高通的第三场赌局

本文来自微信公众号： 云见 Insight ，作者：云见 Insight

以攻为守，押注舱驾一体。

2026财年第三季度（4月到6月），高通汽车业务收入达到15.88亿美元，同比增长61%，连续23个季度保持双位数增长。

曾经作为“副业”的汽车芯片，已然生长为这家移动芯片巨头的第二增长曲线。但要撑住这份庞大的野心，仅仅卖出更多座舱芯片已经远远不够。高通押注的下一个战场，是舱驾一体平台。

2025年年底，宝马新一代iX3量产。藏在这辆车里的，还有高通的智驾系统Snapdragon Ride。为了做好这套系统，高通和宝马用了三年时间，投入了超过1400名专业人员。

对高通来说，智驾是个陌生生意。十多年前，它可以把芯片、软件和设计打包，让一家手机厂商最快60天推出产品；后来又把这套产品能力搬进汽车，凭8155拿下智能座舱。

从手机到座舱，高通已经赢过两次。现在它想做的是，把座舱和智能驾驶装进同一套计算平台，再赢第三次。

只是这一次，要把过往的成功经验复刻到由AI驱动的新战场，难度远超以往。

一场险些失败的演示

1989年11月，高通在圣迭戈第一次公开演示CDMA移动通信。

会场外，一辆测试车准备在两座基站之间行驶，以证明通话可以连续切换。演示开始前，系统突然故障。台上，56岁的创始人艾文·雅各布斯看见工程师不断示意，只能临时延长演讲45分钟，为团队争取时间。设备最终恢复，测试车顺利完成通话。

高通后来把它称为“成就高通的那个时刻”。雅各布斯的回忆更加惊险：“如果那次演示失败，我们可能就完了。”

那时高通成立只有四年，美国即将进入2G时代，主流意见更倾向容易理解和验证的TDMA，高通押注的却是更复杂的CDMA。为了说服市场，高通不仅要提出通信算法，还要把芯片、手机、基站和系统软件一起做出来，让CDMA真正工作。

艾文·雅各布斯的努力最终让美国接受两套2G标准。而对高通来说，这段经历塑造了后来最重要的能力：找到一个客户难以绕开的底层技术，再把它做成可以大规模商用的系统。

智能手机时代，这个支点变成了基带。

基带负责让手机按照通信标准接入运营商网络，既要支持不同制式和全球频段，还要处理切换、信号和功耗，全球只有少数公司具备完整能力，高通就是其中一家。

因为高通恰好同时站在标准和产品两端，深度参与CDMA、3G和LTE，又较早做出全球多模基带。后来面对反垄断调查时，美国第九巡回上诉法院援引的市场资料显示，2006—2016年，高通在CDMA基带市场份额超过90%；2011—2016年，在高端LTE基带市场至少占70%。

但基带优势不会自动变成手机芯片市占率。2012—2014年，高通年报列出的直接竞争者超过十家，包括德州仪器、英伟达、博通和英特尔。

高通的办法，是把基带、CPU、GPU、定位、音视频等功能集成进骁龙平台，同时提供操作系统适配、驱动和运营商认证支持。手机厂商不用再采购分散零部件自己整合，而是直接购买一套已经打通的全球方案，也就是SoC。

这套打法并不容易复制。德州仪器、博通没能跨过基带这道坎；英伟达Tegra有GPU优势，却缺少成熟基带，2011年收购英国基带芯片公司Icera后仍未建立完整移动平台，2015年关闭基带业务。联发科则长期更擅长中低端，高端基带、影像和旗舰客户跟进较慢。苹果、三星和华为的高端芯片又主要自用，高通因此成为安卓厂商少数可以公开采购的旗舰平台。

对中小厂商，高通还提供QRD公版设计。2013年，高通称部分客户最快可以在60天内推出一款手机。对当年的手机创业公司而言，高通卖的是一个上升行业里的确定性，是一部两个月后就能摆上柜台的手机。

高通在手机行业证明，芯片竞争不只比性能。谁能把最复杂、最容易拖延的部分提前解决，谁就能降低客户的量产风险。

后来，高通把这套方法带进了汽车座舱。

拿下汽车座舱

2022年，极氪做了一件行业内并不常见的事。

这一年7月，极氪宣布为已经交付和下定的极氪001免费升级高通8155。此前，首批车辆的车机卡顿、启动缓慢持续引发车主不满。极氪最终更换完整座舱系统，从硬件采购、软件重新开发到物流和售后，总投入超过3亿元。

极氪愿意花3个亿，是因为车机体验已经足以影响一辆智能电动车的整体口碑，而8155是当时高端座舱芯片中经过大规模量产验证、风险较低的方案之一。

到2023年，高通在中国座舱域控芯片市场份额达到59.2%；2024年8295接棒后，份额进一步升至70%。吉利、长城、蔚来、小鹏、理想、吉利、凯迪拉克、Smart等一批品牌都使用过8155。

高通并不是拿着手机芯片突然闯进汽车。早在2002年，它就依靠通信技术为通用提供CDMA车载方案；到2014年发布第一代座舱芯片时，高通通信方案已进入约1000万辆汽车。通信业务先替它证明了车规质量、长期供货和技术实力。

