這項合作的核心，在於Mythic所主打的「類比運算(Analog Computing)」與「記憶體內運算(Compute-in-Memory)」技術。不同於傳統數位晶片需要在記憶體與處理器之間頻繁搬移資料，Mythic的架構直接在記憶體內完成運算，等於大幅減少資料傳輸所帶來的能耗與延遲。對於高度依賴即時運算的ADAS與自動駕駛系統而言，這種架構具備顛覆性的潛力。
根據Mythic的說法，其類比處理單元(APU)在能源效率上可達每瓦120百萬次運算(TOPS/W)，相較現行主流GPU高出約100倍；在影像處理等矩陣運算情境下，甚至可達1,000倍的能效提升。這意味著未來車輛在執行複雜AI模型時，將不再需要龐大的電力支撐，進一步釋放電動車在續航與熱管理上的壓力。
從產業角度來看，這項投資透露出Honda幾個關鍵戰略轉向。首先，是對「後GPU時代」的提前布局。當前自駕與AI運算高度依賴GPU架構，但其高功耗與成本問題，正逐漸成為大規模商用化的瓶頸。若類比運算能成功導入車用SoC，將可能打破NVIDIA等既有算力平台的主導地位。
.jpeg)
其次，是對「神經形態運算(Neuromorphic Computing)」的長期押注。Honda已明確指出，其正探索模仿人腦運作方式的SoC架構，而Mythic的技術正好提供了這樣的基礎。這類架構在處理感知、辨識與決策等任務時，理論上能以更低能耗達成更高效率，特別適合車輛這種對即時性與能源敏感度極高的應用場景。
第三，則是分散技術風險與強化研發彈性。值得注意的是，這項合作與Renesas Electronics過去針對Honda 0 Series電動車的SoC開發案，是完全不同的技術路線。隨著Honda先前取消0 Series開發計畫，並認列17億美元(約合新台幣534.9億元)虧損，顯示其正重新調整電動車與軟體架構的整體戰略。在這樣的背景下，投資Mythic，某種程度上也是為未來保留更多技術選項。
然而，類比運算並非沒有挑戰。整體產業目前仍以數位運算為主流，類比晶片的生產規模有限，生態系尚未成熟。包括Texas Instruments、Analog Devices與Infineon Technologies等業者雖在類比領域具備深厚基礎，但真正將其導入高階AI運算的案例仍屬少數。同時，像Intel與IBM則在神經形態運算上進行多年研究，但距離大規模商用仍有距離。
因此，Honda此次布局，更像是一場高風險但高報酬的前瞻投資。若成功，Honda將有機會在下一世代SDV架構中取得關鍵技術優勢，甚至重新定義車用AI晶片的設計邏輯；若未能落地，則仍可作為技術儲備，支撐其未來轉型。總體而言，當多數車廠仍在比拼算力規模與軟體平台時，Honda選擇從運算本質切入，探索類比與神經形態運算的可能性。