主流智驾芯片排行榜：谁能撼动英伟达王座？

如果说前几年大家聊智能驾驶，最常挂在嘴边的还是“算法有多强、激光雷达有多少线”，那么到了今天，智驾竞争正在逐渐下沉到更底层的芯片。

越来越多车企开始意识到，想把智驾真正做成自己的核心能力，除了算法和数据，芯片同样不能长期受制于人。

于是我们看到，越来越多的新势力和自主品牌开始加入“自研芯片”这场战斗。

小米在手机领域推出玄戒O1一年多后，又把自研芯片带到了汽车上，推出玄戒D100；而比亚迪喊出“全民智驾”一年多后，也拿出了自研的璇玑A3。

与此同时，“蔚小理”等国产厂商，则已经在更早些时候就带来了自己的自研芯片。

那么问题来了，现在主流智驾芯片到底卷到了什么程度？

这一次，我们不妨把大家最关心的几个核心参数放到一起，从算力、内存带宽、制程等维度，看看如今主流智驾芯片究竟谁更能打。

主流智驾芯片参数对比

在进入榜单之前，还是得先做个说明。

芯片的完整参数本身就属于企业的核心技术信息，并不是所有厂商都会公开全部数据，因此表格中的部分参数可能存在缺失。

目前我们整理的数据，主要来自车企、芯片厂商官网及官方新闻稿，同时参考了部分行业报告和公开资料。

由于不同厂商对于算力、功耗等参数的统计口径也可能存在差异，因此这份榜单更多是作为一个横向参考，并不代表绝对的性能排名。

如果大家发现其中有参数错误或遗漏，也欢迎在评论区指正。

当然了，还是有必要先来给大家科普一下算力、以及内存带宽都指代了什么。

其中，算力的单位TOPS，全称是Tera Operations Per Second，翻译成人话就是“每秒万亿次运算”，它主要用来衡量一颗芯片的计算能力。

TOPS越高，通常就意味着芯片每秒能处理的数据越多，也更有能力运行复杂的AI模型。

如果把智驾系统比作一个人，那么算力就像是这个人的“大脑速度”。大脑思考越快，处理信息的能力通常也就越强。

通常情况下，如果没有特殊说明，这些数字默认指的都是INT8数据精度下的算力，这也是智驾芯片行业里一个心照不宣的“秘密”。

而像华为、特斯拉在公布算力时，一直坚持使用稠密算力，如果他们也按照行业流行的“稀疏算力”标准去对外宣传，这个数字可以直接翻倍。

当然了，智驾芯片光有算力还不够。

因为芯片算得再快，也需要不断从内存中读取数据，再把计算结果写回去。

这就好比一家加工厂：算力是工厂里的机器，负责加工原材料；内存带宽则是连接仓库和工厂的运输通道，负责把原材料送过来，再把加工好的产品运出去。

内存带宽越大，数据运输速度就越快，芯片也就越不容易因为“等数据”而闲下来。

毕竟作为“老板”，谁也不希望自己花大价钱招来的“员工”工作量不饱和吧？

尤其是现在，端到端、大模型逐渐应用到辅助驾驶中，系统需要同时处理道路、车辆、行人等大量信息。

这个时候，内存带宽的重要性就越来越接近算力，有时甚至会直接限制智驾系统的实际表现。

特斯拉AI软件副总裁Ashok Elluswamy此前就表示，影响FSD辅助驾驶大模型处理能力的一个重要因素，就是内存带宽。

这里的“上下文”，可以简单理解为AI模型一次能够看到、记住并参考的信息。

对于辅助驾驶来说，这些信息就是车辆通过摄像头和其他传感器不断获取的道路、车辆、行人以及周围环境变化。

如果内存带宽不够，就像运输通道太窄，即使“大脑”本身算得很快，也可能因为数据送不过来，影响整个智驾系统的反应速度。

目前市面上相对主流的Orin X，内存带宽为204.8GB/s，Thor U为273GB/s，目前还没有车企量产交付的Thor X顶配版，则是546GB/s。

举例来说，如果按照INT8精度计算，Orin X在处理一个拥有140亿参数的大模型时，光是把数据从内存搬到芯片里，就可能需要大约50毫秒，还没算真正进行计算的时间。

