北京2025年11月19日 /美通社/ — 近日，在全球权威的ICCV 2025自动驾驶国际挑战赛（Autonomous Grand Challenge）中，浪潮信息AI团队所提交的”SimpleVSF”（Simple VLM-Scoring Fusion）算法模型以53.06的出色成绩斩获端到端自动驾驶赛道（NAVSIM v2 End-to-End Driving Challenge）第一名。

SimpleVSF深度融合了传统轨迹规划与视觉-语言模型（Vision-Language Model, VLM）的高级认知能力，能够理解复杂的交通情境，突破了现有端到端自动驾驶模型”只会看路、缺乏思考”的局限。这得益于两大关键创新：一方面，引入VLM增强打分器，使打分器不再仅仅依赖于原始的传感器数据，而是能够理解深层的交通意图和”常识”，从而选出更安全、更合理的驾驶方案；另一方面，采用双重轨迹融合决策机制（权重融合器和VLM融合器），进一步融合多个打分器选出的轨迹，确保最终决策不仅数值最优，而且语义合理。

本篇文章将根据浪潮信息提交的技术报告”SimpleVSF: VLM-Scoring Fusion for Trajectory Prediction of End-to-End Autonomous Driving”，详解其使用的创新架构、优化措施和实验结果。

一、背景与挑战

近年来，自动驾驶技术飞速发展，正从传统的模块化流程（Modular Pipeline）逐步迈向更高效、更具鲁棒性的端到端（End-to-End）范式。传统的模块化系统（感知、定位、规划、控制）容易在各模块间积累误差，且面对复杂场景时，信息的层层传递往往导致决策滞后或次优。端到端方法旨在通过神经网络直接从传感器输入生成驾驶动作或轨迹，实现信息流的统一与优化。然而，要真正让机器像人类一样在复杂环境中做出”聪明”的决策，仍面临巨大的技术挑战。

NAVSIM框架旨在通过模拟基础的指标来解决现有问题，具体方法是展开场景简化的鸟瞰图（Bird’s-Eye View, BEV）抽象，并在一个较短的模拟时间范围内推演出行车轨迹。为了超越仅在人类数据采集中观察到的状态下评估驾驶系统， NAVSIM v2 挑战赛引入了反应式背景交通参与者和真实的合成新视角输入，以便更好地评估模型的鲁棒性和泛化能力。

目前针对该类任务的主流方案大致可分为三类。第一类是基于Transformer自回归的方案，通过路径点的逐一预测得到预测轨迹，代表工作是Transfuser^[1]。第二类是基于Diffusion的方案，通过在去噪时引入各种控制约束得到预测轨迹，代表工作是DiffusionDrive^[2]。第三类是基于Scorer的方案，通过对一个预定义的轨迹词表进行打分筛选得到预测轨迹，代表工作是GTRS^[3]。

二、方法介绍

浪潮信息AI团队提出了SimpleVSF框架，其核心创新在于引入了视觉-语言模型（VLM）作为高层认知引擎，并设计了双重融合策略，将VLM的语义理解能力高效地注入到轨迹评分与选择的全流程中。

SimpleVSF框架可以分为三个相互协作的模块：

基础：基于扩散模型的轨迹候选生成

框架的第一步是高效地生成一套多样化、高质量的候选轨迹集合。

• 技术选型：采用扩散模型（Diffusion-based Trajectory Generator）。
• 作用：扩散模型基于自车状态和环境的鸟瞰图（BEV）表示进行条件生成。其优势在于能够捕捉轨迹分布的多模态性，生成一系列在运动学上可行且具有差异性的锚点（Anchors），为后续的精确评估提供充足的”备选方案”。

核心：VLM 增强的混合评分机制(VLM-Enhanced Scoring)

SimpleVSF采用了混合评分策略，它搭建了高层语义与低层几何之间的桥梁。其工作原理如下：

A．语义输入：利用一个经过微调的VLM（Qwen2VL-2B^[4]）作为语义处理器。VLM 接收以下三种信息：

（i）前视摄像头图像：提供场景的视觉细节。
（ii）自车状态：实时速度、加速度等物理量。
（iii）高层驾驶指令： 规划系统输入的抽象指令，如”左转”、”向前行驶”等。

