其核心邏輯在于，集中式的分布架構讓車企有能力掌握軟件的研發權，造車的能力圈瞬間從傳統油車時代的供應鏈整合躍遷到車輛核心功能的定義。

　　由此引出的軟硬一體適配，也就成了智能化時代車企自研芯片的強烈動機。

　　從E/E架構迭代到芯片自研，車企拼命想要掌控汽車核心定義權，目標簡單且直接：要從理論利潤率最高的微笑曲線兩端(芯片+算法)攫取利潤。

　　由比亞迪引燃的“智駕平權”浪潮，不僅是各大車企搶占份額的好時機，也給智駕供應商帶來了一次歷史性的上車機遇。

　　原因在于，在車企競爭加劇、智駕方案內卷的大背景下，全棧自研已是車企當下考慮的次要因素。

　　換言之，在全民智駕前夜，車企的第一要務是先上車不掉隊。一年賣掉400萬輛的比亞迪，也是一邊高喊自研，一邊把自己買成了地平線的大客戶。

　　去年高速NOA的逐漸下放，已經在消費側建立了一波智駕心智，今年初開始的智駕平權則是一個新的開端：即城市NOA下放。有券商預測，2026年將迎來城市NOA大規模普及的真正智駕平權時代。

　　也就是說，留給車企的窗口期僅有2年時間。

　　1追上英偉達

　　無論是第三方智駕供應商，還是自研智駕芯片的車企，想要在微笑曲線兩端攫取利潤，英偉達是第一個要邁過去的坎。

　　英偉達之所以能在今天的智駕市場，僅憑一款Orin-X芯片就能拿下45.4%份額，用“恰逢其時”形容再合適不過。

　　但車企在選擇時也有自己的小心思。以Orin-X為例，一塊Orin中有16*128個CUDA Core和16*4個Tensor Core，Tensor Core為AI加速的核心，支持高吞吐量的低精度運算(如INT8)，最能滿足自動駕駛需求。

　　??在電動汽車智能化初期，新勢力車企亟需通過智駕打響品牌價值，Orin-X作為GPGPU芯片具備極高的通用性，同時算力上限較高，新勢力為了防止算力受限最先都是使用兩塊以上的英偉達OrinX。算法迭代至今一塊OrinX基本就可以實現城區NOA，支持智駕算法從CNN向Transformer大模型路徑迭代。

　　車企冗余算力的設置直接把Orin X推向寶座，2024年智駕域控芯片裝機量以39.8%的市場份額排名第一。

　　而同時期國產芯片也在奮起直追，2020年，地平線J3還只有5TOPS算力，但到今年，地平線/黑芝麻均實現了一輪產品升級迭代，具備了中階、高階芯片的供應能力。其中，地平線J6P和黑芝麻A2000已經可以和英偉達Thor X同場競技。

　　與此同時，在量產驗證層面，國產芯片和英偉達的產品驗證期僅錯位2-3年年(英偉達-小鵬-2020年，地平線-理想-2022年，黑芝麻-吉利-2023年)。

　　2022年英偉達率先走入產品迭代周期(Xavier->OrinX)，國產芯片和英偉達在2025年后正式進入同層次競爭階段。國產芯片經過五年的追趕在量產驗證和客戶獲取維度逐步打平英偉達。

　　有了與車企的合作關系以及性能上的進階，國產芯片又幸運的遇到了智駕平權引發的需求爆發，成為最大公約數。

　　證據之一就是，從目前已有信息看，幾乎所有的自主車企都將國產芯片作為主流方案選擇，「國產芯+算法供應商+Tier1+車企」的智駕方案合作模式成為主流，國產芯片供應商喜提一輪需求井噴期。

　　東吳證券還從芯片架構層面給國產芯片找到了一份優勢，他們認為英偉達的芯片都是GPGPU(沒有NPU，用GPU做AI加速)，其他的智駕芯片都為專為智駕特制的ASIC芯片(有NPU，用GPU做AI加速)。

　　區別在于，GPU使用多個可以同時計算的乘加單元進行AI計算，中間結果流回緩存;而NPU使用特殊結構來避免中間結果流回緩存提高效率。

　　NPU可以理解為定制化的GPU，用于滿足特定的AI計算效果，是ASIC芯片效率更優的核心原因。

　　作為對比，GPGPU作為智駕核心芯片，只能發揮出其30%的性能;而特斯拉HW3.0(標準算力144TOPS)的有效算力(針對特定算法)相當于300+ TOPS的通用GPU。

　　2路線不同

　　芯片的開發是持久戰，定義之初就要保證符合下一代智駕算法的迭代方向。行業通常認為芯片制造起碼需要三年積累，英偉達Orin從發布到量產用了三年;地平線J6從定義到量產用了四年;蔚來的神璣從定義到發布就用了五年。

