摘要：对此，Arm 推出的 Zena 计算子系统（CSS），通过 “预先验证 + 灵活扩展” 的设计、“硬件加速就绪 + 软件提前开发” 的模式，再加上 “生态合作” 的思路，帮整个行业解决这些痛点。
众所周知，现在汽车行业正从“软件定义” 转向 “AI 定义”，但车企和芯片厂商都面临三大难题：系统越来越复杂、开发周期太长、算力和安全难兼顾。
对此，Arm 推出的 Zena 计算子系统（CSS），通过 “预先验证 + 灵活扩展” 的设计、“硬件加速就绪 + 软件提前开发” 的模式，再加上 “生态合作” 的思路，帮整个行业解决这些痛点。
下面，我们从技术原理、效率提升、生态合作三个方面，把Zena CSS 讲清楚。
一、技术内涵：既稳定又灵活的“计算底座”
Zena CSS 的核心突破，在于打破了“要标准化就没灵活性，要定制化就成本高” 的行业悖论。
其以“核心计算组件预集成和预验证+ 差异化模块可扩展”为设计理念，把核心的计算部分提前做好集成和验证，再用灵活的形式——RTL（寄存器传输级）形式，交付给合作伙伴，让大家既能省时间，又能保留自己创新的空间。
1.核心组件：撑起AI 汽车的 “算力和安全”
Zena CSS 的预集成模块并非简单堆砌，而是针对 AI 定义汽车的核心需求做了深度优化，通过集成以下多种强大功能来满足 AI 定义汽车需求：
算力层面：里面有16 个 Cortex-A720AE CPU 核心（基于最新的 Armv9 架构）。如果还不够用，还能扩展到32 个（把两个 Zena CSS 拼起来），满足从智能座舱（IVI）到 L2+ ADAS 的多场景算力需求。安全层面：有两个关键的创新设计保障安全。一个是由Cortex-R82AE 驱动的 “安全岛”，这是 Arm Zena CSS 的专属设计，能实时处理安全相关的任务（比如检测故障、控制系统启动），达到最高的 ASIL D 安全级别，这是辅助驾驶和自动驾驶的 “安全底线”；另一个是“安全飞地”，集成了硬件信任根和 Arm TrustZone 技术，如果客户有特别的安全需求，可以按需替换或对其进行编程配置，既安全又灵活。基础控制层面：包含调试、电源管理、基础I/O 接口这些 “必须有但不用重复开发” 的模块。Arm 提前把这些做好，合作伙伴就不用再花时间做基础工作，能直接聚焦更有价值的创新。
2、为什么用RTL 交付，而不是 GDS？
当被问到为什么Zena CSS 用 RTL（寄存器传输级）的形式交付，而不是直接给 GDS（版图数据库）？
Arm 汽车事业部产品和解决方案副总裁 Suraj Gajendra告诉我们，答案是为了 “灵活”！
工艺更自由：GDS 会绑定特定的芯片工艺，如果Arm选定某个工艺节点进行优化设计，客户就不得不使用相同的工艺节点，失去了选择的自由和灵活性。但不同客户需求不一样，通过RTL，客户就能根据成本、性能等不同考量因素，自主选择特定的代工厂并针对性地优化设计。设计能自己调：GDS 会把芯片内部的模块位置固定，本质上会在布局规划或物理实现层面限制客户的设计。RTL 交付能让客户自己决定这些模块的位置，实现芯片的设计和优化。3、支持芯粒（Chiplet）适配：为未来多芯片设计留足空间
现在汽车芯片越来越倾向于“多芯片组合”（比如用不同芯片分别处理感知、决策），而Zena CSS 从设计时就考虑到了这一点。
预留标准接口：它的核心模块里已经包含了连接UCIe（通用芯粒互连协议）的必要接口，客户不用改核心部分，只要加个 UCIe 物理层，就能把 Zena CSS 做成一个独立的 “芯粒”；如果暂时不用多芯片，也能直接当单芯片用，现在和未来的需求都能满足。多芯片协同工作：多个Zena CSS 能通过 UCIe 连起来，形成 “算力池”。比如一颗负责辅助驾驶的感知，另一颗负责决策，数据能快速传递，解决单芯片算力不够的问题，为未来更高级的自动驾驶（比如 L4 级）铺路。二、效率提升：从“排队开发” 到 “同步干活”，周期大减