B.输出认知指令：VLM根据这些输入，输出认知指令（Cognitive Directives）。这些指令是高层的、类似于人类思考的抽象概念，例如：

纵向指令：”保持速度”、”加速”、”缓慢减速”、”停车”
横向指令：”保持车道中心”、”微调向左”、”大角度右转”

C.可学习的特征融合：这些抽象的语言/指令（如”停车”）首先通过一个可学习的编码层（Cognitive Directives Encoder），被巧妙地转换为密集的数值特征。这个VLM特征随后与自车状态和传统感知输入拼接（Concatenated），共同作为轨迹评分器解码的输入。通过这种显式融合，VLM的高层语义理解不再是模型隐含的特性，而是直接参与到轨迹的数值代价计算中。

保障：双重轨迹融合策略（Trajectory Fusion）

为了实现鲁棒、平衡的最终决策，SimpleVSF 采用了两种融合机制来保障最终输出轨迹的质量。

A.量化融合：权重融合器（Weight Fusioner, WF）

• 机制： 这是一个基于定量严谨性的主机制。它负责将来自多个评分器和多个模型（包括VLM增强评分器和传统评分器）的得分进行高效聚合。
• 融合流程：

（i）指标聚合：将单个轨迹在不同维度（如碰撞风险、舒适度、效率）上的得分进行初次聚合。
（ii）模型聚合：采用动态加权方案，根据当前场景的重要性，动态地调整来自不同模型（如多个VLM增强评分器）的聚合得分的权重。

• 作用： 确保了在大多数常规场景下，最终的决策是基于多方输入、统计学上最可靠的选择。

B. 质性融合：VLM融合器（VLM Fusioner, VLMF）

• 机制：旨在通过VLM的定性推理能力进行最终的语义精炼。
• 融合流程：

（i）轨迹精选：从每一个独立评分器中，选出排名最高的轨迹。
（ii）LQR 模拟与渲染：这些精选轨迹通过 LQR 模拟器进行平滑处理，确保运动学可行性。然后，它们被可视化并渲染到当前的前视摄像头图像上，形成一个包含”潜在行动方案”的视觉信息图。
（iii）将包含渲染轨迹的图像以及文本指令提交给一个更大、能力更强的 VLM 模型（Qwen2.5VL-72B^[5]），并明确要求 VLM 根据场景和指令，定性选择出”最合理”的轨迹。

• 作用： 赋予了系统一道语义校验关卡，确保最终决策不仅数值最优，更在高层认知和常识上合理。

三、实验结果

为验证优化措施的有效性，浪潮信息AI团队在Navhard数据子集上进行了消融实验，结果如下表所示。以Version A作为基线（baseline）。

在不同特征提取网络的影响方面，浪潮信息AI团队使用了三种不同的Backbones，即V2-99^[6]、EVA-ViT-L^[7]、ViT-L^[8]，分别对应Version A、Version B、Version C。结果表明，Backbones的选择对性能起着重要作用。ViT-L明显优于其他Backbones。

在VLM增强评分器的有效性方面，Version D和Version E集成了VLM增强评分器，Version D优于对应的相同backbone的传统评分器Version A，证明了语义指导的价值。虽然Version E的个体性能与对应的相同backbone的传统评分器Version C相比略低，但VLM增强评分器的真正优势在于它们的融合潜力。

在轨迹融合策略的性能方面，通过融合策略，浪潮信息AI团队观察到了最显著的性能提升。WF B+C+D+E在Navhard数据集上取得了47.18的EPDMS得分。最终，浪潮信息AI团队在Private_test_hard分割数据集上也使用了这四个评分器的融合结果。VLMF A+B+C也取得了令人印象深刻的 EPDMS 47.68，但由于提交规则限制，未在最终的排行榜提交中使用此融合策略。

在最终榜单的Private_test_hard分割数据集上，浪潮信息AI团队提出的SimpleVSF框架在排行榜上获得了第一名，取得了53.06的总EPDMS分数。对于Stage I，它在TLC（交通灯合规性）上获得了100分，在DAC（可驾驶区域合规性）和 DDC（驾驶方向合规性）上获得了99.29分，这展示了模型的鲁棒性及其对关键交通规则的遵守能力。对于Stage I和Stage II，浪潮信息AI团队的NC（无过失碰撞）分数在所有参赛团队中处于领先地位。虽然其他方法可能在某些方面表现出色，但浪潮信息AI团队的SimpleVSF在指标上实现了综合平衡。

