🐼Pandaily•較早收集於 2h
車廠轉向自主研發自動駕駛晶片

#autonomous-driving#semiconductors#edge-ai#vertical-integrationautonomous-driving-chipsbydnioxpengli autotesla
💡主要車廠正轉向客製化晶片,這預示著 AI 邊緣運算供應鏈將發生巨大變革。
⚡ 30-Second TL;DR
有什麼變化
五大主要汽車製造商目前正致力於構建自動駕駛專用晶片。
為什麼重要
此轉變威脅到既有晶片供應商的市場份額,並推動汽車產業的垂直整合趨勢。這標誌著產業正轉向軟硬體協同設計,以優化邊緣裝置上的 AI 模型推論效能。
下一步行動
分析您的邊緣 AI 專案在軟硬體整合上的需求,以評估是否需要客製化晶片或專用加速器來達成效能目標。
誰應關注:Developers & AI Engineers
關鍵要點
- •五大主要汽車製造商目前正致力於構建自動駕駛專用晶片。
- •自主研發旨在挑戰傳統第三方晶片供應商的市場主導地位。
- •企業聲稱其客製化晶片效能已達到或超越市售解決方案。
🧠 深度解析
Web-grounded analysis with 26 cited sources.
🔑 增強重點摘要
- •比亞迪已量產中國首款4奈米車規級自動駕駛晶片「璇璣A3」,具備L3/L4級自駕能力,並透過垂直整合掌握晶片全流程製造能力,儘管市場初期反應平淡。
- •理想汽車推出採用5奈米製程和數據流架構的自研晶片「馬赫M100」,單晶片算力達1280 TOPS,旨在提升物理AI運算效率,並已搭載於全新L9 Livis版本。
- •蔚來汽車除了採用NVIDIA Orin平台外,也已推出自研的激光雷達主控晶片「楊戩」及高性能智駕晶片「神玑」NX9031,後者整合32核CPU、NPU和ISP,並計劃搭載於ET9車型。
- •特斯拉的FSD晶片已迭代至Hardware 4,算力提升至約720 TOPS,並堅持純視覺方案,同時開發Dojo超級電腦用於後端訓練,以支持其端到端自動駕駛系統。
- •車廠自研晶片策略不僅是為提升性能,更著眼於降低對第三方供應商的依賴、實現深度軟硬體整合、降低成本,並在激烈競爭的電動車市場中建立差異化優勢,例如比亞迪計劃將LiDAR下放至平價車款。
📊 競品分析▸ Show
| 競爭者/晶片名稱 | 類型 | 製程節點 | 最大算力 (TOPS) | 備註 |
|---|---|---|---|---|
| 比亞迪 璇璣A3 | 自研 | 4nm | >2100 (三顆晶片協同) | 中國首款量產車規級智駕晶片,支持L3/L4 |
| 理想 馬赫M100 | 自研 | 5nm | 1280 (單顆), 2560 (雙顆) | 採用數據流架構,提升物理AI運算效率 |
| 蔚來 神玑 NX9031 | 自研 | 5nm | >1016 (單顆,推測「一顆更比四顆強」Orin-X) | 整合32核CPU、NPU、ISP,將搭載於ET9 |
| 小鵬 圖靈 | 自研 | 7nm | 3000 (四顆晶片協同) | 計劃用於自駕計程車 |
| 特斯拉 FSD HW4 | 自研 | 未明確公開 | ~720 | 純視覺方案,已搭載於2023年後車型 |
| NVIDIA DRIVE Orin | 第三方 | 7nm | 254 | 廣泛被蔚來、小鵬、理想(早期)等多家車廠採用 |
| Qualcomm Snapdragon Ride Flex SA8775P | 第三方 | 未明確公開 | 16-30 (核心NPU) | 針對ADAS SoC,算力低於Orin |
| Mobileye EyeQ6 | 第三方 | 未明確公開 | 未明確公開 (主要用於L2 ADAS) | L2 ADAS市場佔有率高,強調低功耗 |
🛠️ 技術深入
- 比亞迪 璇璣A3: 採用領先的4奈米製程工藝,搭載3個原生支援Transformer大模型的NPU核心,以及16核CPU(420K DMIPS)。其單位算力功耗較同級產品降低20%,並配備273GB/s超高頻寬DDR與自研匯流排,實現納秒級低延遲決策。
- 理想 馬赫M100: 採用5奈米製程工藝,是業界首個基於動態數據流架構量產的大算力車規級晶片。相較於傳統馮·諾依曼架構,數據流架構透過近存計算大幅降低「記憶體牆」影響,顯著提升物理AI的運算效率和精度。
- 蔚來 神玑 NX9031: 蔚來首顆自研智能駕駛晶片,核心部件由32核超強CPU、自研推理加速單元NPU和自研圖像信號處理器ISP組成。其中ISP具備業界最高的每秒65億像素處理能力。
- 蔚來 楊戩 NX6031: 蔚來首顆自研激光雷達主控晶片,配備8個9bit的AD模數採樣,每通道採樣頻率高達1GHz,可將點雲處理延遲優化30%,並降低50%的功耗。
- 特斯拉 FSD Chip (HW3): 包含12個CPU、1個GPU和2個NPU(每個36.86 TOPS),總算力約73.72 TOPS。其ISP最高可處理每秒10億像素數據,並擁有32MB SRAM,提供2TB/s的緩存頻寬。
- 特斯拉 FSD Chip (HW4): 算力約為720 TOPS,相較於HW3有顯著提升,繼續支持其純視覺自動駕駛系統。
🔮 前景展望AI analysis grounded in cited sources
汽車製造商將實現更深層次的軟硬體整合,加速自動駕駛技術的迭代速度。
自主研發晶片使車廠能根據自身演算法需求優化硬體,形成軟硬體一體化優勢,擺脫第三方供應商的限制,從而更快地部署和更新自動駕駛功能。
第三方晶片供應商將面臨更大的市場競爭壓力,需提供更具差異化和客製化的解決方案。
隨著越來越多車廠自研晶片,傳統晶片供應商的市場份額將被壓縮,迫使其轉向提供更專業的IP授權、代工服務或針對特定需求的高階平台。
自動駕駛系統的成本將隨著晶片自研和規模化量產而逐步降低,加速高階智駕功能的普及。
車廠自研晶片旨在降低對外部供應商的依賴和成本,例如比亞迪將LiDAR下放至平價車款,顯示硬體成本下降有助於高階功能普及。
⏳ 時間線
2002-XX
比亞迪成立晶片部門,開始在半導體領域佈局。
2019-XX
特斯拉推出自研「FSD晶片」(Hardware 3),標誌著車廠自研晶片趨勢的開端。
2021-XX
理想汽車啟動晶片研發,加入自研晶片行列。
2022-XX
蔚來汽車ET7車型開始生產,搭載基於NVIDIA DRIVE Orin的Adam超級電腦,同時蔚來也開始自研晶片。
2025-08
理想汽車宣布自研輔助駕駛晶片流片成功,預計2026年交付。
2026-05
比亞迪宣布量產中國首款4奈米車規級智駕晶片「璇璣A3」。
📎 來源 (26)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: Pandaily ↗
