万字深度：芯片自研

智驾人六耳

2024-12-27 08:30发布于上海

来源:雪岭飞花 | 首图图源:网络

全文 ≈1W 字，预计阅读 50-60 分钟

在智能化、电动化浪潮的推动下，汽车对芯片的需求大幅度增加。电动车的单车芯片价值可以达到传统燃油车的2倍，而智能车的汽车芯片含量更是传统功能车的8倍以上。

根据纳新微电子的调研，传统燃油车向豪华智能电动车的演变，会将单车芯片的价值从640美金提高到2875美金。长城汽车最近也做过类似的统计，对于智能电动车，中端车型芯片价值总量8000元，高端车型的芯片价值总量将达到14000元。

图片来源：纳芯微电子

当行业的竞争到达一定阶段，参与其中的头部玩家，为了巩固和进一步提升行业地位，通常会谋求在供应链上获得更强的掌控力，尤其是“制高点”。

在内燃机汽车时代，这个“制高点”是发动机，而在智能电动汽车时代，这个“制高点”就是芯片。

芯片价值量高（一片高算力处理器芯片，价格高达数百美元）、毛利高（英伟达芯片的毛利率高达90%，地平线征程系列芯片的毛利率高达79%），尤其是其中的主控芯片，会直接决定系统性能，其所承载的Know-How也最为密集。

所以，“芯片自研”成为了很多整机厂的战略布局，尤其是特斯拉在2019年量产了其第一代自研的FSD芯片之后，很多头部玩家开始跟进。

图片来源：辰韬资本

近期蔚来、小鹏、速腾等公司纷纷发布自研芯片的最新进展，“芯片自研”再一次引起了广泛的讨论。

雪岭最近也和多位行业内专家进行了一些沟通，编写本文做下简单总结，未必准确，仅供各位老师参考。

本文主要分四部分：

1）芯片自研的动机；

2）芯片自研的挑战；

3）部分整机厂在芯片上的布局策略；

4）建议和讨论；

注：

1）本文提到“整机厂”包括：汽车主机厂和Tier1公司；

2）自研的“芯片”包括MCU、SoC、功率器件等，在有些段落中，可能特指大算力SoC；

01 自研芯片的动机

自研芯片的动机有很多，其中降本、差异性、开发效率、供应链安全等是其中最重要的因素。

1. 降本

芯片的成本分为两个部分：开发费分摊和BOM成本。

开发费：芯片的研发投入分摊到生命周期内的全部出货量之后，核算到每一片的成本。出货量越大，单片的开发费分摊越低。
芯片BOM：每个芯片材料、加工、测试和运输成本。

当芯片自研时，由于不需要支付供应商开发溢价，并且可以通过裁剪算法用不到的组件（通用芯片通常需要满足不同整机厂的差异化需求，存在大量的设计预留），在一定的出货量保证的前提下，可以有效降低芯片的成本。

例如，特斯拉的FSD1和FSD2相对于Orin和Thor，在成本上有明显优势：

图片来源：辰韬资本

2. 保证差异性和性能最优

在智能化时代，通常是“软件定义汽车”，车辆的自动驾驶能力直接决定于算法。自动驾驶的等级越高，通常算法模型越复杂。

然而，当使用通用芯片时，往往是让软件最大化的适配硬件，很难最大化的发挥算法的优势，打造差异化体验。

因此，如果能同时定制和软件匹配的芯片硬件，就可以让硬件和软件完美匹配，从而实现最优的性能。

实现这个目的一般有两种方式：

1）向芯片公司传递定制化需求，进行芯片定制；

2）自研芯片；

对于第一种方案，有2个弊端：

1）芯片厂家受限于自己已有的芯片架构，以及平台产品的综合考量，未必能完全按照整机厂的需求进行开发；

2）从保密的角度，整机厂商并不愿意将自己独特的需求和对应用场景的理解，直接分享给芯片设计公司。因为这些需求本身也是宝贵的Know-How，担心芯片设计公司未来有可能分享给其他客户。（虽然有些情况下，可以通过协议定义某些含有客户独特需求的芯片只能专供，但是很多情况下很容易绕过）

