Arm计算平台助力汽车行业转型

人工智能 (AI)正在深度变革汽车行业，从车辆设计、制造到功能实现均迎来突破。这一趋势与全球各行业加速拥抱 AI 的背景高度契合，根据 Arm 发布的《人工智能就绪指数报告》，全球 82% 的企业领导者表示其所在企业正在使用 AI。

然而，若要充分释放 AI 在汽车领域的潜力，行业需要在以下关键领域持续突破，包括上市进程、功能安全、可扩展架构、边缘侧的实时性能，以及信息安全。

加快上市进程

随着市场节奏日益加快，整车厂亟需以更高效的方式实现智能汽车的快速落地。而传统开发模式已难以满足缩短上市时间的需求，汽车行业正在转向更具适应性、高效性和灵活性的开发路径。

为此，汽车行业开始采用灵活的计算平台，支持硬件与软件团队从早期阶段便开始协同开发。对于专注于下一代 AI 汽车应用的团队而言，早期仿真、测试和验证能力变得至关重要。Arm 通过基础技术、虚拟平台以及能够实现更快速、更具协作性交付的生态系统，助力行业转型。

提升功能安全标准

自适应巡航控制、自动紧急制动、车道保持辅助等功能正通过 AI 技术持续升级，推动车辆智能化水平的提升，并带来更更灵敏、更具预见性的驾乘体验。但这些功能也对系统可靠性和瞬间决策能力提出了更高的要求。

汽车技术需要集成兼具快速处理与故障安全特性的功能安全设计。Arm 最新的汽车增强型 (AE) 处理器内置对多种安全关键功能的支持，这种灵活性使汽车制造商能够根据特定应用需求配置安全特性，同时满足 ISO 26262 等国际标准要求。

阅读《Arm 驱动汽车未来，全面考量功能安全关键性》一文，了解更多关于汽车系统功能安全的关键考虑因素。

通过可扩展架构

应对软件复杂性

随着汽车向“AI 定义”转型，车载信息娱乐 (IVI)、先进驾驶辅助系统 (ADAS)、动力总成等新增功能不断推高系统复杂度。跨汽车代际、平台和配置的代码管理已成为关键的工程挑战，行业亟需分层且可扩展的计算架构，以应对 AI 系统日益增长的复杂性，尤其是在汽车应用中。

在此背景下，整个汽车堆栈中对灵活、可复用、标准化软件平台的需求日益迫切。Arm 通过 SOAFEE （面向嵌入式边缘的可扩展开放架构）推动这一变革。作为一项云原生倡议，SOAFEE 鼓励整个生态系统开展开放协作，使开发者能够更轻松地将软件移植到不同的计算平台，从而实现“一次开发、大规模部署”的高效模式。

阅读《SOAFEE 发展势头持续增温，迎来三周年里程碑》一文，进一步了解 SOAFEE 里程碑进展。

边缘侧的实时 AI 性能

随着行人检测预警、自适应车道保持等安全关键型应用高度依赖 AI 能力，边缘侧的实时 AI 推理能力变得至关重要，车辆需要毫秒级完成对传感器的数据处理与响应，避免因云端延迟导致风险。

然而，根据《人工智能就绪指数报告》，仅 29% 的企业表示能够自动扩展计算资源，以满足不断演进的 AI 工作负载需求。此外，该报告指出，到 2030 年，AI 工作负载可能消耗全球数据中心高达 30% 的电力，这使得高能效的边缘计算成为面向未来的汽车平台的基石。

随着边缘计算成为 AI 的核心能力，Arm 推出一系列高性能、低功耗的 AE 技术。例如，Arm Neoverse V3AE CPU 为 AI 驱动的 ADAS 应用等要求严苛的边缘侧工作负载提供服务器级性能，而 Arm Cortex-A720AE CPU 则通过紧凑高效的架构，提供灵活持续的性能以支持实时 AI 推理。

阅读《AI 如何应用于汽车？听听行业专家如何回答》一文，了解行业领导者如何落地车载 AI 应用。

从底层构建 AI 车辆的安全体系

随着车内 AI 功能的扩展，潜在风险也随之升级。AI 系统带来了传统网络安全之外的新挑战，尤其是在汽车计算系统等安全关键环境中。

《人工智能就绪指数报告》指出，48% 的企业领导者将数据隐私泄露视为首要安全隐患，尤其担忧模型提取和滥用问题。对抗性攻击、训练阶段的数据投毒、模型窃取等 AI 特有的安全漏洞，凸显了在汽车计算平台每一层级内置强大防护措施的必要性。

为应对这些风险，必须从底层设计安全机制，Arm 架构通过提供内置安全技术实现硬件和软件的多重防护。这些技术构成了安全基石，为汽车开发中可扩展且可信的 AI 提供支撑。

赋能汽车技术的未来

无论是引入新的先进功能安全要求，还是革新车载应用，AI 正从根本上重新定义汽车。汽车行业的未来将聚焦于打造更卓越的汽车，这类汽车将具备更高智能化水平、先进的边缘侧实时 AI 能力，以及支持 AI 扩展的计算平台。

汽车行业无需从零起步。现有技术已能通过实现可扩展计算与安全实时的 AI 集成，为这一转型提供支持。从芯片到软件，Arm 始终处于汽车变革的核心，Arm 计算平台是 AI 新未来的基石。