汽车芯片的算力竞赛,正在进入一个新阶段。
几年前,数十TOPS的算力已经能够支撑不少辅助驾驶功能。如今,随着城市NOA、端到端模型以及座舱AI加速上车,汽车对计算能力的要求持续提高,千TOPS级芯片开始进入车企的研发规划。
但算力数字不断刷新,一个问题也随之出现:汽车究竟需要多少算力?
11月12日,北汽集团与新紫光集团宣布深化合作,旗下北汽研究总院与紫光同芯将联合研发高算力舱驾控一体车规级SoC芯片。按照规划,单颗芯片算力目标达到1000TOPS,并支持面向不同车型需求的灵活扩展,计划于2028年实现首发车型量产。
相比单纯追求更高算力,如何让计算资源适配不同车型、降低系统成本,并最终形成规模化交付能力,或许更能反映这项合作的实际价值。
一、算力将如何分配?
汽车芯片正在面临一个矛盾:一方面,辅助驾驶和座舱AI需要更强的计算能力;另一方面,车企又必须严格控制芯片成本、功耗和整车电气系统的负担。
不同价格区间的车型,这种矛盾更加明显。
一辆需要同时运行高阶城市NOA、多模态交互和端侧大模型的旗舰车型,与一辆主要提供高速辅助驾驶、基础语音交互的主流车型,对计算能力的要求并不相同。如果所有车型都采用同一套高规格芯片,可能造成算力闲置;分别开发不同芯片,又意味着更高的设计、验证和软件适配成本。
北汽与新紫光提出的平台化设计,正是围绕这一需求展开。按照规划,新一代车规级SoC将具备较强的计算能力与可扩展性,通过灵活配置计算资源,满足不同车型在智能驾驶、座舱交互和车端AI应用方面的需求。
这种设计的意义,在于提高底层技术的复用率。车企可以根据车型定位选择相应的计算配置,芯片厂商也能够在统一技术平台上开发差异化产品,减少重复研发和适配工作。
不过,算力配置并非简单的性能叠加。芯片的计算效率、数据传输能力、功耗控制以及不同任务之间的资源分配,都会影响最终表现。
另一个值得关注的方向是舱驾融合。
过去,智能座舱与辅助驾驶通常采用相对独立的芯片和控制器。随着智能化功能增加,多套计算平台带来的硬件成本、布线复杂度和资源利用问题逐渐显现。
如果能够在统一平台上运行环境感知、驾驶决策、语音交互等任务,就有机会减少重复硬件配置,提高资源利用效率。
但座舱更关注交互体验,辅助驾驶则对实时性、功能安全和稳定性有更严格的要求。不同任务共享计算平台后,资源隔离、任务调度和故障处理都将成为新的技术挑战。
因此,对于高算力芯片而言,峰值TOPS只是性能指标之一。有效算力、能效及软硬件协同能力,同样决定着它在整车上的实际表现。
二、车企开始向芯片上游走
相比算力指标,北汽在此次合作中承担的角色,同样值得关注。
过去,汽车企业更多是从供应商现有产品中选择芯片,再根据车型需求开展算法移植、功能开发和整车适配。这种模式能够利用成熟产品缩短开发周期,但也存在局限。芯片设计与整车需求之间存在时间差,而辅助驾驶算法又处于快速迭代阶段,部分硬件设计未必能够充分适应新的计算任务。
例如,城市NOA需要持续处理环境感知和驾驶决策任务;自动泊车关注近距离感知与控制响应;座舱多模态模型则对数据带宽及推理效率提出不同要求。
如果芯片在设计初期没有充分考虑这些需求,后期即使具备较高的理论算力,也可能出现算法运行效率不足、资源分配不合理或功耗偏高等问题。
北汽此次深度参与,一个重要目的便是将整车需求提前引入芯片设计。
按照双方规划,联合研发将结合北汽现有整车电子电气架构、智能驾驶开发经验及量产验证体系,共同确定芯片的功能需求和性能目标。
在具体研发过程中,双方将围绕城市NOA、自动泊车、座舱多模态交互等典型应用场景,开展计算性能、能效、软件适配及功能安全等方面的协同开发。
对于紫光同芯而言,提前获得整车应用场景和验证条件,有助于减少芯片设计与汽车应用之间的脱节。对于北汽而言,参与底层芯片定义,可以让自身的软件架构、智能驾驶算法与硬件平台形成更紧密的协同关系。
这也反映出汽车产业链的变化。随着智能化成为产品竞争的重要因素,一些车企开始向芯片、操作系统和基础软件等领域延伸,希望在核心技术路线与产品迭代节奏上拥有更多主动权。
三、量产才是真正的门槛
对于汽车芯片而言,从确定技术架构到真正装车,中间仍有漫长的工程化过程。
按照双方规划,联合芯片项目将在2028年实现首发车型量产。目前,双方正在推进联合研发,距离最终上车仍有多个环节需要完成。
从行业通常的研发流程来看,一款全新的车规级SoC需要经过芯片设计、样片验证、软硬件适配、可靠性测试及整车验证等阶段,才能进入量产导入环节。
首先是性能与可靠性的平衡。高算力芯片不仅要满足复杂AI任务的计算需求,还必须经受温度变化、长期运行及复杂使用环境的考验。实验室中的性能指标,并不能直接等同于整车应用能力。
其次是软件生态。芯片能否发挥性能,很大程度上取决于操作系统、开发工具链、AI算法及主流应用框架的适配程度。如果开发生态不够成熟,即使硬件达到设计目标,也可能增加车企的开发负担。
另一个挑战来自系统级集成。舱驾融合需要在统一计算平台上协调不同任务,对实时响应、资源隔离和功能安全提出更高要求。同时,功耗、散热、整车供电及安全冗余,都需要纳入成本计算。
因此,减少芯片或控制器数量,并不必然意味着整车成本下降。只有完成系统级优化,跨域融合的经济性才可能体现出来,这也将进一步考验软硬件集成和供应链管理水平。
从双方公布的合作方向来看,研发范围也并未局限于一颗SoC,还包括舱驾控一体中央计算平台、智能底盘域控制器及下一代智能座舱芯片应用。
对于国产汽车芯片而言,除了性能,还需要面对量产订单、软件生态、成本和可靠性的市场检验。