Arm Zena 計算子系統：為 AI 定義的時代打造可擴展自動駕駛技術之路

閉上雙眼，想象你正坐上車準備去上班。車內溫度和座艙設置早已根據你的習慣調整到位。上車后，汽車通過學習已經了解你的駕乘習慣，主動詢問你現在是否再次前往辦公室。盡管你的車目前還無法在你居住的繁忙城區實現無監督導航，但你可以雙手離開方向盤，讓汽車在擁堵路段自主行駛，而你只需留意路況即可。

很快地，你的車就會提示你：現在可以放松下來，無需再緊盯路面，它將在約 45 分鐘內把你送到公司。在這段時間里，你可以瀏覽新聞、處理郵件、開完兩場會議，或是安心看完昨夜還沒追完的劇集。

這些場景將通過車載人工智能 (AI) 技術，穩步推進而實現。此前關于全自動駕駛私家車在城市道路中穿梭的預言，已讓位于更務實的發展路徑。車企當前正聚焦于拓展 L2+/++ 級駕駛員控制輔助系統 (DCAS) 和 L3 級自動車道保持系統 (ALKS) 的運行設計域 (ODD)，以此為更高階的自動駕駛鋪路。

然而，自動駕駛的大規模部署仍面臨諸多挑戰，具體包括：

· 算法局限性

· 高昂的開發成本與漫長的開發周期

· 硬件制約

借助 Arm Zena 計算子系統加速自動駕駛落地

盡管存在上述的限制，L2++ 及 L3 級駕駛功能的實現仍有可行路徑——這一路徑正由 Arm Zena 計算子系統 (CSS) 聯合汽車生態的全行業合作伙伴共同打造。目前，Zena CSS 已被頭部車廠采用，即將集成于前沿的自動駕駛控制單元，并將正式投入公共出行。事實上，依托 Zena CSS，汽車行業領軍者相信他們能夠超越分析師預測，大幅加速 L2+ 至 L4 級汽車的量產進程。

突破算法局限，為 AI 定義的汽車時代量身打造適用的技術

在馬路上運行自動駕駛，是一項多維度的復雜任務。業內已投入數十億美元，用于將明確的行業安全規范轉化為可執行的程序邏輯，這些規范界定了在 ODD 內，自動駕駛汽車在已知安全狀態和已知風險下應如何運行。然而，隨著 ODD 的拓展及新市場的加入，由于存在海量已知與未知風險構成的“長尾效應”，這種方式已被證明成本過高，難以實現安全規?；瘧?。

盡管多數風險是可預知的，但仍會存在一些未知風險，導致汽車難以做出恰當的反應。例如，汽車能夠對馬路上出現的牛做出反應并及時調整行駛狀態，但如果是遇到拖車上運輸的巨型牛模型，汽車并不需要類似反應，這時又該如何應對？這類問題正是設計自動駕駛系統時需要納入考量的要素。

幸運的是，AI 領域的最新突破為車廠提供了新工具，助力其構建可持續的技術模式，從而在更多市場中更快推出更先進的自動駕駛系統。借助基于注意力機制的神經網絡和視覺-語言-動作模型 (VLAM)，端到端學習技術為自動駕駛系統開辟了一條技術路徑，使之能更好地應對端側場景，即便在前所未見的場景中，也能通過上下文推理做出決策。與此同時，自監督學習大幅減少了目前在數據整理和標注上耗費的時間與成本。在適當的安全防護措施到位后，這些新技術將助力打造具備泛化能力的自動駕駛系統，真正滿足全球車廠的規模化需求。

若要深入了解自動駕駛領域的端到端 AI 技術，可聆聽 Arm 汽車事業部產品和解決方案副總裁 Suraj Gajendra 與 Wayve 軟件副總裁 Silvius Rus 的對話。

Zena CSS 專為 AI 定義汽車中的下一代自動駕駛系統精心打造。這套經過全面驗證的計算子系統，具備無縫的系統擴展能力，從集成入門級車載信息娛樂系統 (IVI) 和先進駕駛輔助系統  (ADAS) 的中央計算機，到 L2+、L3 及 L4 級域控制單元均能適配。Zena CSS 基于 Neoverse CMN S3AE 汽車網狀網絡互連技術構建，原生支持芯粒 (Chiplet) 架構，可通過標準化 UCIe 接口輕松集成 GPU 及 AI 加速器等異構計算芯粒，助力打造定制化、適配的產品。