对于第二种方案，整机厂可以自己定义芯片规格需求，基于算法架构来设计芯片架构，实现软硬件的最佳适配，也完全没有泄密的可能，拓宽自己的“护城河”。

自研自动驾驶芯片最好的样板就是特斯拉，虽然特斯拉的芯片算力目前并不是最高，但是特斯拉自动驾驶性能却被公认的排在前列。芯片自研奠定了特斯拉在自动驾驶领域的领先地位。

3. 提高开发效率

自动驾驶系统的开发，往往需要软件和硬件大量的协同设计和联合验证等工作。如果采用通用芯片的方案，由于需要考虑更多不同客户需求，并且很多软件适配工作，往往需要芯片供应商释放一定成熟度硬件之后才能进行，导致串行工作场景较多，协同效率较低。

另外，在验证过程中，如果整机厂发现问题，需要经过反馈、数据抓取、分析等多个阶段，中间沟通环节往往很多，时间成本很高，效率低下。（当遇到供应商人力资源短缺或者配合意愿度不高时，中间拖的时间会更长）

如果芯片自研，将不存在上述问题。

4. 供应链安全

自研芯片可以保障供应链稳定，可以有效应对贸易战、芯片短缺等供应链风险。

同时，也有助于整机厂减少对供应商的依赖，提升对芯片的理解，提升议价能力。

5. 其他

有时，还有一些别的考虑，例如：

市面上没有合适解决方案，不得不自研。例如，特斯拉研发FSD芯片之前就是对于英伟达芯片性能不满，而一时间又找不到更合适的芯片替代。
提升估值。自研芯片可以带来品牌形象的提升，以及给资本市场新的想象空间，在资本市场获得额外的收益。在许多整机厂宣布自研芯片之后，股价往往都有大幅提升。

02 自研芯片的挑战

自研芯片的挑战也很多，其中投入大、风险高、人才和管理等挑战巨大。

1. 投入是否能够承担？

芯片（尤其是大算力的自动驾驶SoC芯片）设计复杂、开发难度大，失败风险高，从而导致开发投入大。

Semiengingeering统计的不同制程芯片的开发投入如下，其中，7nm芯片的研发成本为2.97亿美金，5nm芯片的研发成本高达5.4亿美金。

图片来源：https://semiengineering.com/big-trouble-at-3nm/

并且，芯片的开发，往往很难一次流片就成功。从流片到过车规认证、完成功能验证，往往可能需要经历2~3次迭代，花费3-5年甚至更长的时间，才能趋于稳定，那么开发投入将会成倍增加。

同时，上述投入还只是芯片设计，如果再考虑制造封测，那么投资更是动辄上百亿，许多设备、材料都被国外厂商垄断，价格昂贵且数量稀少。

据中国（无锡）物联网研究院研究表明，自研车规级芯片资金门槛非常高，仅以基础芯片的投入为例，起步门槛就是10亿元，如果再加上总体研发及运营，一般的芯片普遍需要百亿元以上的投资规模。例如，对于Orin芯片，是英伟达花费4年时间，投入数十亿美元才完成开发。

2. 规模是否足够大？

由于开发投入大，需要一定的规模来收回成本。

根据行业内专家的普遍观点，如果芯片每年出货量低于100万，将很难收回开发成本。

在汽车行业，做到每年出货100万的规模是非常困难的。作为对比，全球智能手机的出货量至少是汽车销量的10倍，然而，全球至今也只有苹果、高通、MTK等很少量的几家成功的手机SoC芯片公司。

另外，需要注意的是，虽然目前英伟达、高通等芯片目前看起来利润率很高，但是当市场竞争加剧时，这些厂家为了保证市场份额，一定会主动降价反制，此时，自研芯片相对于供应商的产品，将很难有价格优势，收回成本更为困难。

例如，当年国外ABS是1000多一套，国内许多厂家认为可以做到700元，纷纷上马。但是等到众多国内厂家真的推出700元的产品时，国外厂家突然降价到300，导致国内厂家无法盈利，几乎全部倒闭。

