车企造芯，是技术突围还是资源浪费？

[首发于智驾最前沿微信公众号]2026年是中国车企自研智驾芯片的集中爆发之年。

从蔚来神玑NX9031的大规模上车，到理想马赫M100的正式发布，再到比亚迪璇玑A3的规模化量产，头部车企不约而同地将芯片自研提到了战略高度。

这场造芯热潮背后，不同企业也选择了不同的技术路线，那车企造芯，是技术突围还是资源浪费？

01

蔚来与比亚迪

在成熟架构上做到极致

蔚来神玑NX9031采用5nm车规工艺，晶体管数量超过500亿颗，采用32核大小核并行的CPU架构。

内存带宽达到546GB/s，几乎是英伟达Thor-U的两倍，支持速率达8533Mbps的LPDDR5x内存。

图片源自：网络

在ISP图像信号处理方面，蔚来选择了自研路线，像素处理能力达到每秒6.5G，图像处理延时控制在5毫秒以内。

单颗芯片总算力为1000TOPS，相当于四颗英伟达Orin-X芯片（单颗254TOPS）的性能之和。

据蔚来2026年一季度业绩会信息，神玑NX9031已交付超过25万颗。

比亚迪璇玑A3采用4nm制程，官方称其为中国首款4nm车规级智驾芯片。

璇玑A3是比亚迪的第567款车规级芯片，搭载16核CPU，DMIPS达到420K，配备3核NPU，原生支持Transformer大模型。

图片源自：网络

单颗芯片的算力约为700TOPS，内存带宽为273GB/s，单位算力功耗较同级产品低20%，算力利用率较行业常规水平提升100%。功能安全等级更是达到ASIL-D，支持L3、L4级别自动驾驶。

比亚迪董事长王传福在发布会上强调，车规级4nm的技术难度等于消费电子领域的2nm级别。

在应用方案上，单车搭载三颗璇玑A3芯片协同工作，整车总算力可超过2100TOPS，采用2主1备的安全冗余架构，可以应对L3、L4级自动驾驶对算力和可靠性的高要求。

蔚来和比亚迪的路线有相似之处，都是在成熟的芯片架构上做深度定制和优化，通过制程优势和大规模集成来提升性能。

蔚来强在自研ISP带来的感知增强，比亚迪强在4nm制程的功耗控制和三芯协同的算力堆叠。

这条路线也存在一定风险，当行业主流架构发生代际更替时，前期的巨额投入可能无法收回。

02

理想汽车

从底层架构另辟蹊径

理想马赫M100与上述两家走了完全不同的路。这颗芯片同样采用5nm车规工艺，单芯片算力1280TOPS。

CPU侧配备24核ARM Cortex-A78AE处理器集群，搭载8通道LPDDR5X内存，峰值带宽273GB/s。

图片源自：网络

真正让马赫M100与众不同的是它的数据流架构。

传统智驾芯片采用指令驱动模式，计算单元需要不断从全局内存搬运数据，模型规模越大，搬运瓶颈越突出。

马赫M100则采用数据驱动模式，数据在芯片内部流动，流到哪里就在哪里触发计算。这相当于拿掉了为适应人类编程而引入的翻译层，让晶体管利用率大幅提升，实际运行效率达到82%。

理想汽车CTO谢炎表示，这颗芯片没有任何现成IP可以参考。

马赫M100架构上围绕数据流执行模型、无Cache内存层次、张量粒度ISA等五项核心原则全面重构，并采用双SoC、双MCU、双供电完全冗余架构，满足ASIL-D最高功能安全等级。

该芯片的架构论文入选了国际计算机体系结构顶级会议ISCA 2026，理想汽车也成为自2020年ISCA设立工业分区以来首家入选并登台的中国汽车企业。

马赫M100自2022年11月立项，历经三年半在2026年5月实现量产上车。

数据流架构的优势在于从根本上解决了大模型推理时的数据搬运瓶颈，更适合端到端智驾算法的持续迭代。

但这也意味着理想需要从芯片、编译器到操作系统完成全栈自研，技术难度和工程复杂度都远高于在成熟架构上做优化。

但只要这条路走通，理想的芯片能力将与算法形成深度耦合，这是外购芯片无论如何也无法实现的。

03

降本与过剩

哪个是真相？

之所以车企扎堆造芯，最直接的原因是成本。

蔚来副总裁马麟在2026中国汽车重庆论坛上公开透露，蔚来此前采购英伟达芯片的支出已高达3亿美元。

自研神玑芯片上车后，相比此前每辆车使用4颗英伟达Orin芯片的方案，单车智驾硬件成本降低了约1万元。按2025年销量推算，年节省成本超过18亿元。

比亚迪则拥有覆盖芯片全流程的制造体系，芯片研发团队超过7000人，累计投入超过1000亿元。

这种体量支撑下，璇玑A3的量产有望进一步拉低比亚迪高阶智驾车型的硬件成本。

换一个角度看，自研芯片的投入同样不可忽视，一颗5nm车规级芯片的研发成本高达4亿美元以上，流片费用高达数千万美元。

此外，芯片从立项到量产通常需要两到三年，其间算法和需求可能已经发生变化。

更关键的是规模效应，如果年销量不够大，单颗芯片的摊销成本可能远高于外购。

图片源自：网络

零跑汽车创始人朱江明在2026年6月的一场发布会上表示，“对于AI的智能驾驶的芯片，实在是太过剩了”。

他列举了一个数据，整个市场年需求量不过一两千万片，而目前市面上已有14款AI智驾芯片可供选择，涵盖高通、英伟达、华为以及蔚小理、比亚迪、吉利等各家方案。

零跑曾在2019年率先推出自研芯片凌芯01并实现量产上车，但后来选择了中断这条路线，朱江明的判断是，在没有达到丰田那样的规模之前，自研芯片的投入产出比并不划算。

零跑的逻辑有其合理性，但蔚来、理想、比亚迪的选择则是另一种考量。

蔚来、理想、比亚迪这三家都将AI能力视为品牌的核心竞争力，而芯片作为AI计算的物理底座，其架构设计直接决定了算法能跑多快、能跑多好。

外购芯片只能被动适应，自研芯片则可以根据自身算法定制计算单元、内存带宽和数据通路。

理想CTO谢炎也提出了类似的观点：“如果一家车企把AI作为核心竞争力，自研AI芯片是必须做的事。”

这种软硬协同带来的效率提升，不是简单用TOPS数字可以衡量的。

04

车企造芯热潮本质上是智能汽车竞争从应用层下沉到基础层的结果。

当车辆体验的差异越来越多由芯片、算法和操作系统的协同效率决定时，头部车企很难容忍关键计算单元受制于外部供应商。

蔚来和比亚迪选择在成熟架构上做深做透，理想选择从数据流架构另起炉灶，两种路线各有优劣，也各自承担着不同的风险。

但当几乎所有头部车企都在自研智驾芯片，而市场总需求量又相对有限时，重复投入造成的资源浪费也是客观存在的。

可以预见的是，这场造芯竞赛最终能跑出来的，可能只有那些年销量足够大、技术路线足够清晰，且能够将芯片能力与算法能力深度绑定的玩家。

其余的大概率会在某个时间点选择重新回到供应商的怀抱。