四、总结

本文介绍了获得端到端自动驾驶赛道第一名的”SimpleVSF”算法模型。SimpleVSF框架成功地将视觉-语言模型从纯粹的文本/图像生成任务中引入到自动驾驶的核心决策循环，完成了从”感知-行动”到”感知-认知-行动”的升维。

 

来源 / Source：PR Newswire Asia — Carsense 仅作信息发布，不代表编辑立场。

芜湖2025年11月19日 /美通社/ — 2025年11月11日，风云T11″双11开T11″直播间携手墨甲机器人实现行业首个机器人直播卖车。据统计，机器人登场时，直播间在线人数明显攀升，较未出场时增长约三倍；整体曝光效果更超过原预期的两倍。机器人在直播间的两个半小时中，直播间最高在线1.1万人，用户互动热烈，直播氛围活跃。

在今年的奇瑞风云”双11开T11″直播活动中，一位特别的”直播助手”成功吸引了全场目光——墨甲机器人首款人形机器人”墨茵”亮相直播间。她与机器狗 Argos 同台登场，不仅带来了精彩的舞蹈互动，更以专业流畅的讲解，为线上观众呈现了一场充满科技感、趣味性与品牌魅力的沉浸式直播体验。

在18:00正式开启的”双11开T11——穿越天南海北，智游大美中国”直播中，墨茵和Argos一同走进直播间，墨茵以自然流畅的自我介绍作为开场：”大家好，我是今天的直播助手墨茵，来自墨甲机器人，很高兴来到风云T11双11直播间，和主播朋友们一起介绍风云T11汽车。”其自然的表情、拟人化的语音交互与细腻的肢体动作，为直播间注入了鲜明的科技氛围与新鲜感。

随后，墨茵以专业视角解析风云T11的核心优势：”风云T11诞生于黄金增程 CEM 平台，搭载 1.5TGDI 高效能增程专用发动机，集高效能增程系统、高智能超级电四驱、高能量超级电池于一身……”借助机器人的稳定表现，直播间能够以更差异化的方式向用户传递复杂的车辆技术信息，一定程度上也减轻了主播反复讲解产品配置的压力，使直播内容更加专业、高效。

根据风云直播团队反馈，墨茵与 Argos 的直播首秀带来显著引流效果。机器人登场时，直播间在线人数明显攀升，较未出场时增长约三倍；整体曝光效果更超过原预期的两倍。用户互动热烈，直播氛围活跃。此外，机器人参与直播的形式具备较高可复制性与稳定性。墨茵与两只机器狗Argos共在场约两个半小时，均顺利完成现场讲解任务与即兴动作表演，表现稳定可靠。

凭借稳定的执行力和拟人化的互动能力，像 Mornine 和 Argos 这样的机器人直播助手，正成为直播间里不可或缺的新”搭子”——既能缓解主播讲解压力，又带来更智能、更具科技感的直播体验。在提升直播间吸引力的同时，助力品牌打造”AI+直播”的新范式，实现流量转化与品牌形象的双重跃升。

来源 / Source：PR Newswire Asia — Carsense 仅作信息发布，不代表编辑立场。

上海2025年11月19日 /美通社/ — 11月19日，智能汽车计算芯片引领者黑芝麻智能，与全球光通信模块龙头中际旭创的全资子公司智驰致远达成战略合作。双方将基于各自核心技术与产业资源优势，在光通信技术应用、汽车辅助驾驶、具身智能终端、先进封装技术及产业链资本等领域展开深度协同，以”芯片+光模块”的技术融合为核心，破解行业痛点，抢占下一代智能产业发展先机，为全球汽车与机器人产业智能化升级提供全新解决方案。

双方将着眼于前瞻技术布局，共同推动光通信模块在汽车及具身智能终端领域的创新应用，深入研究下一代计算平台中光电共封装的应用场景，提前抢占技术制高点，以应对未来更低延迟、更大数据量传输的丰富场景需求，进一步提升传输速率与及时性。同时，围绕汽车、具身智能终端上下游产业链，双方将积极推动资本层面协同合作，通过资源整合、投资联动等方式，打通从技术研发到产业落地的全链路，加速核心技术的产品化与商业化进程。

