一口气发布三款芯片，小米为AI时代准备好了算力底座

作者｜林易

编辑｜重点君

8月24日，小米交出了造芯以来的最新答卷：一次性发布玄戒O3、玄戒O100、玄戒D100三款自研芯片。

这是小米首次向外界展示出体系化的芯片底层架构设计能力。此次发布的三款芯片，分别服务三个方向：O3是手机旗舰SoC，O100是端侧AI加速芯片，D100是智驾高算力芯片。

去年5月22日，玄戒O1发布时，小米将其搭载在3款产品上实现百万级发货，以规模验证了自研SOC芯片的能力。

今年，玄戒O3直接首发搭载于小米目前最贵的18 Fold旗舰折叠屏手机上。用最顶级的产品搭载自研芯片，代表着小米对自研芯片的品质和体验有绝对信心。

从玄戒O1的“做到”到玄戒O3的“做成”，小米芯片家族也从单颗SoC，成长为一条成体系的产品线。

从「单颗SoC」到「人车家全生态AI算力基座」

三款芯片，覆盖了个人计算、端侧AI加速和智能驾驶三大核心场景，构建起了一套面向“人车家全生态”的AI算力基座。我们先来看看每款芯片的表现：

玄戒O3：

作为玄戒O1的继任者，玄戒O3在3nm制程的框架下，将总晶体管数量从190亿飙升至240亿。拿下了四项全球第一：全球首个安兔兔跑分突破500万分的移动SoC；GeekBench多核跑分达15221；3DMark GPU成绩达4657，甚至领先行业标杆苹果A19 Pro 55%；内存访问延迟压低至82纳秒，超越苹果登顶行业第一。

更值得关注的是，从O1到O3只用了一年多，关键指标提升60%以上。行业平均节奏下，这种幅度通常要两到三年。

小米是怎么做到的？一是并行研发，O3在O1量产前就立项了，两个项目同时推，不是等验证完了再启动下一代；二是O3历经9个月时间流片成功，点亮速度显著优于O1。

根据西门子EDA/Wilson 2024年的数据，行业首次流片成功率只有14%左右。流片一次动辄数亿元，失败了就得重来，时间和钱都耗不起。能一次点亮，说明小米芯片设计能力和团队都已经足够成熟。

由于众所周知的原因，中国大陆厂商在2nm工艺下的代工受限。但玄戒O3用实际表现证明：在等效制程时代，制程并非决定性能天花板的唯一变量，架构的创新和定义更为重要。

通过深度的架构优化、自定义标准单元的大幅提升，小米在3nm制程约束下，做到了性能不逊于未量产的2nm芯片。

玄戒O100：

玄戒O3代表小米把旗舰SoC做到一线水平，玄戒O100则是小米在芯片领域第一次真正领跑行业。

在端侧AI时代，算力往往不是瓶颈，内存带宽才是。模型参数从内存搬到计算单元的速度，决定了用户感受到的快不快。为了解决这个痛点，小米主导研发了全球首款在6nm制程下实现晶圆级垂直堆叠（Wafer on Wafer，简称WoW）的AI加速芯片。

“6nm ×晶圆级×垂直堆叠”三个条件叠在一起，玄戒O100的技术难度指数级增长。

制程越先进，晶圆上的线路越密越细，两层晶圆要对准，所有接点必须严丝合缝。小米做到了1.4微米的键合间距，而服务器AI芯片用的HBM内存，间距是20到50微米。6nm WoW此前业内没人做成，原因是需要从设计到制造工艺的全链路摸索，而小米此次主导了整个验证流程。

这种突破带来了1.22TB/s内存带宽，是旗舰手机LPDDR5X的近16倍，达到服务器级HBM的水准，搭配玄戒O3协同推理能到330 Token/s。

玄戒D100：

玄戒O3和玄戒O100都是为了夯实个人终端，玄戒D100则是为智能汽车这一小米下个十年的核心战场准备。

D100是国内首款3nm智驾芯片，20核CPU+16核NPU，支持200B以上参数模型本地部署，支持多芯片融合。目前国内智驾芯片普遍还在4nm、5nm、7nm级别。

