文 | RoboX

2019年，特斯拉切换FSD 3.0时，智能驾驶芯片第一次变成关注重点。

当时，马斯克用有些「落后」的三星14nm工艺，做出了一款比英伟达Xavier（12nm）面积更小的芯片，算力还高出了一倍以上。

就是这个时候，智能驾驶芯片第一次抢了传感器、算法，甚至是最终系统表现的风头，成为了特斯拉车主的心头好。这一转变可能连特斯拉都没料到，否则后面也不会发生减配风波。

随后，英伟达开始在智驾芯片领域快速发力。2021年OrinX上车量产，单片算力256TOPS，是特斯拉FSD 3.0芯片的3.2倍。同年又发布了Thor，单片算力1000TOPS，差距拉大到14倍，但要明年才能量产。

如今的智驾芯片早已不是当年那么匮乏，除了英伟达、高通等大厂外，国内的地平线征程6也势如破竹，黑芝麻武当C1200也即将量产。但另一边，车企已经纷纷加入了自研芯片的行列。

此前，蔚来、吉利已经发布了首款量产智驾芯片，小鹏也传出已在去年年底回片。

为什么要自研？

对于为何自研智驾芯片的问题，可能很容易就能给出诸如“掌握核心技术、供应安全、定制化、降低成本”等理由。

但更早一步布局的特斯拉，想法其实还要更加简单：当时算力真的不够，而且方案非常不灵活。

回看特斯拉HW 1.0-2.5阶段。最初，它也和其它车企一样，采用供应商黑盒方案，Mobileye EyeQ3和仅有前向远距离感知能力的组合，不但表现一般，还支持软硬件捆绑销售。面对这家所向披靡的巨头，车企对此没有任何插手能力。

直到HW 2.0，特斯拉转向了英伟达Drive PX2芯片。至此，特斯拉才有权限拿到传感器数据，将自研软件落地，并在后期版本更新里做出了支持自动变道的高速导航辅助。

特斯拉也正是在这时，向外界展示了智驾野心。其在HW 2.0上，已经把FSD完全自动驾驶作为最终目标，给它配上了8个摄像头，1个前向毫米波雷达，12个超声波雷达。

这种布局方案到HW3.0时代依旧在沿用，只是具体的传感器规格有所调整。后来，特斯拉还不增反减，取消了毫米波雷达和超声波雷达，到HW 4.0又取消了一个前视摄像头。

可以看见，这些年困扰特斯拉的并不是感知方案，后面的几次大迭代，几乎都是在围绕算力展开。

在HW 2.0上，特斯拉选择的英伟达Drive PX2芯片，已经是2016年能上车的最高算力智驾芯片，但也就只有24TOPS。

特斯拉也是在当年启动了FSD芯片项目，其双片144TOPS算力布局在2019年上车时，已经是极为夸张的性能。

但随着智驾功能迭代，依旧无法满足FSD后续的升级需求，即使其为了降低算力占用，重新给优化了最底层的C代码，进行了编译器重写。

在最新的HW 4.0上，特斯拉又将单片算力提升5倍。

困难依旧存在

其实，在英伟达智驾芯片发力后，近几年其性能已经开始飞速提升。

2020年，小鹏P7首搭的Xavier只有30 TOPS，两年后就推出了有256 TOPS的OrinX，明年还会有1000 TOPS的Thor进行量产。

如今，性能不再是阻碍投入英伟达阵营的原因，但车企依旧存在其它顾虑。

这其中，最直观的是供应问题。回看蔚小理组建芯片团队的时间，基本都是在芯片危机阶段。

当时，哪怕是有智驾芯片布局的华为，也因为MDC 810的生产问题，导致极狐阿尔法S先行版一再跳票。

而只能向外采购芯片的车企，情况还要更加糟糕。不只智驾芯片短缺，雷达也面临无芯可用的情况。有些车企被逼无奈，只能采用先交付车辆，后补装雷达的应急手段。

2023年，芯片荒已经结束，但随后出现的智驾内卷，又让英伟达OrinX需求量激增，使其再度供不应求。

有爆料称，当时OrinX交付周期已经从原来的一个月，拉长到三个月，部分订单甚至要等到一年后才能交付。

伴随周期延长而来的，还有价格飞涨——OrinX价格在5个月的时间内，累计涨幅已经达到37.5%，超过了三分之一。

面对英伟达一家独大的市场，车企丧失了议价能力，自然也会产生自研芯片的想法。而且从长期主义来看，自研芯片也有很大降本空间。

曾经机构对特斯拉进行测算，HW 2.5的芯片成本大约为280美元，而HW 3.0仅为190美元。假设投入1.5亿美元研发，生产167万辆车就能回本，还不到去年一年的销量。