在智能汽车领域，双方将以黑芝麻智能成熟的车规级辅助驾驶芯片为核心基础，联合开发适用于乘用车与商用车的全场景辅助驾驶解决方案。该方案将全面适配 L2 至 L4 各级别自动驾驶需求，通过技术协同让车辆决策更迅速、行驶更安全。目前，双方正积极推进解决方案在主机厂的量产落地，这一举措不仅有望助力双方在 L2 及以上辅助驾驶市场持续推出更优性能的产品方案，进一步巩固市场优势、提升市场份额，更将加速辅助驾驶技术在行业内的规模化应用与迭代升级，推动汽车产业向更高阶智能化方向迈进。

在机器人领域，双方聚焦产业实际需求，结合黑芝麻智能在芯片研发的技术积累与中际旭创在多类工业生产场景的实践经验，共同开发适配工业场景的AI工业机器人解决方案。该方案将深度融合黑芝麻智能芯片的高效算力支撑与中际旭创光通信模块的高速数据传输能力，精准满足工业机器人在精准控制、实时交互、多设备协同等方面的核心需求，有效打破技术壁垒，推动机器人在工业生产、智能制造等场景的智能化升级，为产业效率提升与生产模式创新提供全新路径。同时，双方还将探索光通信技术与机器人技术的更多融合可能，为机器人领域的技术突破与场景拓展奠定基础。

此次黑芝麻智能与中际旭创的战略合作，不仅是两大企业打破边界、协同创新的重要实践，更标志着智能产业”跨领域融合”的新趋势。未来，双方将以技术联合为基础、以市场需求为导向，共同构建覆盖智能汽车、具身智能终端的全产业链生态，既为自身打开全新增长空间，也将为行业创造更多价值，推动全球智能产业迈向更高质量发展阶段。

来源 / Source：PR Newswire Asia — Carsense 仅作信息发布，不代表编辑立场。

上海2025年11月19日 /美通社/ — 11月18日，佳通轮胎与京东汽车正式签署战略合作协议。此次合作是双方基于长期互信与协同基础上的全面升级，标志着全球制造企业与国内领先数字平台，在新时代产业变革背景下迈向更深层次的战略共建。佳通乘用车胎与商用车胎两大事业板块分别与京东汽车完成签约，双方高层围绕市场趋势、业务协同及未来布局开展深入交流，共同擘画产业新图景。

 

全球视野下的佳通实力

作为佳通集团旗下的核心产业板块，佳通轮胎深耕全球七十余年。在研发端，形成覆盖亚洲、欧洲、美洲的全球研发网络，实现跨区域技术协同；在制造端，依托五大生产基地与超7000万条年产能，佳通轮胎打造出行业中自动化程度领先、绿色制造水平突出的智能工厂集群，成为全球轮胎产业数字化转型与智能制造的引领力量。合肥新工厂正是佳通工业4.0与绿色智造的最新实践，它以自动化、数字化、绿色化为基础，将生产效率、智能水平和碳减排能力提升到新的高度。

在市场端，佳通与全球主流车企持续深化战略合作，形成从原配到替换、从高端到主流的全市场覆盖，共同构建响应更快、韧性更强的共赢生态。同时，佳通全球范围内触手可及、高效敏捷的零售服务网络，持续提升与优化终端响应与用户体验。凭借领先技术与稳定品质，佳通轮胎在品牌力、配套力、渠道力等领域的市场地位持续提升。

共促产业链供应链高质量发展

当前汽车产业加速迈入电动化、智能化、绿色化新阶段，对轮胎技术、服务效率及供应链协同提出更高要求。围绕本次战略合作，佳通轮胎与京东汽车将以用户价值为核心、以体系协同为路径，全面提升产业链协作水平。在C端服务方面，双方将依托京东强大的电商平台与即时零售体系，叠加佳通在产品研发、智能制造与专业服务领域的深厚积累，共筑覆盖线上线下的高效服务网络，实现更快更准的轮胎选购与安装体验。在合作深化方面，双方将推动供应链、产品链与服务链一体化升级，提高渠道流动效率，夯实从生产端到消费端的协同能力。