3. 人才和管理是否有竞争力？

公司和产品的竞争，说到底，是人的竞争。

整机厂如果希望自研芯片，必须要建立一支专业的芯片开发团队，根据芯片的复杂程度，这个团队规模可能从百人到数千人不等。

然而在中国，芯片行业的人才还非常匮乏，尤其是有汽车芯片开发经验的人才，更是稀少。

同时，由于芯片的开发和整机厂的整机开发有很大的区别，团队的管理方式也不同，因此，还需要仔细思考如何和专业的独立芯片设计公司进行竞争：

整机厂的组织文化和激励机制，能否持续吸引并留住优秀的芯片人才？
整机厂芯片团队负责人的能力、责任心，能否和独立芯片公司的负责人竞争？
整机厂芯片团队的整体能力、开发速度，能否和独立芯片公司的团队竞争？
对于整机厂芯片团队的绩效，能否向要求供应商（独立芯片公司）一样严格？公司内部组织之间的“留情面”，是否会成为高质量产品交付的羁绊？

4. 开发速度是否足够快？

专业的芯片公司都有多年的经验，而且还在不断迭代技术，新入局者要想追赶并不容易。

在大算力芯片市场，英伟达、高通等国际巨头已经显现出垄断态势，他们还在不断会推出性能更高、功耗更小的新产品。新入局者坚持两到三年时间，将芯片实现了顺利量产，此时供应商的下一代芯片可能已经上市，辛苦几年打磨出的芯片是否依然能打，将会是一个重大考验。

马斯克在发布FSD芯片时说，“现在确实有人可以跟进我们，但是需要三年后才能做出来，而我们在两年之后拿出来的东西将比现在的好三倍。”

5. 代工厂是否配合默契？

对于7nm车规工艺以下芯片，目前只能找台积电和三星这两家，但是如何让台积电和三星积极配合项目进度，也考验车企与上游Fab厂打交道的能力。

如果量比较小的话，代工厂的意愿度就不会高，就算有晶圆厂愿意代工，价格也不低，交付期也不会被安排在优先级。

例如，假设车企每个月10万片芯片，如果每张12吋晶圆为500颗芯片，每个月仅仅200张晶圆的需求，在TSMC和封测厂往往是产量最小的客户。这种情况下，往往很难和Fab和封测厂谈到一个好的价格和交期，尤其是当产能紧张时。

6. 工具链和生态是否完善？

工具链和生态层面的挑战，可能比芯片硬件本身的挑战更大。开发出一套好用的软件栈，需要花费的时间，可能比设计出一款芯片更久。

1）芯片硬件只是开发的第一步，将算法部署到芯片中，还需要一套完整的开发工具链，用于算法的开发、训练、优化、部署和验证。例如英伟达依托于AI社区开发者生态的长期积累，已经打造了一套非常高效的开发工具链。低效的开发工具链，会严重拖累整个系统的开发效率。

2）智能汽车承载着由丰富的软件定义下的汽车生态，而软件的开发者大多青睐在市占率更高的芯片上投入开发，如何吸引软件开发者在新芯片平台上开发软件，也是必须要思考的问题。

另外，如果是Tier1自研芯片，那么整机厂使用的时候一般会比较保守，通常不希望是第一个吃螃蟹。因此，Tier1在推广使用自研芯片的产品时，通常会遇到较大的阻力。

03 自研芯片的案例

1. 特斯拉

特斯拉作为智驾行业的先驱，经历了智驾芯片从外采到自研的过程：

HW1.0：2014年发布，采用Mobileye的EyeQ3芯片，算力为0.256 TOPS。
HW2.0：2016年发布，采用了NVIDIA 的Drive PX2平台，算力为12TOPS。2017年发布HW2.5，算力相同。
HW3.0：2019年发布，采用自研的第一代FSD芯片，该芯片基于三星14 nm工艺，单颗算力达到了72 TOPs，是当时算力最强的智驾芯片。从HW3.0开始，特斯拉采用自研的SoC芯片，全面掌握从芯片设计到软件开发的全栈技术。自研芯片支撑特斯拉持续引领智能驾驶赛道，从BEV到OCC，再到E2E。
HW4.0：2023年发布，采用7nm制程的第二代FSD芯片，算力提升5倍，达到720TOPS。
HW5.0（AI5）：预计将于2025年下半年推出，整个平台的算力大概是HW4.0的10倍。