以前开发汽车芯片，要按“IP 交付→硬件设计→软件开发→系统集成” 的串行流程，周期长达 5-6 年，完全无法跟上AI 应用的迭代速度。
Suraj Gajendra表示，Zena CSS 通过 “硬件开发加速 + 软件左移” 的双重策略，实现了开发周期的 “量级突破”—— 芯片开发缩短 12 个月，软件开发提前 2 年，直接帮助车企将 AI 车型上市时间至少提前 1 年。
1、硬件开发：工程减负20%
Zena CSS 能压缩硬件周期，核心是 Arm 提前帮大家做了 “最复杂、最重复的工作”：
提前验证覆盖多场景：Arm 在推出 Zena CSS 前，已经针对辅助驾驶（比如环视、驾驶员监控）、智能座舱（多屏交互）、车辆控制（比如预测故障）等场景，做好了功能测试、性能优化和功耗调整。比如辅助驾驶需要的实时性，安全岛和 CPU 的配合已经通过了 ASIL D 认证，客户不用再自己测一遍。核心模块能复用：以前芯片厂商要为每款车型重新设计CPU 和安全模块，现在 Zena CSS 的核心模块能跨车型用。比如某车企的 SUV 和轿车，能共用 Zena CSS 的 CPU 和安全层，只需要改改 AI 加速器，效率一下子就上来了。工程资源“减负” 20%：根据 Arm 和合作伙伴的实际数据，用 Zena CSS 后，芯片厂商做 SoC（系统级芯片）设计时，能少20% 的工程师资源投入。这是因为核心计算模块的开发、验证工作已由 Arm 完成，客户可将资源聚焦于差异化模块（如自研 NPU、其他定制逻辑），而非 “重复造轮子”。2、提前开发：没有硬件也能干活
Suraj Gajendra认为，AI 带来的创新速度如此之快，硬件和软件的与时俱进十分重要，以确保解决方案能更快推向市场。但传统的开发流程，必须等硬件做好才能开发软件，这是最大的瓶颈。Zena CSS 用 “虚拟平台” 解决了这个问题：
云端虚拟原型同步上线：Arm 联合 AWS、Cadence、西门子等，为 Zena CSS 打造了 “指令集架构（ISA）对等” 的虚拟平台—— 在物理芯片流片前，软件开发者即可在云端基于虚拟 CSS 开发、测试 AI 算法（如 ADAS 感知模型、座舱语音交互），实现 “硬件设计与软件开发并行”。软件周期缩短两年：以前要等 IP 发布两年后，有了硬件才能开发软件；现在 Zena CSS 的虚拟平台和硬件设计文件一起发布，软件工程师当天就能开始干活，一下子省了 2 年时间。生态工具链协同：Arm 还联合 GitHub、InfoMagnus 等伙伴，为虚拟平台配了适配技术和工具，确保Zena CSS 平台的每一层都能支持持续演进和 AI 驱动的适应性。三、生态合作：以SOAFEE 为核心，大家一起干
Zena CSS 的核心竞争力并非仅来自硬件，更在于Arm 构建的 “全栈生态协同体系”—— 以 SOAFEE（面向嵌入式边缘的可扩展开放架构）为纽带，连接从虚拟平台、软件标准到应用场景的所有参与者，解决了汽车行业 “各自为战、标准不统一” 的老问题。
1、 SOAFEE：连接云与汽车的 “标准桥梁”
Suraj Gajendra介绍，SOAFEE 是一项云原生倡议，鼓励整个生态系统开展开放协作，使开发者能够更轻松地将软件移植到不同的计算平台，从而实现“一次开发、大规模部署”的高效模式。据悉，该社区目前已汇聚了通用汽车、CARIAD、大陆集团和塔塔汽车等 150 余家行业成员。而如今， Zena CSS 就是这个标准的 全新“硬件载体”。
标准化开发框架：SOAFEE 定义了软件定义汽车的开放标准架构（如服务编排、资源调度），而 Zena CSS 的硬件设计（如 CPU 调度、内存管理）已提前适配这些标准。蓝图计划加速落地：SOAFEE 已针对 CSS 发展出多个适用于实际汽车场景的蓝图项目，包括推动自动驾驶功能的 Autoware Open AD Kit 蓝图项目、电装 (DENSO) 为混合关键性安全需求设计的最新蓝图项目，以及松下汽车电子系统 (Panasonic Automotive Systems) 为开发和部署数字座舱与 IVI 解决方案所设计的蓝图项目。2、生态协同：从“底层硬件” 到 “上层应用” 的全链路覆盖