依托京东养车线下体系，双方共同探索轮胎即时零售快配服务模式，持续优化 “城市快配””小时达”等服务场景，让高品质轮胎触达用户更及时、更便捷。同时，发挥各自在汽车后市场的资源优势，推动线上销售、线下服务、技术赋能和品牌建设的系统联动，以创新模式重塑消费体验，加速推动轮胎服务的数字化、标准化与透明化进程。双方也将围绕商用车胎及物流运输场景，共建更高效、更可靠的产品与服务方案，为干线物流、城配运输等行业场景提供更高价值支撑，助力运输行业降本提效。

以开放合作绘就共赢图景。未来，佳通轮胎与京东汽车将协力打造”产品领先、服务优质、协同顺畅、绿色低碳”的产业生态，推动产业价值链整体跃升，为消费者带来更优质的出行体验。

来源 / Source：PR Newswire Asia — Carsense 仅作信息发布，不代表编辑立场。

上海2025年11月14日 /美通社/ — 在汽车电子电气架构（EEA）加速向中央计算演进的过程中，行业普遍聚焦于功能整合与成本控制。然而，真正的变革并非仅停留在功能堆叠，而在于芯片架构的根本性重构——它不再被动适配既有功能，而是主动定义整车的算力边界、安全等级与体验上限。 

武当C1200家族芯片的推出，正是这样一次深层次的”架构级重构”。我们直面传统多芯片方案难以克服的三大痛点：算力僵化、跨域延迟与安全冗余不足，从芯片底层构建了真正面向中央计算的设计理念。

这不仅代表了一颗芯片的技术突破，更标志着中国在汽车智能化的芯片核心架构领域，从”跟随者”向”定义者”转变的关键节点。

一、EEA演进的底层逻辑：芯片架构的三次“范式跃迁“

要理解武当C1200家族的价值，我们必须先回到汽车电子电气架构演进的宏观图景中，汽车电子电气架构的演进史，本质是芯片架构与整车通信拓扑持续适配的过程。每一次跃迁都伴随着具体技术指标的临界点突破。

从分布式到域集中，再到中央计算，芯片的角色已由”单一功能载体”演变为”全域智能中枢”，而中央计算时代的核心矛盾，正是传统芯片架构无法支撑多域融合的技术需求。

1. 分布式架构下的“碎片化困局“

在EEA 1.0时代，核心逻辑是”每个功能拥有自己的ECU，一个ECU配一颗专用芯片”。灯光、雨刮、车窗等各自为政，每项功能独立运行。

这种模式在智能化浪潮背景下暴露出三大瓶颈：

• 架构割裂，缺乏协同：各ECU相对封闭，通过低速CAN总线通信，数据孤岛严重，信息无法共享，难以协同；
• 硬件冗余，成本高昂：高端燃油车搭载超百颗功能芯片，每颗均需独立电源、内存和接口，硬件成本较高；
• 迭代封闭，升级困难：软硬件深度耦合，功能更新需更换整套ECU，OTA升级形同虚设。

此时的芯片，谈不上”架构”，只是孤立的功能执行单元。

2. 域集中架构下的“域间壁垒“

随着新能源汽车智能化的发展，EEA进入2.0域集中时代，芯片设计转向”按域专用”：辅助驾驶用ADAS芯片、座舱用IVI芯片、动力用高可靠MCU。

EEA 2.0虽然将功能聚合，但域控制器间的片外通信引入了新的约束。实测数据显示，通过PCIe Gen4 x4连接两颗独立SoC进行数据共享时，DMA传输延迟约200-500μs，加上协议栈处理，端到端延迟轻松突破5ms。更关键的是，NPU利用率在典型行车场景下仅达35-40%，而座舱GPU在渲染AR-HUD时负载超80%，跨域算力借用无法实现，造成30%以上的综合算力浪费。

总的来说，EEA2.0虽然缓解了碎片化问题，在运行舱驾一体等复杂应用场景时依然存在很多问题无法解决：

• 算力僵化，无法调度：辅助驾驶NPU空闲时不能支援座舱AI语音，座舱GPU满载也无法借用辅助驾驶算力；
• 跨域延迟，响应滞后：传统域间数据转发需经”芯片→网关→以太网→目标域”多级跳转，延迟高达十数毫秒，这就导致跨域间数据共享效率极低，使舱驾融合只能做到简单功能叠加，而无法真正融合；
• 风险把控，成本上行：辅助驾驶要求ASIL-D级安全，座舱仅需ASIL-B，共用平台时若按低等级设计则存在安全隐患，若按高等级设计则使座舱成本增加30%以上，形成两难抉择。