特斯拉还自研了AI芯片D1，D1采用台积电7nm工艺节点，拥有500亿晶体管，于2024年5月开始投产。特斯拉基于D1自建超算中心Dojo，以支撑Grok 3、FSD、擎天柱机器人等超大规模人工智能训练需求。

特斯拉自研芯片战略的成功的几个原因：

芯片需求清晰。特斯拉全栈自研算法，对芯片需求非常清晰。通过裁剪无用多余的规格需求，将算法固化在芯片硬件设计中，从而实现最优的性能和功耗平衡。
智驾架构稳定且演进方向清晰。特斯拉很早就确立了纯视觉路线，具有非常稳定的智驾架构，芯片不会因为架构调整而不断进行变更。
整车销量大，使得比较容易的分摊研发成本。
在美国，芯片相关人力资源丰富，技术储备充足。

2. 蔚来

2020年下半年，蔚来组建自研芯片团队，目前有800人左右规模（负责人来自华为海思），主要从事智驾、传感器等芯片的研发。

1）激光雷达芯片

2023年9月，蔚来发布了第一款自研芯片产品：LiDAR主控芯片NX6031，代号“杨戬”。该芯片用于图达通猎鹰激光雷达，替代原有的FPGA和ADC等价值不菲的第三方芯片，据了解，“杨戬”将为蔚来每辆车节省几百元的BOM成本。

2）智驾芯片

2024年7月27日，蔚来宣布其自研的智驾芯片“神玑NX9031”流片成功。

该芯片制程为5nm，拥有超过500亿颗晶体管，采用32核大小核CPU架构，采用LPDDR 5x内存，速率达到了8533Mbps，内置高动态范围高性能ISP，位宽26bit，具备6.5G Pixel/s 像素处理能力，处理延时少于5nm，预计算力超过1000 TOPS。

该芯片将于2025 Q1首搭ET9。

在蔚来的产品规划中，自研芯片是非常重要的一环，正如李斌所说，最终他们发现很多环节想要降低成本，只能自研。

尤其在智驾芯片部分，目前使用NT3.0平台的蔚来车型全都搭载了4枚Orin-X芯片，降低成本的最好方法就是寻找算力相同，但成本更低的替代品。如果神玑NX9031能够代替4枚Orin-X芯片，蔚来无疑可以做到大幅的降本增效，在这场“智驾淘汰赛”中掌握主动权。

另有消息称，蔚来也在自研座舱芯片，采用7nm工艺，由三星代工，该座舱芯片将与蔚来手机有更多的创新联动。

3. 小鹏

小鹏从2020年开始搭建芯片团队，在中美两地布局芯片自研，产品目标对标特斯拉FSD芯片。

2024年8月23日，小鹏宣布图灵芯片流片成功。

该芯片为端到端大模型定制，集成2个自研NPU、2个独立ISP，采用面向神经网络的DSA。图灵芯片专门为AI大模型打造，具有40个处理器核心，最高可运行大模型参数为30B，估计稠密算力会在500~750 TOPS，未来可用于AI汽车、AI机器人和飞行汽车。

据了解，1颗图灵芯片可以代替3片英伟达Orin-X，同样也可以实现降本增效。

4. 理想

2022年5月，理想成立了四川理想智动科技有限公司，开始布局芯片研发。

2023年11月，理想开始大幅推进自研智驾芯片，目前理想已经设立了约 200 人的智驾芯片团队。

团队在Chiplet和RISC-V方面进行深入研究，主要自研的是NPU前端设计，后端设计部分外包给中国台湾的世芯电子，然后再交由台积电完成制造。

理想汽车自研智能驾驶SoC“舒马赫”，将采用的是Chiplet模式，预计将在2024年年底前完成流片。

另外，

理想与国内的三安半导体合作建立功率半导体产线，北京车和家占股70%，湖南三安半导体占比30%，通过合资布局SiC功率半导体。预计2024年正式投产，最终目标是实现240万只碳化硅的年生产能力。

5. 零跑

零跑是国内最早宣布自研芯片的国内新势力车企，零跑曾提到：“不造芯片的车企不是一家好科技公司”。

2020年，零跑汽车与大华联合发布智能驾驶芯片：“凌芯 01”。

大华是安防行业巨头，也是零跑汽车的主要投资人。零跑提供了该芯片的架构和功能需求，大华负责具体的芯片设计和开发。

凌芯01开发历时3年，算力4.2 TOPS，支持基础的ADAS应用，CPU为阿里旗下平头哥公司玄铁C860，AI核则为8核NPU。凌芯01主要配套C11车型，23年出货量达到12万颗。

