🐯虎嗅•較早收集於 14m
車規級晶片短缺推高電動車生產成本
💡了解AI伺服器熱潮如何為車載AI硬體供應鏈帶來危機。
⚡ 30-Second TL;DR
有什麼變化
智慧電動車需搭載3,000顆以上晶片，高階車型甚至超過5,000顆。
為什麼重要
半導體產能向AI伺服器傾斜，正為汽車產業創造結構性瓶頸，迫使車企從價格競爭轉向供應鏈韌性建設。
下一步行動
若您正在開發車載AI應用，請務必分散硬體供應鏈，並評估晶片級的功耗與儲存優化，以緩解不斷上升的BOM成本壓力。
誰應關注：Developers & AI Engineers
關鍵要點
- •智慧電動車需搭載3,000顆以上晶片，高階車型甚至超過5,000顆。
- •AI伺服器需求排擠產能，導致車規級儲存晶片（DRAM/NAND）價格飆升。
- •25萬元人民幣等級的新能源車，半導體成本已達2萬至5萬元人民幣。
- •車規級晶片供應短缺預計將持續至2027至2028年。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •車規級晶片短缺已促使車企轉向『晶片直採』模式，直接與晶圓代工廠簽訂長期供應協議以規避中間商溢價。
- •先進封裝技術（如CoWoS）產能不足是導致車規級AI運算晶片交期延長的核心瓶頸，而非僅是晶圓製造產能問題。
- •歐盟與美國的《晶片法案》補貼政策導致全球車規晶片供應鏈出現區域化碎片趨勢，增加了跨國車企的供應鏈管理複雜度。
- •碳化矽（SiC）功率元件因電動車高壓快充需求激增，成為繼儲存晶片後第二大供應緊張的車規半導體類別。
- •車企開始導入『軟體定義汽車』（SDV）架構，透過軟體演算法優化來降低對特定高階硬體晶片的依賴，以緩解成本壓力。
🛠️ 技術深入
- 採用異質整合技術（Heterogeneous Integration）將運算單元與儲存單元封裝在同一模組，以減少數據傳輸延遲並提升AI處理效率。
- 車規級晶片需符合ISO 26262功能安全標準，要求達到ASIL-D等級，這限制了製程微縮的進度，導致車規晶片製程普遍落後於消費電子。
- 導入存內運算（In-Memory Computing）架構，旨在解決AI模型在車端運行時的記憶體牆（Memory Wall）問題，降低對高頻寬記憶體（HBM）的依賴。
- 功率半導體轉向採用8吋轉12吋晶圓製程，以提升SiC與IGBT的生產良率與單位成本效益。
🔮 前景展望AI analysis grounded in cited sources
車企毛利率將在2026年下半年面臨顯著壓縮
晶片成本佔比持續攀升且車企難以將成本完全轉嫁給消費者，將直接侵蝕整車銷售利潤。
車規晶片供應鏈將出現『去庫存化』後的結構性短缺
隨著車輛電子架構從分散式轉向中央計算式，對高階製程晶片的需求將長期大於成熟製程的供給成長。
⏳ 時間線
2021-01
全球車用晶片短缺危機爆發，多家國際車企被迫減產。
2023-05
車規級SiC功率元件需求因800V高壓平台普及而進入爆發期。
2024-12
AI伺服器需求激增，開始對車規級DRAM與NAND Flash產能產生排擠效應。
2025-09
車企普遍反映車規晶片採購成本已突破整車成本結構的警戒線。
📰
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： 虎嗅 ↗