极氪 001、理想 L9、小鹏 G9、智己 L7、蔚来 ET7、高合 HiPhi Z、路特斯 ELETRE，宝马 i7 ……
所以在智能手机领域的王者骁龙，怎么到了智能车时代也依然如此能打？要知道，智能座舱芯片这个市场并不算是全新的蓝海市场。
如此披坚执锐、所向披靡之势，背后究竟是什么原因？
智能座舱面临哪些挑战？
其中缘由，还是得先回归到智能座舱需求本身来看。
智能座舱，本质上是 AI 技术给座舱带来的变革。它的出现至少满足了人们对汽车智能化的三大想象。
其一，交互便捷性。对于司机而言，开车时必须确保视线不离开路面，因此交互方式必须越简洁越好，最好能用手势、表情、语音等方式搞定一切车机交互。
其二，应用智能性。无论是智能温控、儿童保护还是分区语音识别，本质上都是让汽车更 " 贴心 " 的功能，而且这种智能化还在席卷车上更多的装置。
其三，车机互联能力。包括远程智能控车、手机车载应用同步等，都是延伸智能设备边界的功能，真正做到应用之间无缝互联。
与此前纯硬件优化、外饰变更带来的座舱升级不同，智能化变革时代的座舱第一次遭遇 AI 技术的冲击，带来创新潜能的同时，也给实际落地带来了两大挑战。
一方面是大量 AI 算法的出现，对座舱芯片进一步提出的算力要求，这背后是用户需求驱动、也是汽车电子电气架构的革新。
随着汽车域融合趋势的到来，座舱域和自动驾驶域、车身域等众多板块和技术不断交织、融合，座舱作为汽车控制和信息交互的中心出入口，与驾乘者交互的时间更长，智能车对算力的需求只会变得越来越高。
另一方面是随着交互精确性提升、用户对智能应用需求增加，对智能座舱搭载算法的性能和精确度提出了新的要求，如何在确保性能的情况下尽可能搭载更多 AI 算法，成为新的难题。
据量子位观察，相比传统座舱芯片厂商，骁龙座舱平台正是从这两方面 " 逐一击破 "，成为如今智能车中几乎是标配的存在。
单拿交互功能来看，无论是手势、语音还是多模态交互识别，目前在不少搭载骁龙座舱平台的智能车上都已经能看到，其核心原因还是座舱平台上搭载的 AI 算法准确性和识别效率都有所提升。
但如果回顾智能座舱芯片的进展，会发现从 2016 年的骁龙 820A 到 2019 年的第三代骁龙座舱平台、再到即将量产的第四代骁龙座舱平台，AI 计算的能力也一直在提升，高通不仅针对算法 " 早有准备 "，还一直致力于提升 AI 算法在各平台上应用的性能，包括改进模型大小和运行效率等等。
以 AI 手势估计算法为例，高通在顶会 WACV 2022 上发表了一篇最新论文，里面提到了一种轻量级的 2D 和 3D 手势估计方法，通过让模型自己意识到预测的不确定性，并在每次迭代时 " 重复利用 " 部分层迭代，极大地降低了模型体积，同时准确性和效率都达到了当前手势估计模型的领先水平。
对于智能座舱而言，交互算法远不止手势一种，要想提升整体便捷性，更重要的是针对整个 3D 空间的交互，也就是 AI 算法中的多模态融合能力。
然而多模态之间的关系并不好找，甚至对于 AI 而言，有时候更多模态（语音、视觉等）的交互并不一定能增加理解准确性，反而可能起到干扰作用。
因此，针对多种模态的同时输入，AI 模型需要一种机制来决定各模态之间是否存在强关联，如果不是的话就在某个阶段降低关联度，避免出现语音 " 误导 " 姿态估计等情况。
交互功能以外，更多座舱应用也面临着智能化变革。
例如车主身份的识别上，以前针对汽车车主的识别方式只有一种，即通过车钥匙。但如今座舱不仅能以细微差异识别每个车主之间的身份，而且能针对这些差异迅速调整车内定制语音助手、空调温度等预设。
其实，AI 算法和算力都只是骁龙座舱平台提供的底层能力，至于如何利用这些能力提升车载应用和交互的准确性，也需要 Tier 1 和厂商发挥自己的能力和创造力，针对自己用户的需求进行定制性开发部署。