而辅助驾驶系统通常希望每次处理信息的时间控制在20到30毫秒以内，这样才能及时识别道路情况并做出反应。

所以，单看算力可能还不够，内存带宽是否足够快，同样会直接影响智驾系统的反应速度。

在所有国产厂商当中，蔚来算是把“内存带宽”这个概念讲得最勤快的一家。

蔚来官方在发布会、微博以及多次媒体群访中，都反复强调了内存带宽才是制约辅助驾驶大模型的关键瓶颈。

毕竟对于辅助驾驶来说，低时延不是单纯为了跑分好看，而是安全的基本要求。

换句话说，一套智驾系统能跑多大的模型、能处理多少信息，最终往往要看最短的那块“木板”，而内存带宽恰恰就是其中非常关键的一块。

蔚来自研的神玑NX9031，其中一个最大的卖点就是546GB/s的内存带宽。它采用满配512bit LPDDR5X内存，看齐英伟达顶配Thor X。

按照官方的说法，546GB/s内存带宽，可以并行处理25路高清摄像头和激光雷达的点云数据，同时数据处理的延时不超过5ms。

由于众所周知的原因，华为智驾芯片的具体参数一直相对保密。

此前有博主在拆解后表示，2019年流片、2020年量产的MDC 610，已经拥有384bit的内存位宽。如果按照传闻中的LPDDR5内存计算，其实际总带宽约为308GB/s。

而如果还想继续把内存带宽往上堆，基本就绕不开HBM高带宽内存。

某种程度上，HBM可以算是现阶段智驾芯片内存带宽的“智子封锁”。

自2023年起，美国连续下发多轮出口管制措施，限制先进HBM相关技术和产品向特定市场流动；再加上这一轮AI浪潮，HBM需求暴涨，价格也水涨船高。

所以，想看到HBM内存大规模上车，恐怕还得再等等。

有意思的是，相比多数厂商专门为汽车智驾打造芯片，小鹏的图灵芯片从设计之初，就没打算只做一颗汽车专用的智驾芯片。

小鹏将它定义为一颗可多端通用的AI芯片。

从去年的G7开始，小鹏的Ultra版车型就搭载了3颗自研图灵AI芯片，整车算力达到2250TOPS。

其中2颗负责辅助驾驶，另外1颗负责智能座舱，本地运行VLA、VLM等大模型，也是小鹏主打的卖点之一。

按照小鹏官方的说法，在VLM引入智能座舱之后，即使不联网，也能具备记忆、思考和情感能力，实现自主决策和主动服务，让车机从一个“听指令的工具”，变成能够对话、控车和主动服务的智能助手。

而图灵芯片的“野心”显然还不止于汽车。

在小鹏的具身智能机器人Iron上，图灵芯片同样充当了“大脑”。

3颗图灵芯片带来的2250TOPS算力，可以为机器人运行复杂的端到端大模型提供算力支持，让它具备更强的环境感知和动作执行能力。

最后再来聊聊小米的玄戒D100。

这颗芯片预计将在2027年正式商用上车，目前小米还没有公布NPU峰值算力以及关键的内存带宽参数。

从目前公布的信息来看，玄戒D100采用20核CPU+16核NPU设计，最高支持160GB统一内存，并具备在车端本地运行200B大参数模型的能力。

小米这次虽然没有急着公布一个特别“炸裂”的TOPS数字，但从大容量统一内存和本地大模型能力来看，它显然也在尝试走一条和传统智驾芯片不太一样的路线。

以上就是我们目前整理的智驾芯片榜单。

当然，这份榜单并不是“一锤定音”。随着新车型、新芯片方案不断发布，以及后续更多参数逐渐公开，我们也会持续对榜单进行更新，尽可能把市面上的主流智驾芯片和方案都梳理清楚。

如果大家还想了解某款车型到底搭载了什么芯片、采用了什么智驾方案，或者对榜单中的参数有什么疑问，也欢迎在评论区留言。

我们也会根据大家的关注点，继续挖掘车型背后的芯片、算力、架构以及实际表现，后续带来更加详细的报道。