2019年，黄仁勋在苏州发布了Orin-X，这款算力254T的智驾芯片在2022年量产，并在两年内事实上垄断了国内当时刚起步的高阶智驾芯片市场。

Orin-X开始量产的2022年，英伟达Thor系列也发布，算力一千T起跳，颇有拉爆竞争对手的势头（尽管量产后主力出货是700T的Thor-U）。

但现实往往不是线性展开。

谁也不会料到，三年后，意气风发的黄仁勋要面临，比当年选错了底层图形渲染技术导致公司濒临破产更大的危机。

同样也不会预料到，中国市场上，一场对英伟达智驾芯片的合力阻击战，局面已经演变得比华人半导体领军企业家的社会关系还复杂。

01

2022年以后，国内的高阶智驾量产有一条颇有代表性的技术路线：算法各写各的，芯片统一买英伟达。

Orin X单颗算力254T，配上开放的CUDA与Drive工具链，恰好击中了要把智驾算法握在自己手里的蔚小理。英伟达成了他们最省事的底座，旗舰车型动辄搭载两颗、四颗Orin-X，他们也成了英伟达智驾芯片最重要的客户。

李斌此前说过，2024年蔚来购买了80万颗Orin-X，成本3亿美元[1]。

高阶智驾最初与新势力的先进性、估值的想象力高度挂钩时，Orin X不只是一款芯片，还是一张入场券。

但当智驾从高速领航卷到城区，再卷到端到端、VLA和世界模型，车企发现，买来的通用算力与自己的算法之间，始终隔着一层翻译，模型要迁就硬件。与此同时，智驾从旗舰配置变成规模生意，芯片成本也开始被逐项清算。

于是，最忠实的客户也开始成批出走。

2025年3月，蔚来ET9开启交付，神玑NX9031随之量产上车，用自研SoC接替过去由多颗Orin X承担的旗舰智驾任务；同年三季度，小鹏图灵芯片在G7等车型上量产，随后向更多车型铺开；2026年5月，理想马赫M100随全新L9上车，以动态数据流架构另辟蹊径。

到2026年，除了极少数车型，蔚小理新车的智驾芯片基本告别英伟达体系。即使英伟达Thor-U作为Orin-X的继任者，一片更比两片强，也在2025年量产，却没能复制Orin X当初的统治力。

然而，在接连丢失掉几个高价值客户的大订单后，英伟达2025年汽车业务却仍然增长39%，达到新高23亿美元。

答案不在四五十万元的智能电动旗舰，在七万元起的海鸥。

2025年，比亚迪发动“全民智驾”，一口气把21款智驾版车型推向市场。大量的普及型智驾需求，指向了英伟达的中算力芯片Orin-N。新势力的自研芯片稀释了英伟达Thor的统治力，比亚迪却用百万级的订单让Orin-N走出了一波薄利多销。

比亚迪全民智驾，背后不仅有英伟达，也有Momenta

然而，2026年下半年，攻守再次变化。

国产替代的大势下，除了高举高打、模式特殊的华为昇腾，地平线借中算力芯片J6M、大算力芯片J6P/H的铺开， 在高阶智驾芯片市场的份额一再上升，和英伟达的差距不再是遥不可及。

新芯航途也展示了另一种后发优势：背靠Momenta，围绕真实算法和量产车型设计智驾芯片。新芯航途的首款智驾芯片X7算力227T，量产8个月，出货超过20万颗，搭载10款量产车型，并获得超过40款车型订单。

新芯途航X7

在这两者之外，还有爱芯元智、黑芝麻、芯擎等等芯片企业想借势上位。更多车企也亲自下场，大众借力地平线的IP开发自己的自研芯片，比亚迪则拿出了算力700T的璇玑A3。

智驾芯片的市场格局非但没有走向收敛，反而更加拥挤。原因当然不能只用国产替代的机遇解释。

一方面，汽车智驾芯片的生命周期足够长，至少3年起，一次定点就能跨越多个车型、多个年款。同时智驾芯片的开发难度、流片成本，以及对制程的要求相对云端计算芯片、手机芯片更低。

