文 | 解碼Decode

在汽車行業(yè)，圍繞電子電子E/E架構存在一個簡單明了的說法：

傳統(tǒng)E/E架構是功能機，而特斯拉讓汽車變成了智能機。

作為對比，傳統(tǒng)的E/E架構被形容像一臺“拼湊的老爺車”，甚至可以用“能用就行”四個字高度概括，而新的E/E架構搖身一變成為車企能力外拓的底層支撐。

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(fā)權，造車的能力圈瞬間從傳統(tǒng)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(jīng)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(guī)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。

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(xiàn)城區(qū)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(xiàn)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(jīng)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(jīng)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(fā)的需求爆發(fā)，成為最大公約數(shù)。

證據(jù)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(yōu)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(qū)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(yōu)的核心原因。

作為對比，GPGPU作為智駕核心芯片，只能發(fā)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。

路線不同

芯片的開發(fā)是持久戰(zhàn)，定義之初就要保證符合下一代智駕算法的迭代方向。行業(yè)通常認為芯片制造起碼需要三年積累，英偉達Orin從發(fā)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(fā)布就用了五年。

規(guī)律其實已經(jīng)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(yōu)勢會持續(xù)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(jié)省利潤必須滿足規(guī)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(fā)人員可以有復用性，更容易實現(xiàn)經(jīng)濟性。

智駕芯片制造成本測算

三家新勢力中只有理想勉強達到了銷量規(guī)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(fā)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(tǒng)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(tǒng)的優(yōu)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(jù)特斯拉在2023年AI DAY上的披露，占用網(wǎng)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(jù)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(yōu)化，減少了操作系統(tǒng)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(tǒng)在通用芯片上運行時，需額外消耗5-10%的算力。

從規(guī)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(yōu)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(shù)據(jù)、算力、人才、資金和內部協(xié)同，其中算力和數(shù)據(jù)是兩個核心要素。

與大語言模型可在互聯(lián)網(wǎng)爬取海量文字數(shù)據(jù)用于訓練不同，端到端智駕系統(tǒng)訓練需要的視頻數(shù)據(jù)獲取成本和難度較高。對于高階智駕功能來說，影響訓練數(shù)據(jù)的重要因素包括能夠穩(wěn)定收集數(shù)據(jù)的車輛總數(shù)、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(shù)據(jù)獲取方面具有較大優(yōu)勢。截至2024年3月，配備FSD的特斯拉車輛已達200萬輛。據(jù)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(shù)達55.8萬人，NOP+總用戶數(shù)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(shù)據(jù)集OpenDV-2K。與之對比，特斯拉于2023年端到端神經(jīng)網(wǎng)絡開發(fā)之初，就投喂了1000萬個經(jīng)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(guī)模和內部協(xié)同產生的差距。

高階智駕核心靠人才驅動，根據(jù)新渠道觀察統(tǒng)計數(shù)據(jù)，華為、比亞迪、小鵬、蔚來、小米等車企的智駕團隊人員規(guī)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(fā)涉及多個二級研發(fā)部門的協(xié)同配合，如智能座艙、底盤、市場營銷等部門，對整車廠內部協(xié)同和整體管理效率要求很高。

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(jù)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。