　　規律其實已經很明顯，越有積累和上下游資源的公司時間越短，并且這種時間跨度優勢會持續保持下去，成為后來者很難逾越的壁壘。

　　但類似蔚來這樣的后來者也并非機會全無，從芯片制造成本視角來說，車企想通過自研來節省利潤必須滿足規模+迭代能力兩個條件：

　　1)具備足夠大的自供銷量(至少50萬片);

　　2)芯片具備很好的迭代能力。如果芯片具備很強的迭代能力，那么開發人員可以有復用性，更容易實現經濟性。

　　三家新勢力中只有理想勉強達到了銷量規模，但其自研芯片進展卻落后于蔚來和小鵬。

　　不過這也能從中看出，智駕研發的核心競爭力越來越趨于軟硬一體。

　　歷史上軟件與硬件的合作形式多樣，但唯一不變的是軟硬結合。其核心是車企對智能駕駛本質的理解:智駕是計算系統整體效率的較量，不止是算法或硬件的競爭。

　　軟硬一體結合賦予智駕系統的優勢在于算力利用率的提升，在這方面，特斯拉FSD算法和芯片的結合效果就足以代表。

　　根據特斯拉在2023年AI DAY上的披露，占用網絡可以直接利用FSD芯片的NPU進行稀疏卷積計算，而通用芯片需通過CUDA等框架轉換為密集卷積，效率降低約30%。

　　根據Embedded Vision Alliance，特斯拉的底層驅動和中間件(如Dojo編譯器)可以針對芯片指令集優化，減少了操作系統和中間層的調度開銷。相比之下，基于Linux或QNX的自動駕駛系統在通用芯片上運行時，需額外消耗5-10%的算力。

　　從規模+性能迭代到軟硬一體，無不透露出當前智駕的兩條路線：即全棧自研與第三方供應商，后者要相對弱勢一些。

　　但車企對于功能上車的思路永遠兼顧性能和成本，算法升級/芯片迭代/傳感器簡化都為降本的思路。從這個角度看，成本是第三方智駕供應商的優勢之一。

　　以比亞迪為例，有券商調研紀要顯示，比亞迪天神之眼C(芯片：Orin-N/J6M)的智駕域控制器成本大概為3000元，加上傳感器后整體硬件成本不到5000元。

　　智駕尤其是高階智駕，其競爭力取決于數據、算力、人才、資金和內部協同，其中算力和數據是兩個核心要素。

　　與大語言模型可在互聯網爬取海量文字數據用于訓練不同，端到端智駕系統訓練需要的視頻數據獲取成本和難度較高。對于高階智駕功能來說，影響訓練數據的重要因素包括能夠穩定收集數據的車輛總數、以及車企智駕車型比例。

　　相較于第三方供應商，整車廠在訓練數據獲取方面具有較大優勢。截至2024年3月，配備FSD的特斯拉車輛已達200萬輛。據華為預測，搭載華為智駕的車型在2024年底將突破50萬輛。截至2024年7月，理想累計交付超過87萬輛，其中有99%的用戶使用過輔助駕駛。截至2024年7月，蔚來智能駕駛總用戶數達55.8萬人，NOP+總用戶數達30.8萬人。截至2024年6月，小鵬XNGP的智能導航輔助駕駛的用戶滲透率達到了85%。

　　對于第三方供應商而言，此前國內上海AI lab團隊搜羅了整個Youtube，才最終搭建了一個2000小時的數據集OpenDV-2K。與之對比，特斯拉于2023年端到端神經網絡開發之初，就投喂了1000萬個經過篩選的人類駕駛視頻片段，即使以每段15秒計，這也是超過40000小時的高清視頻。

　　另外也不要低估人才規模和內部協同產生的差距。

　　高階智駕核心靠人才驅動，根據新渠道觀察統計數據，華為、比亞迪、小鵬、蔚來、小米等車企的智駕團隊人員規模均在1000人以上;智能駕駛是當前車內復雜度最高的軟件之一，智能駕駛開發涉及多個二級研發部門的協同配合，如智能座艙、底盤、市場營銷等部門，對整車廠內部協同和整體管理效率要求很高。

　　3尾聲

　　開啟這一輪智駕平權的比亞迪，雖然芯片和算法都比較依賴外部供應商，但其自研智駕芯片的消息去年底就已傳出來了，今年五月基于地平線J6M的自研算法據說也在加班加點。

　　有頭有臉有銷量擔保的頭部車企，基本都是自研打底+外采過渡，而在主要為英偉達貢獻銷量的新勢力中，也只有小米和極氪暫無智駕芯片得自研計劃。

　　這對第三方智駕供應商而言雖不是好消息，但也不算差。至少在自研芯片被驗證量產裝車的過程中，還有機會迭代性能完善服務，更何況車企對于功能上車的思路，除了性能還有更重要的成本考量。