海口2026年9月24日 美通社 －－ 黑芝麻智能应用工程副总裁邓堃受邀出席WNEVC主论坛，系统分享黑芝麻智能在高性能车规芯片、韧性供应链构建及全场景算力布局的实践成果。

9 月 22 日 － 24 日，世界新能源汽车大会（WNEVC）于海南海口隆重举行。大会以 “前瞻科技与融合创新” 为核心主题，汇聚全球各国政产学研界代表，围绕技术变革、产业协同、商业化落地等核心议题展开深度交流。黑芝麻智能应用工程副总裁邓堃受邀出席主论坛，并发表题为《端侧算力重构汽车智能新范式 汽车芯片技术变革与规模化落地的实践》的主题演讲，深度剖析端侧 AI 时代车规芯片的技术演进逻辑，系统分享黑芝麻智能在高性能车规芯片、韧性供应链构建及全场景算力布局的实践成果。

端侧 AI 浪潮来袭 产业迎算力与供应链双重重构

邓堃在演讲中梳理了计算终端的发展周期：从大型机、小型机到桌面互联网、移动互联网，终端规模从百万级增长至数十亿级；进入AI时代，计算终端数量将达到移动互联网时代的10倍以上，端侧计算需求将迎来爆发式增长。智能汽车作为新型移动计算终端，是端侧AI领域算力需求最高的场景，算力需求已从2020年的数十TOPS攀升至数百TOPS水平，未来还将随高阶智驾持续突破，车规级AI芯片正成为整车智能化的核心竞争力底座。

与此同时，2026年全球智能汽车产业正经历结构性变革与深度洗牌，三重挑战倒逼产业重构。技术端，“AI上车”从概念走向规模化落地，车载智能技术成为车企竞争新焦点；成本端，AI产业爆发挤占先进制程产能，存储芯片价格大幅上涨，传导至整车端带来显著成本压力；供应链端，全球半导体供需大幅波动，传统“效率优先”的JIT准时制模式暴露出明显脆弱性，零库存、单一供应的逻辑已难以为继。全球供应链正加速向“安全库存、高效协同、多元供应、国产替代”的新模式转型，构建效率与安全并重的韧性供应链已迫在眉睫。

华山 A2000 家族全面量产 构筑物理 AI 时代算力底座

面对产业变革，黑芝麻智能以技术创新为核心抓手，推出专为物理AI打造的下一代高算力芯片平台  华山A2000家族芯片，全面支撑 VLA 视觉语言动作模型与世界模型部署，定义车规级算力新标杆。

邓堃介绍，目前，华山A2000 家族已形成A2000N、A2000L、A2000U、A2000X四款产品矩阵，覆盖 200TOPS 至1000TOPS阶梯算力，分别对应座舱 AI、城市 NOA、全场景通识智驾及L3L4 自动驾驶场景。同时，华山 A2000 家族实现多项架构级突破：独创近存计算架构，配备百 MB 级专用高速片上缓存，带宽达 8TBs，极致降低数据处理时延；全链路支持 INT4INT8FP8FP16FP32 混合精度；自研业界领先的星眸 ISP，支持 4 曝光、150dB HDR与3DNR，RAW 格式无损直通 NPU，保障极限环境下稳定感知；独创“3L”SoC功能安全设计，构建核内校验、硬件隔离、流程认证三位一体的全链路安全体系，满足ASIL－D最高车规安全等级。

此外，华山A2000家族满足全球多地区车规安全认证，可助力客户顺畅进入全球市场。当前华山A2000家族已全面进入量产阶段，可支撑高速  城市NOA、乘商协同等全场景落地，覆盖乘用车、商用车、无人物流等多元场景。

跨域融合 ＋ 跨界延伸 构建全场景立体化算力生态

除算力升级之外，智能汽车电子电气架构正向中央计算架构演进，跨域融合成为产业发展新趋势。邓堃表示，黑芝麻智能武当C1200家族是首个本土车规级跨域计算芯片平台，其中武当C1296作为国内率先量产落地的舱行泊一体域控芯片，以单芯片覆盖座舱、智驾、泊车等核心场景，实现一芯多域的极致集成，助力智能化技术从高端专属向大众普及，目前已在多款量产车型上验证落地。

基于车规级算力的深厚技术沉淀，黑芝麻智能还将能力边界从智能汽车延伸至更广泛的端侧AI场景。邓堃在演讲中展示了SesameX多维具身智能计算平台，针对不同形态机器人需求打造Kalos、Aura、Liora三款核心模组，覆盖从服务机器人到工业机器人、人形机器人的全品类算力需求，实现车规级高可靠技术向机器人产业的高效复用。在泛AI领域，公司还布局边缘计算单元、AI智能摄像机、雷视一体机等产品，赋能公路、电力、船舶等千行百业智能化升级；其中 AI 影像解决方案累计搭载设备超5亿台，跻身全球三大供应商之列。

邓堃表示，黑芝麻智能已构建起覆盖高性价比芯片家族、华山A1000家族、武当C1200家族、华山A2000家族的全场景立体化算力芯片布局，算力覆盖 10TOPS 以下至 1000TOPS全梯度，既能支撑低功耗场景，也能满足高阶智驾、人形机器人等高性能需求。未来，公司将持续坚持技术创新与开放生态双轮驱动，携手整车厂、Tier1及产业链伙伴，以高性能、高可靠、自主可控的端侧算力底座，推动新能源汽车智能化高质量发展，共同赋能万物智能时代。