Zena CSS 搭載 16 核 Arm Cortex-A720AE CPU，在高性能處理模塊中集成了強大的 AI 計算能力。這些基于 Armv9 架構的 CPU 引入了全新的指令，能顯著加速 AI 和計算機視覺 (CV) 等工作負載，開發者通過開源的 Arm KleidiAI 軟件庫，即可無縫調用相關功能。例如，在感知基準測試（如點云轉換和鳥瞰圖構建）中，當汽車工作負載從 Arm Cortex-A78AE CPU 遷移至 Cortex-A720AE 后，其性能提升了 30%。

此外，通過選配集成創新性的 Arm Mali-C720AE ISP，可進一步提升 AI 感知性能。傳統 ISP 往往需要通過漫長且半手動的流程，以針對人眼視覺效果進行優化；而 Mali-C720AE 的可微分 ISP 功能模型則能與攝像頭感知模型開展閉環訓練，為用戶專屬的計算機視覺技術棧自動生成理想配置。此外，Mali-C720AE 的雙流水線支持為人眼視覺流水線和計算機視覺流水線分別配置參數，從而為兩種使用場景均帶來更優的性能。

破解成本與周期難題，使開發周期縮短多達 12 個月

面向自動駕駛的下一代系統級芯片 (SoC) 是非常復雜的半導體器件。硬件和軟件開發均需投入高昂成本，即便是資金雄厚的全球性企業也倍感壓力。而軟硬件在不同車型平臺間的復用性受限，更讓這一問題雪上加霜——不僅導致成本成倍增長，還延長了量產啟動周期。Zena CSS 直面這些挑戰，通過規范非差異化構建模塊、優化生態系統投入、簡化移植流程，有效解決了上述難題。

正如 Arm 高級副總裁兼汽車事業部總經理 Dipti Vachani 所言，在 AI 時代，車廠若想保持競爭力，就必須在確保安全性、能效和靈活性的前提下，同時具備可擴展的計算能力。Zena CSS 可將芯片開發時間縮短長達 12 個月，并將每個項目的芯片工程投入減少多達 20%，助力車廠和芯片供應商更快將新車推向市場。

Zena CSS 整合了經過驗證的低功耗高性能 CPU、專用安全島、運行時信息安全飛地、參考固件及軟件支持，形成了一套可直接用于芯片實現的完整子系統。尤為重要的是，它還提供符合 ISO 26262 （功能安全）和 ISO 21434（網絡安全）的相關認證。

為了加速啟動軟件開發，Arm 攜手生態合作伙伴，在硬件就緒之前就提前提供 Zena CSS 的子系統級虛擬平臺?？傮w而言，計算子系統及基礎軟件層的標準化可將跨平臺移植工作量減少高達 30%。

打破硬件局限，重新定義能效

如今，車廠已找到一條可行路徑：既能設計出可跨車型級別與 ODD 擴展的計算架構，又能滿足嚴苛的成本與能效要求。Zena CSS 采用模塊化且可擴展的設計理念，該理念依托 Arm 在能效領域的領先優勢及成熟的授權商業模式。通過削減行業內的同質化成本，基于 Zena CSS 構建的 SoC 將更具競爭優勢，而車廠的研發投入也能更精準地投向為其創造更高價值的核心能力領域。

邁向自動駕駛的進階之路

無論是為緊湊車型的 L2+ 級 DCAS 提供支持，還是助力高端車型實現 L4 級高速公路自動駕駛功能，Zena CSS 都為車廠提供了理想路徑，助力其打造一套覆蓋全系車型的統一自動駕駛計算平臺。這一平臺不僅能減少集成工作量、縮短產品上市周期，還能降低驗證與合規認證成本，從而加速自動駕駛規?；涞氐脑妇皩崿F。

以 Zena CSS 為核心，自動駕駛的未來發展前景可期。Arm 期待見證專為 AI 定義的汽車量身打造的自動駕駛計算系統，在加速自動駕駛技術規模化落地的進程中大放異彩。