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。