当前位置: 首页 > news >正文

从芯片到场景:BOS半导体以Physical AI定义车载AI Box新范式

全球Physical AI标杆阵营,迎来了AI算力的硬核玩家。

近日,BOS Semiconductors(BOS 半导体)成功入选CB Insights“AI 100”榜单,成为全球仅11家入围的Physical AI(物理 AI)标杆企业之一,标志着其技术实力与行业价值获得全球权威认可。

CB Insights是全球知名的AI科创情报机构,AI100 依托CB Insights 自有数据库、独立研究体系、企业提交的评估报告,以及软件采购方访谈等多维度验证流程,在全球AI 产业中具有极高公信力。历届入选企业包括 OpenAI、Anthropic、Perplexity 等全球 AI 领军企业,因此该榜单也被视为衡量下一代AI领导者的重要风向标。

Physical AI(物理AI),是让AI理解物理规律、感知真实世界、自主执行动作的新一代智能形态,核心是打通感知—推理—行动—反馈闭环,解决传统大模型“不懂物理、无法落地”的痛点。 传统AI专注文本、图像等数字内容生成,脱离现实物理规则。而物理AI融合了3D空间、物理仿真、传感器实时数据,适配自动驾驶、机器人等实体场景,实现数字智能与物理世界深度协同。而汽车正是Physical AI最核心、最具商业化价值的落地场景——车辆需实时感知路况、理解运动规律、安全决策执行,完全契合物理AI“懂世界、能交互、可执行”的本质要求。

依托领先的Chiplet芯粒架构、车规级高性能AI计算芯片及成熟的软硬件解决方案,BOS 半导体深度锚定AI+汽车浪潮,直击行业算力痛点,成为该赛道的核心领跑者。

BOS半导体首席销售与市场官(CSMO)兼执行副总裁Jason Chae 表示:“此次入CB Insights AI100,不仅体现了BOS Semiconductors 在技术创新方面的领先实力,也证明了我们在真实产业环境中落地AI 解决方案的能力,以及在全球市场的长期成长潜力。随着AI产业加速向Physical AI时代演进,BOS Semiconductors将持续强化在Automotive AIOn-device AI领域的全球竞争力,成长为世界级AI计算平台企业。

当前,在AI+汽车浪潮下,AI BOX作为汽车智能化全新增量赛道,目前已经迎来高速发展期。根据《高工智能汽车》了解,小鹏、蔚来、吉利、奇瑞等越来越多车企正在加速搭载高性能车载AI计算平台AI BOX,在不改变原有整车架构、不拉长研发周期的前提下,快速落地车载Agent以及多模态AI大模型,以极低的边际成本打造差异化卖点。

去年以来,比亚迪、智己等越来越多车企在智能座舱系统中引入AI Agent,以打造具备主动认知、情感交互的高阶AI智能座舱系统。而在高阶辅助驾驶端,各大主机厂也在加速推动辅助驾驶系统向VLA模型甚至是物理AI跃迁。

然而,在AI+汽车快速升级的过程中,车载算力供需错配的核心瓶颈日益凸显,严重制约了AI大模型的规模化落地。当前,市场上主流车型仍沿用传统电子电气架构,无论是传统车规座舱芯片,还是智驾芯片,都无法适配AI大模型算力指数级增长的需求。比如端侧部署LLM/VLM大模型,就对NPU矩阵运算能力、高带宽内存子系统、完整INT4/INT8量化工具链提出硬性要求,这超出了传统车规芯片的设计边界。

“以7B多模态模型为例,如果强行运行在传统座舱SoC上,不仅能效比惨不忍睹,甚至连基本的实时交互都无法保障。”一位业内人士指出,算力供需的错位,使得车企陷入两难:换架构代价巨大,不换则智能化停滞。

在此背景下,AI BOX外接算力方案成为了车企破局的最优解。所谓AI BOX,本质上是独立的高性能车载AI计算单元,集成了高算力芯片与专用AI操作系统,通过标准化接口连接汽车原有电子电气架构,具备即插即用、软硬一体、轻量化、高效灵活的核心优势。

《高工智能汽车研究院》预计,未来1-2年,基于现有整车架构的中等算力座舱平台叠加高性能AI BOX方案,将迎来规模化全面爆发周期。在全新整车架构尚未大规模普及、存量架构仍占据市场主流的窗口期,AI BOX独立算力单元跳出了“换架构、换主控”的重投入升级路径,以轻量化、高灵活、低成本的升级方案,补齐车载AI算力短板,成功开辟出车载芯片产业的第二增长曲线。凭借颠覆性的Chiplet技术架构、全球化技术积淀与差异化产品布局,BOS半导体已经成为这一轮产业红利的核心领跑者。

BOS半导体由前三星电子执行副总裁(EVP),曾执掌过三星SOC及Foundry的Jaehong Park(朴宰弘)博士于2022年创立,目前团队350余人,分布于韩国、美国、德国、中国、越南等地,核心成员拥有超过30年的全球顶尖芯片研发经验。这支团队不仅是iPhone移动AP(A4/A5时代)的核心开发力量,更是特斯拉HW3及HW4智驾芯片的关键贡献者。这种跨界背景赋予了BOS独特的优势:消费电子级的性能功耗比设计能力+车规级的功能安全标准+三星Foundry的制造与供应链资源。

目前,BOS半导体推出了全球首款基于Chiplet(芯粒)技术的汽车级AI加速器SoC——Eagle-N系列,可以精准适配车载端侧大模型的落地需求。资料显示,Eagle-N单芯粒算力达到250TOPS(Dense),带宽204GB/s, 采用车规5nm工艺和独特的Dataflow架构,可以稳定运行7B/8B/13B LLM本地推理+多模态交互并发,覆盖当前绝大多数端侧AI场景。