D100流片，意味着小米开始从买别人的芯片走向用自己的芯片。D100还支持多芯片融合，算力可以线性扩展，从智驾延伸到个人AI超算、机器人。

苹果从A4到形成iPhone/iPad/Mac/Watch全芯片矩阵用了近十年，小米从O1到三芯齐发只用了一年多。当然，O100和D100从流片到大规模量产还有路要走，芯片行业流片是第一步、量产是第二步、规模商用是第三步，每一步都不轻松。

但同时推进三条完全不同的芯片产品线，并且每条都取得了实质性突破，这件事本身已经足够值得肯定。

小米为什么一定要死磕芯片？

在商业世界里，造芯向来被视为九死一生的豪赌。2014年，小米初次涉水芯片，投入10亿元、耗时3年打造的澎湃S1，由于对芯片产业周期和容错率的认知不足，最终仅在市场上存活了6个月,继任者S2更是因为多次流片失败最终流产。

2021年重启造芯时，不仅要面对极高的流片成本，要知道一次6nm流片成本就高达4000万美元，且容错率为零，还要面临研发周期不产生现金流的财务黑洞。

那么，小米为何还要在造芯这条路上死磕？

“真正在意软件的人，应该自己造硬件。”2007年的初代iPhone发布会上，乔布斯曾引用个人计算之父Alan Kay的这句名言，以此宣告苹果软硬一体时代的开启。通用芯片永远只能提供“最大公约数”的体验；要想让软件生态释放出极致的潜能，就必须向下扎根，去掌握底层硅芯片的定义权。在AI大模型重塑一切智能终端的今天，这套逻辑不仅没有过时，反而成为了全栈玩家不可或缺的底座。

因此，小米坚持造芯，首先，是打破通用供应商的“最大公约数”问题。集成电路产业的分工造就了手机芯片领域的高通、联发科，智驾芯片领域的英伟达、Mobileye等巨头，但第三方供应商的芯片必须兼顾所有客户的需求，这不可避免地会导致功能冗余或对某一品牌特定需求的忽视。

就像特斯拉当年嫌弃Mobileye的通用方案无法跟上其自动驾驶软件迭代的步伐，最终走向自研FSD芯片一样。马斯克的原话是："Mobileye必须支持数百款传统车企车型，无法跟上特斯拉的步伐。"

在AI时代，芯片是产品体验的发动机。如果不掌握底层硬件，软件优化就永远隔着一层纱，无法真正实现软硬件的深度融合。

其次，这是走向真正高端化和构建护城河的必经之路。纵观全球，从苹果到三星，真正具备全球统治力和产品定义权的科技巨头，无一不是底层芯片的核心掌控者。

只有吃透芯片底层技术，掌握整套软硬件融合能力，才有可能在全球范围内真正形成定义品类、产品的能力，形成企业长远竞争和品牌高端化发展护城河。

最后，造芯是小米人车家全生态战略落地的关键一环。2020年，雷军为小米确立的新十年核心目标，是“成为新一代全球硬核科技引领者”。小米将从过去的模式、应用和产品创新，全面转向深耕芯片、AI、智能制造及人车家全生态等硬核底层技术创新。

在AI时代，芯片是一切智能体验的算力根基，无芯就无法定义极致的产品体验。无论是手机、汽车、机器人还是IoT，每个场景都迫切需要定制化的AI算力，从而共同支撑起人车家全生态的全场景算力基座。