蔚来汽车创始人、董事长、CEO李斌曾提到，在芯片等核心领域，蔚来的目标是建立全栈自研能力，公司相信核心研发能力有助于应对产业政策变化风险，也可以提升毛利率及技术竞争力。

高投入，高收益

除了长期的经济收益外，自研芯片在技术层面，也有不小优势。

马斯克在发布FSD 3.0芯片时曾经指出，英伟达采用的通用GPU架构，并不是专门为无人驾驶系统打造的，还有很大改进空间来提升运算速度。

事实上，FSD芯片就没有像传统通用计算那般优先布置CPU和GPU，反而将专为神经网络打造的NPU作为主要组成部分。其负责通用浮点计算的GPU面积，要远小于MAC阵列NPU。

NPU全称为神经网络加速器，是一种在CPU和GPU之外的独立处理器，负责深度学习和预测功能。MAC则为乘积累加运算，可将许多运算分解为数个MAC指令，有效提高运算效率。

而且和通用芯片相比，专用自研芯片还不用考虑通用性，能砍掉与自己无关的模块，只保留自己需要的接口。这种设计的周期更短，也能针对自己的软件进行优化，使软硬结合要更加出色。

比如，在FSD 3.0芯片上，特斯拉通过合并输出通道中X、Y维度的输出像素，可以并行处理96个通道。

与FSD 2.5的Drive PX2芯片相比，FSD芯片算力是其3倍，但在执行自动驾驶任务时，每秒图像帧率（FPS）达到了其21倍。 

尽管强调自研，但FSD芯片却并非是像智驾软件那样的全栈自研。特斯拉FSD芯片也只是把自研重点放在了NPU上，其余CPU、GPU、接口、片内通信等都是采购标准IP。

这种相对容易的研发方式，加上不用考虑通用性，不用第三方车规级认证，可以让芯片开发周期大幅缩减。特斯拉FSD芯片仅历时18个月，就完成了开发。

对于其余想要自研的车企来说，这是一种更容易被采纳的方案。理想汽车曾被爆料称，其自研智驾芯片中最关键的环节是NPU前端设计，后端设计被外包给台湾世芯电子，然后再交由台积电完成制造。

蔚来去年年底发布的神玑NX9031，虽然透露的信息有限，但一个重点强调的地方也是NPU为自研。

从另一层面看，这种开发模式也能解释，为何国内芯片公司落地高自研度产品时，节奏偏慢了。

更大的量产挑战

和量产上车相比，设计智驾芯片只是前奏的一小步。

2017年12月，特斯拉FSD芯片完成了第一次试产，但直到2019年3月才开始装车。期间，这款芯片经历过很多修改。

集成验证周期长、交付参数产生差距等等，都是量产过程中的常见情况。

目前，蔚小理被曝光的最新进展分别是：蔚来神玑NX9031计划在2025年第一季度随ET9量产；理想智驾芯片传闻在2023年10冲击流片；小鹏智驾芯片被传在2023年底回片。

这其中，蔚来没有透露具体推进到了哪一环节，但流片、回片距离正式量产，还有不小的间隔。

另外，与每年动辄拿出数百亿美元采购芯片的科技公司相比，即使年销量破百万的特斯拉，其需求也显得有些微弱。如何获得先进工艺产能，也是一大量产难题。

即使排除这些外界因素，车企在如今智驾愈发内卷的情况下，对于智驾芯片上车的选择，可能也会更加谨慎。有业内人士指出，自研智驾芯片上车是个谨慎的抉择，真正放心可能要等到第二、第三代。

今年年初，零跑汽车创始人、董事长、CEO朱江明曾公开谈到放弃自研芯片的原因：现在做AI芯片的厂家不光有英伟达，还有黑芝麻、地平线，海外的安霸等等。应该让更加专业的企业去打造芯片，车企则应将经历放在算法上。

前不久，英伟达在GTC 2024开发者大会主题演讲中透露，其与小鹏的合作再次深入，小鹏将基于Thor开发下一代电动汽车。

自研芯片虽然推进困难，但利好也确实明显。自研不仅是一条技术路线，也是提高品牌形象，建立未来竞争优势地位的一条有效途径。

不过，在地平线、黑芝麻等国内芯片企业影响力越来越大、能够实现更高阶突破的阶段，或许智驾芯片的市场又将得以重构。

如今，在智驾软件开始趋同「全国都能开」之后，那些主打科技标签的车企在自研芯片上重新卷起硬件，也不失成为另一种可能。