不同于传统车规芯片流片定型后算力、规格便无法更改的短板,Chiplet 模块化芯粒组合设计,可灵活搭配不同工艺、不同功能芯粒,还支持算力自由堆叠拓展,完美适配车载AI持续迭代的行业特性。正是如此,BOS半导体的Eagle-N具备极强的成本优势和算力灵活性。据了解,针对车企的持续迭代需求,单颗250TOPS算力不足时,可通过Chiplet架构将算力拓展至2000+TOPS,为车企提供渐进式算力升级路线。对于车企而言,这意味着可以用更低的BOM成本,获得可伸缩的AI算力配置,完美契合当前车企严控成本的诉求。

CES 2026和Auto China 2026北京车展上,BOS半导体展示了基于Eagle-N打造的AI BOX系统以及Eagle-N平台方案,以“保留现有车辆系统并扩展AI功能”的现实落地方式,获得了行业高度关注。

在技术落地与市场拓展方面,BOS半导体采取了“双轮驱动”的策略,快速抢占全球车载AI算力市场。一方面,依托Eagle-N等标准化AI加速器芯片,BOS半导体可以加速抢占全球OEM及Tier1的AI Box及AI加速器市场。资料显示,BOS同欧洲、日本、韩国等地的头部OEM及Tier1的合作项目正在紧锣密鼓推进中,同时也在积极拓展中国等核心汽车市场。

BOS半导体高级副总裁(SVP)、中国区销售及市场负责人刘勇先生透露,自2026年正式进入中国市场以来,同国内各大OEM及Tier1建立了广泛的联系,已有部分项目进入实质性合作,并计划在2026年底前建成一定规模的本地团队,更好更快服务于本土客户。

另一方面,依托团队在特斯拉、苹果项目中积累的高性能SoC设计经验,BOS半导体提供Turn-key(交钥匙)的ASIC定制服务。对于那些希望打造差异化算力平台的客户,BOS半导体能够提供从规格定义、前后端设计、流片封测、软硬件解决方案的全流程服务,这种“按需定制”的能力极大地增强了客户粘性。

更值得关注的是,BOS半导体已与芯片界传奇人物Jim Keller创立的Tenstorrent达成深度战略合作,BOS将Tenstorrent的高性能IP与自家的Chiplet技术结合,进一步强化其在物理AI(Physical AI)领域的底层技术壁垒。

http://www.cnnetsun.cn/news/2742145.html

相关文章:

  • NarratoAI完整教程:三步掌握AI视频解说制作神器
  • Tatai 3.0:让任意服务器上的 Java 应用,拥有云原生级的高可用体验
  • 基于 Harmony 6.0 应用的校园失物招领系统首页实现
  • 你的旧笔记本别扔!巧用闲置MiniPCIe接口,低成本变身4G物联网网关或监控终端
  • 用冠豪猪算法(CPO)自动调优BP神经网络,做多输入单输出回归预测,附完整评估指标
  • 深入对比:ZYNQ7000上EMMC与SD卡的裸机驱动性能实测与选型建议
  • STM32F103驱动RC522读写MIFARE卡并修改扇区密钥的可运行工程
  • STK COM互联实战:用向量几何工具为你的卫星仿真场景“搭积木”
  • 别再折腾Arduino IDE了!用USBasp给ATmega168P烧bootloader的保姆级避坑指南
  • Giga-Max 555:用放大百倍的巨型模型,彻底搞懂555定时器原理与应用
  • 基于D882晶体管的自动应急照明电路设计与制作详解
  • 从零自制STM8S103开发板:热转印PCB与嵌入式入门实战
  • Sentaurus TCAD新手避坑:雪崩模型仿真结果不准?先检查这个被忽略的网格参数
  • 告别轮询与中断:STM32F405 ADC多通道+DMA+TIM定时触发采集的终极优化方案
  • 手把手教你用ethtool修改网卡EEPROM:从虚拟机模拟到物理网卡实战(含避坑指南)
  • 别再到处找模型了!手把手教你用Hugging Face CLI下载Llama 3-8B(附申请流程详解)
  • 计算机顶尖奖学金申请指南:从研究提案到职业规划
  • Oracle 11.2.0.1 Grid Infrastructure for Windows 64位安装介质(含ASM管理工具与集群健康检查脚本)
  • 别再乱改my.cnf了!Docker部署MySQL 8.0时正确设置lower_case_table_names的保姆级指南
  • 用multiprocessing.Pool加速你的Pandas数据分析:一个真实数据清洗案例
  • 告别盲猜!用海德汉PWM21深度解析Endat信号:从位置值到信号质量百分百的完整诊断指南
  • 保姆级教程:在树莓派Ubuntu Mate 20.04上,用Mavros和QGC地面站搞定PX4飞控通信
  • STM32CubeMX配置SDIO读写SD卡,我踩过的那些坑(F407+轮询/中断/DMA全解析)
  • 别再为Oracle 11g驱动发愁了!手把手教你两种获取ojdbc6.jar的靠谱方法(附Maven安装命令)
  • 博士专家不是新模型,而是可审计的AI Agent工作流
  • 函数调用链分析:从原理到安全与性能优化实践
  • 《物联网安全》第10章 网络安全管理
  • OpenClaw v3.2.1源码级开发指南:HAL/RCL/AL三层深度解析
  • 056、位置环与速度环的串级PID实现
  • 避坑指南:用Realsense Viewer快速验证你的Ubuntu 22.04相机安装是否真的成功了