进入门槛没有想象中高，各种夹缝生存的空间也不少，智驾芯片竞争烈度看起来很高，领先的智驾芯片头部玩家却很难像手机SoC那样，靠一年一次的迭代拉爆对手，迅速清场。

另一方面，智驾算法仍处在“将熟未熟”的阶段，Transformer固然统一了大体技术方向，却还没有统一的工程答案。带宽、缓存、算子融合、编译器和功能安全，每个领域都有仍待解决的问题，便让车企的芯片自研团队和智驾芯片供应商团队各自活出了统战价值。

于是，智驾芯片进入一种战略僵持：英伟达失去绝对定义权，却仍有规模与话语权；国产供应商拿下阵地，但没有摧枯拉朽；最能提供know-how帮助智驾芯片演进的车企们，纷纷另起炉灶。

在这种背景下，新芯航途发布了专为大模型智驾开发，算力700T的芯片 X7 Ultra，还预告了算力高达3000T，将于明年量产的X9。

02

消失的算力统一坐标系

700T是一个略显巧合的数字。

英伟达的Thor-U，比亚迪的璇玑A3，新芯航途的X7 Ultra的峰值算力同样都是700T，但口径并不相同。Thor-U是“稀疏算力”，X7 Ultra是“大模型计算等效算力”。最直观的基础口径通常是“稠密算力”，但数字大小也最低，一般要在稀疏算力（2:4稀疏）基础上除以二。

多家智驾芯片围绕700T算力做文章，背后更多是行业心照不宣的现实：智驾芯片的峰值算力数值，类似方便面包装上的大块牛肉，负责提供情绪价值的成分更多。

事实上，智驾芯片没有一个被普遍认可且采用的算力评价标准（至少在面向消费者时）。

在PC时代和移动互联网时代，由于计算任务的通用性和计算架构的相对统一，芯片的性能比较通常有一些被广泛采纳的基准：主频越高、解码位宽越高、缓存越大，芯片性能越强。

但在智驾芯片领域，当各厂纷纷告别通用计算方案，都另起炉灶自成一套体系，尤其还流行软硬结合这种提供“硬件不够软件算法凑”可能的方法论时，大家主观上不愿意，客观上也做不到对齐到同一坐标系中：

只讲稠密算力，体现不出自研芯片算法针对大模型特化后多快好省的优势。

只讲稀疏算力，显然又把计算任务设想得有些理想化。

讲等效算力，虽然符合软硬结合的时代趋势，但芯片算力本身就成了难以和软件模型解耦的黑箱。

而算力的大小是一码事，能把算力用上多少，是另一码事。智驾领域一个烫得不能再烫的知识是，当智驾芯片走向大模型计算阶段，首要问题不是峰值算力不够大，而是内存带宽不够用。

打个比方，如果智驾芯片是一个以原始数据为材料，以输出规划或控车指令为成品的车间，那么当前真正限制其生产节拍的，不是负责数据处理的单元，而是连接外部仓库与车间，在其中运送数据物料的物流通道。

相比于数据处理速度飞快的芯片，内存带宽太窄，向芯片里输送原始数据、往芯片外搬运半成品数据的速度太慢，导致计算单元常常不得不暂缓生产来等待数据，峰值算力可望而不可即。

因此，几乎所有智驾芯片和相关软件团队，当下都将精力与资源大头，用在了同一个方向：如何克服芯片的带宽瓶颈。

03

同样的带宽难题，不同的解法

在缓解带宽瓶颈这个重大问题上，智驾芯片行业已经分化出了多个流派。

比如蔚来的NX9031，选择加宽外部存储与芯片之间的数据物流通道，把内存带宽扩充到546GB/s，是英伟达Thor-U的两倍，缓解了数据吞吐的矛盾。

这样做的代价，是智驾芯片与内存颗粒之间，高频信号的布线和信号完整度保障难度成倍增长，更多的内存接口和内存控制器也会占用芯片面积、产生额外成本。

理想的马赫M100没有选择加宽外部的数据物流通道，但用数据流架构重构了芯片的内部设计——芯片这个车间里，密集的高速传送带（片上超高带宽总线）一刻不停地往加工设备里塞数据，设备不等待复杂生产指令，拿到数据就开工，加工完就立即下一批，数据在一串串设备中高速流转。