Suraj Gajendra介绍，Arm 围绕 Zena CSS 构建了四层生态协作网络，确保每个环节都有专业伙伴支撑：
3、赋能中国AI汽车生态，帮本土企业快速创新
中国是全球AI 汽车创新最活跃的市场，而 Zena CSS 对中国车企与芯片厂商的价值，在于 “降低门槛 + 保留创新空间”。
Zena CSS通过将计算核心的部分标准化，预先集成和验证，通过 RTL 的形式进行交付，这样能够加快上市进程，提升软件的复用性，让合作伙伴提升提升效率，把精力放在NPU、优化 AI 算法这些差异化领域。
适配中国市场需求：Arm Zena CSS 支持合作伙伴根据中国相关法规（如数据安全、OTA 合规）进行定制——例如，Zena CSS对安全飞地提供了相当大的灵活性，客户可以按需替换安全飞地或对其进行编程配置。
协同本土生态伙伴：Arm Zena CSS已获得包括四维图新、广汽研究院等中国生态伙伴的的认可。据Suraj透露，目前Zena CSS已经收到了包括中国厂商在内的合作伙伴的强烈兴趣，全球已有包括车厂和芯片设计商在内超过 10 家合作伙伴，一部分已取得了 Zena CSS 的技术授权，另一部分则正与Arm进行深度合作接洽阶段。
四、行业影响与未来挑战：重构AI 汽车的开发范式
Zena CSS 的推出，本质上是 Arm 从 “汽车 IP 供应商”向“AI 汽车计算平台服务商”的战略转型，其对行业的影响将远超单一产品：
1、推动中央计算架构：从“一堆小芯片” 到 “一个大算力池”
以前汽车里有很多小ECU（电子控制单元），座椅、车窗、辅助驾驶各用一个，很零散。
AI 汽车需要集中算力做决策，Zena CSS 的高算力和可扩展性，正好能当中央计算架构的核心。比如一颗基于 Zena CSS 的芯片，能同时管辅助驾驶、智能座舱、车辆控制，替代以前几十个小 ECU，既降低成本又减少功耗。
2、平衡标准化和定制化：解决行业老难题
汽车行业一直面临“标准化不够就重复劳动多，定制化太多就成本高” 的问题。Zena CSS 的 “核心标准化 + 外围定制化” 模式，正好解决了这个矛盾：
首先是核心标准化：CPU、安全模块这些 “大家都需要且复杂” 的部分标准化，软件能复用（比如不同车型共用座舱基础软件），还能减少认证成本；
其次是外围定制化：加速器等这些 “能体现差异” 的部分开放给客户。
3、未来还要解决的问题
虽然Zena CSS 现在能解决很多问题，但笔者认为，面对未来的 AI 汽车，还有两个挑战要应对：
首先，算力还要再提升：以后自动驾驶模型、车载大模型会更复杂，需要的算力会从几百TOPS（万亿次每秒）涨到几千 TOPS。
Arm 需要在后续版本里提升 CPU 性能，比如单核性能提升，或叠加更多核，还要优化和 AI 加速器的配合。据悉，目前Arm 已经通过 KleidiAI 软件库优化了 CPU 运行大模型的性能，未来还要进一步打通硬件和软件；
其次，合作要更深入：现在SOAFEE 的合作还还没形成全产业的 “硬件 - 软件 - 算法” 闭环。比如，未来某车企用 Zena CSS 做的辅助驾驶算法，要重新适配不同厂商的操作系统，还是会增加成本。Arm 需要在生态范围内继续推动 SOAFEE标准，实现 “一次开发，多平台能用”。
总结来说，Arm Zena CSS 的价值，不只是让开发变快、算力变强，更重要的是它提供了一套 “能规模化、能创新” 的 AI 汽车开发方法，解决了行业最核心的矛盾 ——即如何在 AI 快速演进的情况下，既保证开发效率和安全，又能做出有差异的产品。
对车企来说，它意味着能更快推出AI 汽车，抢占市场；而对芯片厂商来说，它意味着能更灵活、更低成本地打造出差异化高端芯片。
来源：电驹一点号