智駕芯片，中國陣營“圍剿”英偉達

上週舉辦的科技創新日，蔚來發布智駕領域最新世界模型（NIO World Model，以下簡稱NWM），超越端到端模型部署，號稱具備空間理解和時間理解的雙重核心能力。

官宣流片成功的智駕芯片神璣NX9031，則是爲蔚來世界模型量身設計。神璣NX9031是蔚來自研的全球首顆5納米智駕芯片，按照蔚來的說法，一顆芯片相當於四顆業界旗艦芯片的性能（英偉達Orin X）。

過去兩年，智駕芯片是車企重點破局的產品方向，蔚來和小鵬都在自研，理想的佈局稍微晚一些。以龍鷹一號爲基礎，吉利旗下的芯擎科技也在自研的道路上走了多年。

李斌曾公開表態，去年蔚來購買了很多英偉達芯片，耗費公司不少錢，考慮到採購成本，公司決定轉向自研芯片。官方的說法是，神璣NX9031大概一年左右可以回本。

自研芯片有很多理由，但目前芯片成功流片的“蔚小理”們，耗費巨資的目的之一，都是爲了擺脫英偉達的束縛。從業界報道的信息看，大家自研的芯片都頗具前瞻性，將與智駕“端到端”等最新趨勢相匹配。

不過，“圍剿”英偉達的中國陣營，不止“蔚小理”。本土芯片供應商今年也“捲入”端到端的競賽，上個月結束的中國汽車論壇上，地平線總裁陳黎明明確表態，端到端是目前通往自動駕駛終局的唯一可行方案。

愛芯元智車載事業部副總裁逯建楓認爲，高階智駕的端到端化是必由之路，芯片設計週期和研發週期比較長，愛芯元智的戰略，是跳過其他模式，目前重點針對One Model模式來做，即佈局類似UniAD的技術架構來實現NPU設計。

從行業層面看，外採的高成本，不確定的國際形勢，以及此前特斯拉自研芯片嚐到的降本甜頭，都影響國內車企的芯片戰略和供應模式。

而端到端大模型的火爆，不僅催化了新一輪智駕革命，也加速智駕芯片的產品和技術演進。這不僅對車企自研芯片提出更高的要求，也倒逼紅海中的芯片供應商加速內卷。

自研潮，來了

車企爲何自研？

一是，掌握核心技術，確保供應安全，不被供應商、特別是國外強勢供應商“卡脖子”。

李斌在接受媒體採訪時表示，芯片供給的國際影響，由於美國的限制，其實對中國的汽車行業已經形成了實際影響。

“我們在雲端的訓練芯片，去年10月以後，無法用到全球最先進的芯片。智駕團隊不光看雲端的能力，也看羣體智能的能力，端側推理芯片目前風險不大，但也要應對各種變化。”

二是，定製化。

業內專家告訴《汽車公社》/《C次元》，造車新勢力自研智駕芯片，主要有幾個重點考量。其中之一，是提升產品競爭力，有差異化，自研芯片有利於自定義功能。

對於汽車製造商來說，自研芯片耗資巨大，但可以減少海外芯片供應依賴，雞蛋不用放在一個籃子裡。當然，自研的芯片，和自家算法也能更匹配，這涉及算法和芯片平臺的耦合度問題。

過去，特斯拉144TOPS算力性能可以優於市面上400-500TOPS算力芯片，計算效率高，主要原因之一，這是針對特斯拉自己算法設計。值得一提的是，特斯拉早在2019年發佈的144TOPS算力芯片（Autopilot HW3.0），至今依然能支持智駕端到端落地。

三是，降低成本。

蔚來李斌在發佈會上表示，去年購買了很多英偉達芯片，耗費公司不少錢，爲此，蔚來決定轉向自研芯片，一顆芯片可以頂採購英偉達四顆，能降低成本。按照李斌的說法，神璣NX9031大概一年左右可以回本。