理想马赫M100 的数据流架构

这种架构降低了数据频繁进出芯片的需求。但想要维持超高速的数据流转而不出纰漏，有赖于AI驱动的编译器，提前将极度复杂的计算任务与计算核心的编排和调度优化到极致。

这条技术路线相对非主流、成熟度更低，相应的芯片架构与编译器人才难寻，想往外卖芯片也要重写工具链，整体的机会成本高昂。

地平线J6P则在开发专用计算架构BPU，构建高速片上总线的同时，加入了专门对Transformer典型算子LayerNorm、Softmax、Transpose进行计算加速的向量计算等单元，重点优化关键步骤的计算时延。

这些算子是芯片处理大模型必有的特殊工序，总计算量未必很大，但如果不以专用单元加速，会显著放大数据搬运工作，耗费大量时间。反映在车端就是高计算延迟，智驾反应慢半拍甚至不可用。

才发布不久的新芯航途X7 Ultra，则是智驾大模型计算加速各种手法的集大成者。

在芯片设计上，X7 Ultra采用超大核NPU设计，减少数据在不同核心之间的搬运时间。这像是把更多工序放进同一个车间，再通过核内TB/s级片上总线和多级缓存，让数据在车间内的加工设备和物料堆放区之间高速流转。

而在Transformer算子的计算加速上，X7 Ultra除了内置专用的计算加速单元，还为其配备了专用寄存器（可以理解为与计算单元距离最近、数据输送速度最快的“物料暂存区”），保留FP16高精度向量计算能力。其目的不是拉高峰值计算能力，而是解决主力计算任务完成，车间却停下来等这几个步骤的瓶颈。

硬件之外，X7 Ultra还把相当一部分工作交给了编译器。新芯航途提出的整网融合，以对整张神经网络进行全局计算加速的思路，引入AI的分析，拆分、编排全局更优的计算任务。

把前人与友商的智慧总结起来再往前推一步，X7 Ultra指向的是“数据不出核、不出芯片”（实质是计算的“半成品数据”尽量少出，非必要不出）的设计目标。在其官方口径下实现了98.7%的NPU利用率、80%的内存带宽消耗下降和100%的推理能效提升，以及700T的大模型等效算力。

但优势的另一面，是硬件面向算法的专用设计既多又深，很难适应算法架构发生颠覆性的改变；同时芯片与模型若不解耦，单独向外输出芯片方案、拓展商业模式的难度就更大。

总之，虽然各家的技术路线选择有别，但遵守同样的客观规律：

芯片面向算法模型的特化与固化越多，则效能越高，对芯片算力的利用率越高，但对全新模型架构的接受度越低，让别家企业用不同算法在同一张芯片上复现相同算力、把芯片开放给行业的难度越大。

只不过在台前，技术与工程的复杂取舍和抉择难以被简单描述与理解。

各家车厂与智驾芯片供应商，出于商业考虑，都选取最有利于自己的算力计算口径发动口水仗，顺便把智驾芯片的算力核算搅成了一笔糊涂账。

但即使能够统一在相同标准下比大小强弱，芯片本身，也只是智驾系统中的一环。

发展到今天，智驾已经是一门复杂度极高的产业，芯片、算法、数据、车辆工程等等各个模块之间的耦合度极高，且越来越高，没有任何一个模块，可以独立决定产品最终的表现。

对智驾车型和功能感兴趣的消费者和爱好者，与其比着芯片的纸面算力参数看一场场智驾芯片的赛博斗蛐蛐，最好的方式，其实还是多线下试驾体验。

参考资料：

[1] 蹚出亏损泥潭 新能源车险加速走向分化，新华网

编辑：罗松松

责任编辑：罗松松