域专用芯片的本质，是将”点状碎片”变为”块状孤岛”，仍未触及中央计算所需的全域协同本质。

3. 中央计算架构下的“融合刚需“

L2+及以上辅助驾驶每日处理数据量达TB级，座舱需支持6屏联动、AR-HUD、沉浸式交互等应用，中央计算EEA对芯片架构提出更多要求，必须解决三大核心矛盾：

1. 异构算力的动态调度：CPU、GPU、NPU、ISP等资源需按场景灵活分配；算力综合利用率需提升至80%以上
2. 安全与非安全域的物理隔离：关键控制与娱乐功能必须硬件级隔离，安全域需满足ASIL-D等级，非安全域需支持高算力交互，互不干扰；
3. 跨域数据的低延迟流转：感知、决策、执行数据需在芯片内部高速交换，避免外部转发瓶颈。

正是基于这些根本性需求，武当C1200家族应运而生——我们不再以”功能”或”域”定义芯片，而是以”中央计算的本质场景需求”重构底层架构。

二、武当C1200家族：为跨域计算而生的“第一芯“

中央计算场景对芯片提出了前所未有的严苛要求：既要具备跨域算力调度能力，又要满足功能安全与信息安全的双重标准，更需支撑软件定义汽车的灵活迭代。武当C1200家族通过四大技术突破，构建起支撑中央计算架构的核心底座。     

1. 7nm异构融合架构：打破域间算力壁垒

中央计算的核心在于”算力池化”，即实现资源的统一调度与弹性分配。武当C1200家族基于7nm车规级制程工艺打造，集成CPU、GPU、NPU、DSP、ISP、MCU及网关模块于一体，真正实现座舱、辅助驾驶、车身、网关四域融合。

其技术参数背后是对场景需求的精准匹配： 

• 算力规模：CPU采用8+2 A78ae架构，提供170K+ DMIPS算力，领先市场主流芯片74%（Dhrystone跑分）；AI单元支持多精度混合计算，特别优化并原生支持Transformer模型，可高效处理BEV、DETR等主流智能辅助驾驶算法；GPU包含8+1 G78AE核心，提供大于500GFLOPs FP32算力，支持OpenGLES 3.2、Vulkan 1.2等多种API，满足3D渲染与座舱娱乐的性能需求；
• 存储带宽：2通道LPDDR5接口，兼容LPDDR4/4X，最大提供51.2GB/s片外DDR带宽，配合12MB片上存储，可高效支撑TB级智能辅助驾驶数据处理，降低片外带宽依赖；
• 数据流转：统一的跨域通信架构，通过高速片上总线互联所有计算单元，跨域数据可以通过片内总线直接交换，搭配分布式Message Box设计，每个处理器核都有专用收发FIFO，支持消息过滤；芯片内置高性能网关处理单元，集成16x CAN-FD、6x LIN、2x FlexRay及2x 10Gb TSN以太网端口，可作为智能辅助驾驶、座舱、MCU多域之间的数据交换通道；多种数据共享流转方式，将跨域数据通信延迟从传统方案的10+毫秒级降至微秒级，为座舱联动、DMS紧急响应等场景提供了关键性能保障。

所有计算单元通过高速片上总线互联，算力由统一软件平台进行动态调配：

• 高速巡航时，NPU优先服务辅助驾驶感知；
• 停车娱乐时，GPU与NPU可以协同工作，提供座舱游戏与AI交互体验；
• DMS检测到驾驶员疲劳，可联动空调、音响、导航自动调节环境，甚至规划至休息区。

算力不再是固定分配的”孤岛”，而是随场景流动的”活水”，这正是中央计算的灵魂所在。

2. ASIL-D级安全底座：构筑整车可信根基

作为整车智能计算中枢，中央计算芯片的安全等级直接关乎行车安全。武当C1200家族是国内首款通过ISO 26262 ASIL-D产品认证的跨域融合芯片，同时满足EVITA Full信息安全要求，具备行业领先的功能安全与信息安全双重保障。