不过，高通前两代座舱芯片卖得并不算多，市场主导者仍是瑞萨、恩智浦等传统厂商。602A、820A更像入场券：帮助高通完成车规和量产验证，也让博世、大陆、德赛西威等Tier 1逐渐熟悉骁龙平台。

转折发生在2019年。高通发布以8155为代表的第三代座舱平台，正好赶上中国新能源汽车集中升级智能座舱。

燃油车时代，座舱主要负责导航、影音和车辆设置。到了新能源车，大屏、多屏、3D交互、在线应用、语音助手和OTA逐渐成为卖点，座舱也从信息娱乐系统变成整车最主要的人机交互入口。车企因此需要高性能SoC，同时承担系统运行、图形渲染、音视频、连接、摄像头和端侧AI。

这些恰好是高通在手机行业做了十多年的事。

当时并不是只有高通在做座舱芯片。三星有Exynos Auto V9，联发科有MT8666，瑞萨也有R-Car。8155没有保持每项参数都领先，但在2019—2021年的关键窗口，同时满足性能、功耗、软件适配和量产要求，没有明显短板的产品，只有8155一个。

三星入场和量产更晚，主要服务欧洲车企；联发科当时的MT8666更偏中端；最懂汽车的瑞萨，产品迭代又明显慢于消费电子节奏。高通则正好踩中中国新能源车对旗舰座舱的需求。

更重要的是，高通把手机时代的平台化打法搬进了汽车。第三代座舱平台覆盖不同档位，车企可以在10到30万不同价格车型间更换芯片，同时复用操作系统、语音、导航、中间件、应用商店和OTA体系，不必为每款车重做一套座舱。而这也是2019年时的三星、联发科们不具备的优势。

经过前两代产品探路，围绕高通平台做过量产的供应商也越来越多。车企选用8155后，可以在博世、大陆、德赛西威、LG、伟世通等Tier 1之间选择，出现兼容和工程问题时，也更容易找到有类似经验的团队。进一步降低了车企的顾虑。

由此，8155从一款供应链深处的芯片，变成车企频繁写进配置表、消费者能够直接叫出型号的行业默认平台。

昂贵的补课

2021年，8155大规模放量的这一年，高通又看中一家汽车供应链公司。

7月，麦格纳已经与瑞典汽车安全供应商Veoneer达成收购协议。不到一个月，高通报出每股37美元，比麦格纳高18%，公开加入竞购。最终，高通联合SSW Partners拿下Veoneer，并把真正想要的Arriver收入囊中。

这次高通想入局智驾。高通在座舱里可以大量复用手机时代的技术，进入智驾却不得不从头做起。而做计算机视觉、感知和驾驶策略的Arriver却能很好地弥补这一点。

高通进入智驾市场的直接原因是，智驾能带来更高收入。

2022年，高通预计到2030年其可服务的汽车市场约1000亿美元，其中智驾约590亿美元、座舱约250亿美元；高端车型上，高通希望把座舱、智驾、连接和软件打包销售，使单车内容价值最高提升至约3000美元。

此外，如果高通不做智驾，专心守着座舱这个市场，也未必受得住。因为汽车计算架构正在变化。过去座舱和智驾芯片分开，高通卖8155，英伟达卖Orin，两家可以同时出现在一辆车上。如果未来走向舱驾融合，座舱和智驾可能共用一个计算平台。英伟达Thor从设计之初就能同时承载智驾、泊车、仪表和信息娱乐，地平线、华为等也都在做类似方案。高通如果只守座舱，手里的沙子只会越来越少。

因此，舱驾一体对高通来说不仅是进攻，也是防守。

目前在10万—20万元市场，高通的舱驾一体方案已经量产，极狐阿尔法T5、S5和东风日产N6部分版本已经用一颗高通8775同时承担座舱和智驾；价格更高的零跑D19则使用两颗8797，把座舱和智驾集中进同一套架构。

但这套新技术架构的竞争才刚刚开始。高通自有智驾软件Snapdragon Ride Pilot目前明确量产交付的车型只有宝马iX3一款，要像8155一样形成规模和复用能力，还有很长的路要走。

而在新的领域，高通过去积累的武器并不趁手。座舱需要解决的Android、图形、音视频和连接，高通在手机时代几乎都做过；高阶智驾却要持续处理摄像头和雷达数据，运行复杂AI模型，同时满足实时性和功能安全。这些都是要攻克的新能力。

更重要的是，英伟达已经围绕CUDA形成强大的AI开发生态。高通虽然有AI Stack和Ride工具链，但还没有形成类似的行业惯性。

所以，在中国市场，高通的智驾收入主要来自于硬件。极狐使用高通芯片配卓驭，东风日产N6配Momenta，零跑D19的软件则由零跑自己开发。开放是高通的优势，车企不用把算法一起交给芯片公司。反过来看，也意味着高通尚未像手机和座舱时代那样，建立一套客户很难绕开的开发体系。

智驾软件技术投入大、更新快，且市场竞争激烈，高通想在智驾市场形成护城河，并不容易。英伟达、Mobileye、地平线、华为乃至车企自研力量，都在这片战场贴身肉搏。

三十多年前，高通靠CDMA的底层数学模型找到了行业无法绕开的支点；8155时代，它靠成熟的SoC工程与供应链敏捷度占领了座舱。而在智驾赛场，巨量算力、海量数据，以及持续进化的模型能力才是核心竞争力。这场新技术引发的全新博弈，才刚刚开始。