首页

9月18日，在盖世汽车第四届AI定义汽车论坛上，恩智浦半导体大中华区汽车边缘AI产品市场经理刘昱炜发表了题为“车端AI产品及落地场景分享”的演讲，系统介绍了恩智浦在车端边缘AI领域的产品矩阵、落地场景与工具链能力。

刘昱炜指出，车端AI正从座舱、ADAS的大模型向区域控制器、MCU的小模型延伸，2028至2030年将成为落地高峰期。恩智浦的差异化优势在于全产品线统一的自研NPU IP与低损失工具链，覆盖从高端到经济型车型的不同需求。当前最具落地价值的三大场景为BMS电池管理、智能底盘控制与虚拟传感器，分别对应性能提升与降本核心诉求。

在产品矩阵方面，恩智浦端侧AI产品按制程从低到高排布，涵盖带AI能力的MCU、专用Audio DSP、UWB产品等品类。全系列产品均搭载自研嵌入式NPU IP，为行业独有的全栈自研支持模式，配套全自研工具链。NPU IP架构统一覆盖中央计算平台与S32K5 MCU等全系列产品，同主频下加速效率为M7的10至30倍。

在中央计算与AI Box方案上，恩智浦中央计算平台支持多域不同功能安全级别任务隔离，可高效支撑跨域业务协作。AI Box产品针对12至15万级存量经济型座舱平台，解决改款智能化升级需求，单芯片算力40TOPS，可扩展至160TOPS，单芯片功耗仅6.4W，支持独立千兆以太网连接域控与算力卡外挂座舱芯片两种模式。模型适配方面，国内已完成千问、面壁模型适配，海外已完成Llama、Gemini等模型适配，客户开发无额外适配障碍。

在区域控制器AI场景方面，刘昱炜透露，国内销量前14的OEM中有10家明确计划在2028至2030年下一代架构中搭载高实时小AI模型。恩智浦S32K5芯片NPU算力覆盖51至400TOPS，配套R52核支持浮点模型直接部署，无需量化即可避免精度损失。三大落地场景中，BMS AI方案用AI模型替代传统等效电路加卡尔曼滤波方案，将SOC、SOH精度从3%至5%优化至1%以内，已提供开源预训练模型供客户快速评估；智能底盘AI方案已完成路面分类轻量模型开发，仅186K参数量，单推理耗时2.2毫秒，满足底盘10毫秒内的控制闭环要求；虚拟传感器方案核心诉求为降本与新增可测维度，目前胎压、自动大灯传感器替代等合作项目已接近量产阶段。

在工具链方面，恩智浦自研工具链主要完成服务器或PC端已训练模型到端侧的部署适配，同时实现模型压缩，通过混合精度量化等专属策略，将32位浮点转8位整形的量化精度损失控制在0.1%以内，远优于开源工具链水平。刘昱炜表示，恩智浦将持续以全产品线自研NPU IP与低损失工具链为核心竞争力，推动车端AI在更广泛的场景中规模化落地。