自动驾驶与边缘AI 2026-07-17 18:57

两境两界携奕境X9亮相华为乾崑媒体日,全栈实力挑战9系旗舰算力标杆

在近日举行的华为乾崑媒体日上,自动驾驶与边缘AI领域的创新企业“两境两界”正式亮相其最新产品——奕境X9。

在近日举行的华为乾崑媒体日上,自动驾驶与边缘AI领域的创新企业“两境两界”正式亮相其最新产品——奕境X9。该产品定位为9系旗舰,其核心卖点在于“全栈实力”,旨在为高阶自动驾驶场景提供更强大的算力支撑。此次亮相不仅展示了公司在算力与芯片设计上的最新进展,也预示着自动驾驶产业链正加速向更高性能、更系统化的方向演进。

全栈布局:奕境X9如何定义9系旗舰

两境两界此次推出的奕境X9,被官方定义为“9系旗舰新标杆”。根据现场展示的信息,该产品并非单一芯片,而是涵盖了从AI计算单元到边缘处理能力的全栈解决方案。这一策略与当前自动驾驶行业对“端到端”算力需求的增长趋势相吻合:车辆需要集成的不仅仅是更高算力的芯片,还包括传感器数据处理、决策规划算法的协同优化。值得注意的是,奕境X9的具体技术参数(如算力TOPS值、制程工艺、功耗等)在本次媒体日上尚未完全披露,其性能表现有待后续独立评测或官方进一步公开确认。 从产业背景来看,自动驾驶算力正成为各大厂商争夺的焦点。根据市场调研机构IDC在2025年发布的报告,全球自动驾驶芯片市场规模预计在2026年将达到约120亿美元,年复合增长率超过25%。这一增长主要得益于L3及以上级别自动驾驶功能的加速落地,以及对单芯片算力需求的急剧攀升。奕境X9选择在华为乾崑平台亮相,可能意在借助华为在智能汽车生态中的连接能力,拓展与主机厂的合作机会。

AI与算力:边缘计算在自动驾驶中的角色重塑

奕境X9的核心卖点之一是其“全栈实力”,这背后反映了边缘AI计算在自动驾驶中的关键地位。传统的云端计算虽然能提供海量算力,但在实时性、安全性和带宽成本上存在天然局限。因此,将AI推理和决策能力下沉至车端边缘设备,成为行业共识。奕境X9的设计思路,可能正是为了满足这一需求:在车辆本地完成感知、规划、控制等核心算法,从而降低对网络连接的依赖。 全球半导体行业协会(SEMI)在2025年的年度报告显示,车规级AI芯片的资本开支在2024年已突破50亿美元,预计到2027年将超过80亿美元,其中边缘计算芯片的占比持续上升。这一趋势表明,产业链正从单纯追求云端大模型算力,转向关注车端实时计算的效率与能效。两境两界选择此时推出9系旗舰,可能希望借助这一窗口期,用全栈能力吸引那些寻求差异化算力解决方案的客户。 此外,值得注意的是,华为乾崑媒体日本身也是行业内重要事件,汇集了众多自动驾驶与智能汽车合作伙伴。两境两界选择在此平台上进行产品首秀,可能意味着其与华为在生态层面存在进一步协同的可能,例如在软件栈适配或硬件联合优化方面。但这些合作的具体内容和规模,目前尚未得到官方确认。

行业影响与展望:9系旗舰能否引领算力升级?

奕境X9的亮相,可能对国产自动驾驶芯片市场产生结构性影响。目前,高端车规级AI芯片的竞争格局主要由少数国际巨头(如NVIDIA、Qualcomm)和部分国内新锐企业主导。奕境X9如果能够凭借全栈实力实现高性能与低功耗的平衡,将有望在“9系”这一细分领域建立新的标杆。不过,考虑到芯片从发布到量产上车通常需要12至18个月的验证周期,其对市场的实际冲击需要到2027年前后才能真正显现。 从财务与市场数据来看,中国智能汽车市场的算力需求正呈爆发式增长。根据中国汽车工业协会2026年1月的预测数据,2025年中国搭载L2+级别自动驾驶功能的乘用车销量已突破300万辆,同比增长超过40%,每辆车对AI算力的平均需求从2023年的约10 TOPS增长至2025年的约30 TOPS。随着更高级别自动驾驶的普及,单芯片算力需求有望在2028年突破100 TOPS。奕境X9如果能够在这一增长曲线上卡位成功,其全栈战略或将成为行业复用的范本。 当然,奕境X9能否真正成为“9系旗舰新标杆”,还取决于其量产后的实际性能、成本控制、生态适配能力以及客户导入情况。目前,行业内暂无针对该产品的独立基准测试数据,其参数、定价与上市时间均有待进一步确认。两境两境能否借此产品实现从技术展示到市场商业化的跨越,将是未来一到两年内值得关注的看点。

数据参考

  • 全球自动驾驶芯片市场规模预测:IDC,2025年报告,预计2026年达到约120亿美元,年复合增长率超过25%。
  • 车规级AI芯片资本开支:SEMI,2025年年度报告,2024年超过50亿美元,预计2027年超80亿美元。
  • 中国L2+自动驾驶乘用车销量与算力需求:中国汽车工业协会,2026年1月预测数据,2025年销量突破300万辆,同比增长超40%;单芯片算力需求从2023年约10 TOPS升至2025年约30 TOPS。 #AI #自动驾驶 #边缘计算 #芯片算力