需要指出的是，小米造芯明确自用，不是为了跟芯片公司抢市场，而是为了让小米产品拥有别人无法复制的体验差异。自立自强和开放合作并行，这是成熟的战略，不是非此即彼。

小米的决心体现在投入数字里。过去五年，小米疯狂积累现金，为造芯累计投入超180亿元，并备足了500亿元的总预算。目前，小米芯片研发团队规模已突破3000人，其中拥有15年以上从业经验的行业顶尖人才超过500人。按年研发投入计算，小米已跻身中国半导体公司前三名。最新财报数据显示，2026年Q2单季研发费92亿，超过同期净利润，研发人员超2.6万。未来五年计划投入2000亿，主攻芯片、AI大模型、汽车。

构建下一个十年的端侧AI算力

造芯、造车、搞大模型，这无疑是当今科技界公认最难的三件事，小米不仅全干了，而且要在同一时间线内齐头并进。这种看似不留后路的疯狂，背后是对下一个时代清晰的战略判断。

2026年，端侧AI已经从概念走向落地。苹果WWDC 2026发布AFM3端侧大模型，高通骁龙8 Elite Gen 5本地可跑Llama3 8B。WAIC 2026上，3D堆叠、存算一体、从端侧反攻云端三大趋势交织。行业的共识是，大模型的终局不是全部上云，而是云端训练加端侧推理的混合架构。原因在于隐私、延迟、成本、可靠性。

小米的卡位很清晰：O3提供基础算力覆盖日常AI，O100提供高带宽推理覆盖端侧大模型流畅运行，D100提供本地部署覆盖最复杂场景。从轻量AI到百亿参数大模型，三颗芯片覆盖了全谱系端侧推理需求，不仅是目前行业最完整的矩阵之一，也构建起了一套面向“人车家全生态”的AI算力基座。在这张底座网络中，玄戒O3稳固手机大本营；玄戒O100赋能所有高带宽AI推理节点；玄戒D100则为智能汽车保驾护航。

如果端侧AI在未来两三年到来，能提供“芯片+模型+系统+终端”全栈方案的公司屈指可数——苹果、小米、三星。小米三芯齐发最大的战略价值是，在这张牌桌上拿到了全栈玩家的席位。AI时代用户体验的差异，不再是比谁的参数高，而是比谁的AI更懂你、响应更快、场景更连贯。这需要芯片、大模型、OS、硬件四层协同，任何一层完全依赖外部供应商，体验就打折扣。

苹果的核心护城河从来不是A系列芯片本身，而是A系列+iOS+App Store的垂直整合闭环，对手只能模仿其中一环，无法复制整个体系。

小米在走同样的路，而且场景更为复杂——手机+汽车+IoT+机器人。在AI时代，单一设备的智能化已不足以形成壁垒，每一个场景都需要定制化的端侧算力。复杂度更高，跑通之后壁垒也更深。

以智能汽车为例，汽车是算力需求增长最快的终端。智驾从L2到L3/L4，算力从几百TOPS跃升到几千TOPS，座舱大模型、多屏交互、V2X都在吞噬算力。汽车芯片的单价和利润远高于手机，是芯片业务实现财务正向循环的关键场景。D100本地部署意味着车端大模型可以实时运行而不必传云端。智驾的安全性要求决策必须在本地完成，端侧大模型本地部署是高阶智驾的技术前提。

当前高阶智驾正在全面收敛到端到端架构，这种架构对车端本地大模型的实时推理算力提出了极高需求。D100支持最大200B参数模型的本地部署，正是切中了这个行业痛点。

从汽车延伸到机器人，是D100更大的想象空间。汽车与机器人在底层算力上的同源，D100不仅是智驾芯片，更能为具身智能复用。当多芯片融合计算跑通后，依靠汽车铺开的规模效应摊薄研发成本，进而将成熟的算力底座降维释放给机器人业务，这将是驱动智能制造数据飞轮运转的核心引擎。

小米正在为下个十年铺设一套无处不在的算力高速公路，当这套底层基座与澎湃OS、MiMo大模型彻底打通时，小米将迎来属于自己的“寒武纪大爆发”。