不过，之后零跑汽车悄然停止了对芯片的研发投入，在最新推出的零跑C10上，已换用了英伟达Orin-X芯片。

零跑董事长朱江明表示“在2016年和2017年，市场上并没有现成的AI芯片可供选择，但作为一家车企，投入如此大规模的资金进行芯片开发确实是一次巨大的挑战，当下AI芯片市场已经相当成熟，对于车企而言，将精力集中在智能驾驶算法的研发上更为合理”。

6. 比亚迪

比亚迪自研芯片历史最悠久，涉足的芯片类别也很多。

2004年，比亚迪半导体的前身——比亚迪微电子公司成立，从事功率半导体、智能控制MCU、智能传感器及光电半导体的研发生产，采用IDM模式。

在工业、家电、新能源和消费电子，比亚迪半导体已成功量产IGBT/碳化硅、IPM、PIM、MCU、电流传感器等产品。其中，比亚迪已成为中国最大的IGBT制造商。

2024年4月，有媒体报道称，比亚迪已经启动自研智驾芯片的相关项目，这枚芯片NPU算力大概为8 TOPS，主要对标TI的TDA4VM。这枚自研芯片主要覆盖比亚迪10-20万元主流车型，借助比亚迪庞大的出货量，这颗芯片的表现非常值得期待。

除了自研之外，比亚迪也在用投资的方式布局智能驾驶芯片，比如地平线、昆仑芯等。

7. 吉利

2019年，吉利旗下的亿咖通与ARM中国合资成立了芯片公司：芯擎科技，其芯片布局如下：

1）智舱芯片：“龙鹰一号”

2021年12月，芯擎科技发布了其首颗7nm智能座舱芯片“龙鹰一号”，该芯片具有8核CPU（90k DMPIS）、14核GPU（900 GFLOPS）、以及8TOPS的NPU。

2023年9月，领克08正式上市，为龙鹰一号首款落地车型，其智能座舱全系标配2颗“龙鹰一号”芯片。

2）智驾芯片：AD1000

2024年3月，芯擎科技发布了智驾SoC芯片：AD1000。

AD1000采用7nm工艺制程，CPU算力达250 KDMIPS，NPU稠密算力高达256 TOPS，GPU算力218 GFLOPS，通过多芯片协同可实现最高1024 TOPS算力，集成高性能VPA与ISP，可满足L2~L4级智能驾驶需求。从性能指标上来看，AD1000足以对标英伟达Orin-X，和地平线J6。

据了解，AD1000将在2024年内向市场交付。

3）功率半导体

2021年，吉利与芯聚能半导体、芯合科技等合资成立了广东芯粤能半导体有限公司，面向车规级和工控领域的碳化硅芯片的研发和制造，产品主要包括碳化硅SBD/JBS、MOSFET、IGBT等功率器件，主要应用于新能源汽车、工业电源、智能电网以及光伏发电等领域。

芯粤能碳化硅项目总投资75亿元人民币，分别建设年产24万片6英寸和24万片8英寸碳化硅晶圆芯片生产线，是目前国内最大的专注于车规级、具备规模化产业聚集及全产业链配套能力的碳化硅芯片制造项目。

2022年6月，吉利汽车孵化成立了晶能微电子，打造车规级IGBT产品，2023年3月宣布已流片成功。

8. 长城

2021年10月，长城汽车组建了专业团队，致力于功率半导体技术的研发。

2022年11月，长城汽车旗下的功率半导体模组封测公司，无锡芯动半导体科技有限公司成立，专注于Si IGBT和SiC MOS的研发与创新，通过全产业链协同，深度布局芯片设计和模组封测。

2024年9月，长城自主研发的RISC-V车规级MCU：紫荆M100，成功点亮。该芯片基于RISC-V架构开发，采用模块化设计，内核可重构。紫荆M100主要应用于车灯、空调、无线充等系统上，五年内搭载车型不少于250万辆。

来源：长城汽车

查看原图 97K