• 功能安全方面：内置独立Function Safety Island（功能安全岛），搭载车规级Cortex R5核心，采用双核锁步、ECC内存校验、高精度ADC电源监控等机制，可实时监测异常并触发安全处理；独立仪表盘通路和片内高性能MCU单元(32K DMIPS)采用硬件隔离设计，无需虚拟化，性能最优且能保证仪表和规控业务不会受到座舱及娱乐应用业务的影响，提高系统安全性，满足ASIL-D等级；
• 信息安全方面：集成满足EVITA Full 信息安全定义标准的硬件安全模块（HSM），支持国际通用密码算法（AES/DES/3DES/RSA等）与国密商用密码算法（SM2/SM3/SM4），具备OTP安全存储、TRNG随机数生成（符合NIST SP800-90 a/b/c标准）、主动屏蔽层等硬件安全机制，可抵御总线劫持、固件篡改等攻击。

“安全原生”的设计理念，使C1200家族无需外挂独立信息安全芯片和ASIL D功能安全MCU即可满足整车安全需求，大幅简化系统设计。相比传统多芯片方案，减少了硬件冗余与系统复杂度，降低成本的同时提升可靠性。

3. 场景化算力配置：精准匹配车型定位

中央计算并非一味追求高算力，而是强调”按需配置、合理分配”。武当C1200家族采用差异化产品策略，形成覆盖主流市场的完整矩阵，且每款产品的参数配置都精准匹配目标场景：

• 武当C1236：国内首颗单芯片实现NOA行泊一体方案，集成高性能ISP（每秒处理2.4G像素），支持12路高清摄像头接入，满足高速NOA与入门级城区NOA的感知需求；以高性价比助力L2+辅助驾驶普及；
• 武当C1296：面向跨域计算架构，支持DSI、eDP、LVDS等多种显示接口，最多可驱动5个显示屏；支持4K@60fps视频编解码(H264/H265/VP8/VP9/JPEG)；满足多屏联动与沉浸式娱乐需求；音频系统集成HIFI5 DSP，支持7.1声道输出，可实现座舱语音交互与环绕声体验；内置万兆级网关交换模块，支持2x 10GbE+2x 2.5GbE以太网接口，数据转发容量达40Gbps，作为智能辅助驾驶、座舱、MCU多域之间的数据高速交换通道，全面支持舱驾一体、CMS电子后视镜、整车数据交换等复杂应用场景。

该策略支持车企基于不同车型定位灵活选型，实现从10万元级主流车型到30万元以上旗舰车型的平台化部署，显著降低研发与制造成本。

4. 全栈生态支撑：加速量产落地

技术领先之外，生态成熟度决定落地速度。武当C1200家族坚持”硬件开放 + 软件协同”理念，构建起完整的产业生态：

• 多系统兼容：支持QNX、Linux、Android等主流操作系统，通过硬隔离与Hypervisor相结合的实现方式，兼顾实时性与交互体验。斑马智行已在C1296上部署Banma Hypervisor，实现辅助驾驶、座舱与整车数据的无缝协同；
• 工具链完备：提供自研的山海®开发工具链，包含全面的开发包及算法开发所需的软件工具，满足模型量化、优化、编译、仿真、部署、调试等各个开发环节的需要，并纳入深度学习参考模型库转换用例，支持Transformer、BEV等主流辅助驾驶模型的快速迁移部署，大幅降低算法开发门槛，帮助客户进行灵活的模型迁移、部署和整合；
• 生态协同深化：已完成与普华基础软件AUTOSAR CP/AP系统的适配，成为首个支持本土AUTOSAR体系的跨域芯片；联合均联智及推出CoreFusion舱驾一体软件平台，为开发者提供高效的操作系统级软件底座，简化在软件研发过程中的开发流程，为舱驾研发的开发者提供全新的体验。

开放的生态让开发者可通过标准化API调用算力资源，借助可视化工具完成多域应用开发，并通过OTA持续迭代功能。武当C1200家族由此从”一颗芯片”进化为”跨域计算解决方案平台”。

三、价值重构：从技术突破到产业赋能

中央计算的终极目标，是推动汽车产业从”硬件定义”向”软件定义”转型。武当C1200家族正通过与产业链伙伴的深度协作，在量产实践中释放巨大价值。

• 在整车厂端：黑芝麻智能与国内车企达成战略合作，基于C1200家族打造新一代智能车控平台，涵盖辅助驾驶、整车数据交换与控制功能，释放武当C1200 家族的潜能，从而令消费者以极具性价比的方式拥有主流智能汽车体验；
• 在Tier1与软件服务商端：安波福跨域域控产品、均联智及CoreFusion平台、斑马智行Hypervisor方案均已进入量产验证阶段。

