必一運動：中科創達三大重磅產品齊發以端側智能驅動智能產業變革浪潮
2025年4月21日，中科創達ThunderWorld2025端側智能技術大會暨南京智能汽車產業園開園儀式在南京盛大舉行。會上，滴水OS 1.0 Evo、TurboX AI眼鏡、移動機器人AMR三大重磅產品發布，彰顯中科創達在AI原生操作系統、端側智能領域的突破成果。
面對中央計算架構普及與大模型上車的行業浪潮，中科創達憑借敏銳的市場預判與深厚的技術儲備，于2024年北京車展全球首發整車操作系統 滴水OS。歷經一整年的市場實戰檢驗、技術迭代升級與生態協同共建，滴水OS迎來重大技術躍遷，正式邁入全面AI化新時代。
發布會上，中科創達副總裁、滴水智行總經理宋洋指出：“全新發布的滴水 OS 1.0 Evo 深以端邊云協同AI原生架構為核心，靈活利用主流芯片平臺算力，實現從車內外多模態感知到車輛底層能力，再到生成式HMI的座艙系統全面重構，將AI融入系統的方方面面，為最終用戶帶來“超真實、超智能”的新體驗，為汽車產業出海帶來“超融合生態”的完整應用體系。”
超真實以Kanzi工具鏈實現超650萬面的超級細節和實時光影，主流場景一鏡到底的絲滑轉場，行業首創的SR+AVM智穹融合實境，搭載“星光夜視” 視覺增強， 并集成主動降噪，搭配3D環繞聲等高級聲學技術，從視聽到交互，全方位升級智能座艙體驗。
超智能依托端邊云協同AI框架，深化邊緣側大模型AI能力，融合多模態交互與智能體技術，精準覆蓋登車、用車至停車全場景，為用戶提供主動感知、智能響應的全流程服務體驗。其覆蓋50+座艙意圖域，集成1000+語音控制原子能力，實現毫秒級響應（500ms）與 95%+的意圖落域準確率。
超融合生態深度整合全球生態資源，構建覆蓋底層芯片適配、操作系統研發、算法模型創新、云端服務協同及場景應用開發的全鏈條融合生態，為全球主機廠打造標準化、模塊化的量產級開發平臺，以高效的技術解決方案與生態賦能體系，全面加速全球車企智能戰略落地。
在AI技術席卷全球的浪潮下，智能眼鏡正成為AI應用落地的重要戰場。從AI大模型的火爆出圈，到在生活場景中的廣泛滲透，AI與硬件的融合正以前所未有的速度推進。
中科創達XR產品總監王線年，AI眼鏡賽道迎來爆發式競爭，近百家企業入局，數十款新品密集亮相，形成 百鏡大戰 的火熱局面。2025年年初的CES展會現場，國際科技巨頭、國內AI領軍企業、傳統手機廠商及初創公司紛紛入局，推動2025年成為AI眼鏡元年。”
然而，當前市場產品仍存在續航不足、價格偏高、交互單一等痛點，亟待技術革新突破。為此，中科創達發布TurboX AI眼鏡一站式解決方案，以全鏈路技術創新直擊行業痛點，打造AI眼鏡新標桿。
在硬件層面，TurboX AI眼鏡采用高通5100與MCU雙芯片架構，不僅在成本控制上優于主流方案，更實現藍牙高頻場景功耗降低30%、待機功耗直降75%。同時，AR顯示與眼動追蹤技術的加入，構建多模態交互體系，大幅提升AI交互效率。
在系統層面，中科創達深度優化Android+RTOS雙系統架構，實現AI眼鏡開機速度提升75%、拍照響應加快50%，支持脫離手機獨立運行，徹底擺脫設備依賴。
在AI能力上，中科創達的端側算法實現毫秒級響應，結合AI語音識別、圖像增強等功能，覆蓋日程管理、健康分析等多元場景。
王真強調：“無論是日常使用的續航需求，還是復雜環境下的影像表現，全新Turbox AI眼鏡均展現出強勁實力，預計2025年底實現量產，為用戶帶來真正智能、便捷的全場景AI體驗。”
在制造業與倉儲物流等行業對智能化升級的需求呈爆發式增長的當下，AMR（自主移動機器人）憑借自身優勢，不斷拓展應用場景，已然成為推動行業變革的關鍵力量。中科創達旗下曉悟智能總經理王政指出：“盡管AMR發展態勢良好，但也面臨著諸多嚴峻挑戰：運行效率低、準確率差拖慢生產，人機協作存在安全風險，品牌設備繁多導致管理困難。而端側智能技術，正是突破這些困境的關鍵所在，中科創達也在積極投身相關創新。”
在ThunderWorld 2025端側智能技術大會上，中科創達深度融合端側AI技術，重磅推出兩款新品 GS - 150 - V1 1.5噸堆高型叉車和GP - 150 - V1 1.5噸搬運型叉車。這兩款新品亮點十足，車體設計緊湊，通道寬度小于2200mm，卻擁有高達 1500kg的承載能力。它們采用多模態感知融合識別技術，搭配多傳感器立體組合，能夠實現精準定位與混合導航，在復雜環境下也能穩定運行，具備強大的復雜任務處理能力。
同時，中科創達重磅發布TurboX C8X智能模組，其結合TurboX C8550、C6490P，構建起一個算力從12TOPS至 80TOPS全覆蓋的算力平臺，為AMR（自主移動機器人）實現更高效的端側AI運算筑牢了硬件根基，有力地推動了AMR智能化水平的進一步提升，滿足了AMR在不同應用場景下對算力的差異化需求。