還有其他維度的考量。

業內人士表示，宣傳自研芯片，對外界進行承諾，立公司科技屬性的flag，可以對二級市場和品牌有正向作用。此外，自研芯片的確能帶來系統體驗的有效提升，戰略目的才能達成。

當然，更早一步佈局的特斯拉，當時自研芯片的理由非常樸素，即增加算力，讓方案更靈活。

據報道，小鵬自研智駕芯片的進程和緊跟蔚來，現階段已經送去流片，預計可在8月回片。

理想啓動芯片自研進程相對較晚，智駕芯片項目代號爲“舒馬赫”，預計同樣在今年內完成流片。

“是手段，而非目的”

在英偉達掌舵自動駕駛業務的吳新宙提出，自動駕駛發展可以歸納爲三個階段，端到端是自動駕駛的最後一步。

第一階段，完全基於規則；第二階段，AI大模型慢慢取代人工規則，完成預測和規劃；第三階段，是徹底的端到端大模型，AI可以貫穿從感知到決策的全過程

在自動駕駛的第三階段，智駕芯片頗具挑戰。愛芯元智車載事業部副總裁劉繼鋒，表達了同樣的思考，在他看來，真正的端到端，雲端用大模型進行訓練和驗證，訓練的結果做推理，落地到車端，芯片公司將肩負重任。

在地平線看來，端到端是手段，而非目的，體驗擬人、計算高效和交付敏捷，三者缺一不可。

端到端方面的積累，芯片公司需要從算法迭代、工程基礎建設和軟硬結合能力三方面發力。其中，軟件和算法扮演了核心作用。

地平線算法平臺總架構師穆黎森認爲，端到端的本質能力，在於數據迭代。看上去，這是一種前瞻性的模型結構，但背後的數據迭代更爲重要，能支持實驗室技術，或是論文層面的算法，最終達到產品級的成熟度。

陳黎明也曾坦言，目前地平線遇到的困難，是很多車型和傳感器的架構、傳感器的佈置和採用等都在不斷變化。

雖然收集了很多數據，但這些數據不是高質量積累、且能持續使用的，這不是某家企業能解決的問題。

“特斯拉FSD V12.3版本，用了一千萬個樣本視頻訓練自動駕駛，這裡的一千萬個樣本，是從100億個樣本里面提取出來的高質量數據，中國遠遠不夠。而且，100億的數據基於標準傳感器的框架下收集，它有延續性，可以繼續用來訓練最新模型。”

還需要其他維度的護城河。

和地平線一樣，愛芯元智也多次強調只做Tier 2。該公司認爲，端到端算法對於智駕芯片的關鍵需求，主要有兩個，高內存、和多核大算力。

而要實現端到端自動駕駛，離不開關鍵的計算芯片的支持，包括架構的創新、核心IP的突破以及在性能上的飛躍。

地平線穆黎森則告訴《汽車公社》/《C次元》，端到端算力競爭的技術門檻，主要在於能否適應模型結構變遷帶來的算力需求，以及算子側重點的改變。

一方面，模型會變大，算力也會變大；另一方面，模型結構會變遷，以前CNN（卷積神經網絡）爲主，端到端基本上以Transformer爲主。

“Transformer是大類算法，用在大語言模型（如Chat GPT），或是智駕端到端，算子側重點略有不同。自動駕駛的端到端，除了基礎的矩陣運算等，都需要做算子支持，提出更高要求。”

還有華爲系的勢力。

即使智駕芯片被英偉達佔據高地，我國依舊有一個龐大的羣體，被華爲賦能，如問界、阿維塔、極狐以及智界等品牌。旗下車型的智駕系統，大部分使用了華爲MDC810/MDC610計算平臺。

伴隨着智駕芯片供應商的發力，以及蔚來們自研芯片加速落地，未來幾年，從車企陣營到供應商陣營，國內智駕芯片“不受制於英偉達”的願望，將慢慢部分實現。