这些实践印证了一个趋势：中央计算不是简单的功能和算力堆砌，而是通过架构创新实现”功能整合—成本优化—体验跃升”的正向循环。武当C1200家族的推出，显著降低了中央计算的量产门槛，加速其从高端车型向大众市场渗透。

四、结语：定义中央计算的中国标准

当汽车电子电气架构迈入中央计算时代，芯片已成为定义整车架构形态的核心引擎。武当C1200家族以”跨域融合”为核心理念，通过7nm异构算力池、ASIL-D与EVITA Full级双擎安全底座、片内低延迟数据交换以及场景化的产品定义，不仅破解了中央计算落地的关键技术难题，更是将软件定义汽车理念转化为可量产的硬件平台。

从分布式到集中式，再到中央计算，这不仅是技术路线的演进，更是汽车产业价值链的重构。中央计算的终局，不是功能与算力的无限堆砌，而是通过架构创新让每一TOPS、每一瓦特、每一纳秒都为整车体验服务，武当C1200家族，正走在这条正确的道路上。

来源 / Source：PR Newswire Asia — Carsense 仅作信息发布，不代表编辑立场。

北京2025年11月14日 /美通社/ — 11月9日，北汽福田汽车股份有限公司（简称”北汽福田”）在全球合作伙伴大会上，为国际独立第三方检测、检验和认证机构德国莱茵 TÜV 大中华区（简称”TÜV 莱茵”）颁发”最佳业务支持奖”，表彰其作为北汽福田战略合作伙伴，在过去20年为北汽福田全球业务拓展、产品质量提升及技术创新等方面所提供的全方位支持与杰出贡献。

作为北汽福田最信赖的战略合作伙伴之一，TÜV莱茵与北汽福田的合作已逾20年，业务范围覆盖TÜV 莱茵交通服务、产品服务、人员与业务保障服务、工业服务与信息安全四大事业群。从欧盟整车型式认证（WVTA）、汽车零部件欧盟认证及市场准入，到无线电子产品全球市场准入，TÜV 莱茵助力北汽福田产品突破不同国家和地区的技术壁垒，满足合规政策标准，加速全球化进程。此外，TÜV莱茵还通过法规咨询与培训、零部件测试与验证、管理体系审核与认证，以及电子电气系统功能安全咨询等服务，为北汽福田打造具有全球竞争力的产品筑牢根基。

北汽福田领导表示：”北汽福田与TÜV莱茵在全球化道路上相互信任、共同成长，携手走过20年。从产品出海的技术合规支持，到企业质量体系的升级完善，TÜV 莱茵始终以专业、高效的服务为我们提供坚实的技术支撑，这份信任已成为北汽福田开拓国际市场的重要助力。未来，我们期待与TÜV莱茵继续深化合作，以更紧密的协同应对产业变革，全力推进全球化战略落地。”

TÜV莱茵交通服务高级副总裁黄余欣分享道：” 我们很荣幸作为唯一的检测认证机构代表获邀出席今年北汽福田全球合作伙伴大会，并获得”最佳业务支持奖”。这份殊荣不仅是北汽福田对我们服务的认可，更是对双方20年来”坚守安全底线，追求卓越品质”价值观高度契合的见证。TÜV 莱茵将继续支持北汽福田在新能源、智能网联领域的发展，提升其在国际市场的竞争力，加速推进全球化战略。”

此前，TÜV莱茵交通服务工程及型式认证全球高级副总裁Thomas Quernheim专程拜访北汽福田北京总部。期间，双方回顾了20年的合作历程，围绕欧盟认证、多国市场准入、整车及零部件检测、全球质量管理体系提升等关键协作成果展开深入交流，未来将继续以推动全球商用车产业高质量发展为目标，在保障产品安全、践行可持续理念的道路上深化合作，共同为全球市场提供更优质的商用车解决方案。

展望未来，面对汽车产业电动化、智能化、绿色低碳转型的新机遇，TÜV莱茵与北汽福田将围绕”技术升级、质量筑基、市场共拓、品牌联动”四大方向进一步深化合作，共同探索全球汽车市场新路径，为产业高质量发展注入更多动能。

 

来源 / Source：PR Newswire Asia — Carsense 仅作信息发布，不代表编辑立场。