendr 回忆，在几年前，针对 Arm IP 开发出来面向汽车领域的芯片，通常是在 Arm IP 推出后隔两年才面世。"举例来说，我们在 2021 年发布的 IP，会在两年后才能在汽车市场上看到对应的芯片问世，广大软件开发者届时才能开始进行开发。这是一段很长的延迟，所以，去年我们在发布 Cortex-A720AE 的同时，也推出了针对这款 IP 开发的虚拟原型，用以解决软件开发滞后的问题。"

据介绍，通过采用这种虚拟原型技术，可以在 Arm 的 IP 发布当天，就将平台以云服务的形式开放给软件开发者，这相当于将软件开发进度提前了两年。

不只在软件层面，加快新技术落地速度是一种系统性举措。Suraj Gajendr 指出，相较于从 IP 开始进行芯片设计，Zena CSS 预先集成了硬件与固件组件，因此可将芯片开发周期最多缩短 12 个月。Zena CSS 也可延伸应用于 IVI、中央计算与 L2+ 先进驾驶辅助系统 ( ADAS ) ，让整车厂能够在多种车系与多层性能等级之间灵活部署，无需重新设计计算堆栈或从头开始进行安全认证。

此外他指出，采用 Zena CSS 也能让整体开发成本进一步下降。"通过提供更完整的计算子系统，客户在复杂的 SoC 开发上所需投入的工程师总数及占比将大幅减少。根据我们与合作伙伴的案例和评估数据，每个项目所需工程资源投入预计可减少 20%。"

从技术方案角度看，Chiplet（芯粒）被视为对汽车芯片降本提效、加速汽车芯片更新及上市的另一个关键。这也是目前芯片产业链都在发力的方向。

Suraj Gajendra 告诉 21 世纪经济报道记者，Arm 在开发 Zena CSS 时，已经考虑到了这一点。所以，Zena CSS 本身便支持芯粒架构，并且提供了该架构所需的关键标准接口，能支持客户和合作伙伴基于芯粒架构进行设计。