文章核心观点 - 智能驾驶行业正经历算力军备竞赛 车企自研芯片成为关键战略 旨在降低成本、掌握供应链自主权并提升技术竞争力[1][2][3] - 蔚来、小鹏、理想三家新势力车企采用不同自研芯片路径 面临技术挑战、组织架构冲突及资金压力[4][12][16] - 外部芯片供应链存在不确定性 英伟达Thor芯片延期加剧行业自研需求 7nm/5nm制程芯片成为竞争焦点[24][25][35] 车企自研芯片背景与动因 - 智能驾驶算力竞赛始于2021年 英伟达Orin-X芯片算力达254TOPS 领先Mobileye Q5H和特斯拉HW3.0[2] - 自研芯片可降低单车成本约1万元 但需至少100万颗产量摊薄研发成本 且技术有效期仅覆盖1-2代车型[3][12] - 外部供应链风险加剧 Marvell等国际芯片厂商撤出中国 英伟达Thor芯片延期导致供应不稳定[1][11][35] 蔚来自研芯片路径 - 2020年启动自研芯片项目 未经过董事会讨论 李斌凭借资本运作筹集385亿元资金支持研发[7] - 芯片团队规模达400-500人 由华为海思背景张丹瑜领导 采用NPU/ISP/SoC全自研模式 拒绝外包[8][10][11] - 2025年发布5nm神玑NX9031芯片 但研发成本达6亿美元 同年将芯片团队剥离成立独立公司寻求融资[12][15][16] 小鹏自研芯片挑战 - 2021年中美双团队启动研发 因协作问题导致项目难产 北美团队最终裁员[19] - 芯片与算法部门存在资源争夺 地理隔离（上海芯片团队 vs 广东算法团队）加剧协作障碍[22][23] - 2024年首代7nm芯片流片 通过台积电7nm工艺规避晶体管数量限制（300亿个） 二代5nm芯片研发中[24][25][26] 理想自研芯片策略 - 2021年启动自研 团队规模约200人 CTO谢炎整合芯片、OS、模型部门形成统一管理体系[29][31][34] - 初期外包研发遇阻 芯原未能提供完整代码 第二代芯片转为自研前端设计以应对美国芯片禁令[32][34] - 优先布局操作系统再推进芯片 VLA大模型对算力需求推动自研进程[30][34] 行业技术趋势 - Transformer架构向VLA模型迁移 对芯片实时推理算力要求显著提升[4][34] - 台积电7nm工艺每平方毫米集成1亿晶体管 5nm达1.5亿 制程限制影响车企芯片设计选择[25][26] - 算法与芯片研发需协同 但两者存在本质冲突：算法追求迭代效率 芯片要求确定性[4][22] 成本与资金压力 - 蔚来2021-2024年累计研发投入419亿元 主要用于人员成本[10] - 2024年蔚来采购英伟达芯片支出超3亿美元 自研芯片成本优化效果需规模量产支撑[12] - 小鹏芯片研发延迟三次 算法与芯片项目投资均达10亿级别[4]