上周举办的科技创新日，蔚来发布智驾领域最新世界模型（NIO World Model，以下简称NWM），超越端到端模型部署，号称具备空间理解和时间理解的双重核心能力。

官宣流片成功的智驾芯片神玑NX9031，则是为蔚来世界模型量身设计。神玑NX9031是蔚来自研的全球首颗5纳米智驾芯片，按照蔚来的说法，一颗芯片相当于四颗业界旗舰芯片的性能（英伟达Orin X）。

过去两年，智驾芯片是车企重点破局的产品方向，蔚来和小鹏都在自研，理想的布局稍微晚一些。以龙鹰一号为基础，吉利旗下的芯擎科技也在自研的道路上走了多年。

李斌曾公开表态，去年蔚来购买了很多英伟达芯片，耗费公司不少钱，考虑到采购成本，公司决定转向自研芯片。官方的说法是，神玑NX9031大概一年左右可以回本。

自研芯片有很多理由，但目前芯片成功流片的“蔚小理”们，耗费巨资的目的之一，都是为了摆脱英伟达的束缚。从业界报道的信息看，大家自研的芯片都颇具前瞻性，将与智驾“端到端”等最新趋势相匹配。

不过，“围剿”英伟达的中国阵营，不止“蔚小理”。本土芯片供应商今年也“卷入”端到端的竞赛，上个月结束的中国汽车论坛上，地平线总裁陈黎明明确表态，端到端是目前通往自动驾驶终局的唯一可行方案。

爱芯元智车载事业部副总裁逯建枫认为，高阶智驾的端到端化是必由之路，芯片设计周期和研发周期比较长，爱芯元智的战略，是跳过其他模式，目前重点针对One Model模式来做，即布局类似UniAD的技术架构来实现NPU设计。

从行业层面看，外采的高成本，不确定的国际形势，以及此前特斯拉自研芯片尝到的降本甜头，都影响国内车企的芯片战略和供应模式。

而端到端大模型的火爆，不仅催化了新一轮智驾革命，也加速智驾芯片的产品和技术演进。这不仅对车企自研芯片提出更高的要求，也倒逼红海中的芯片供应商加速内卷。

自研潮，来了

车企为何自研？

一是，掌握核心技术，确保供应安全，不被供应商、特别是国外强势供应商“卡脖子”。

李斌在接受媒体采访时表示，芯片供给的国际影响，由于美国的限制，其实对中国的汽车行业已经形成了实际影响。

“我们在云端的训练芯片，去年10月以后，无法用到全球最先进的芯片。智驾团队不光看云端的能力，也看群体智能的能力，端侧推理芯片目前风险不大，但也要应对各种变化。”

二是，定制化。

业内专家告诉《汽车公社》/《C次元》，造车新势力自研智驾芯片，主要有几个重点考量。其中之一，是提升产品竞争力，有差异化，自研芯片有利于自定义功能。

对于汽车制造商来说，自研芯片耗资巨大，但可以减少海外芯片供应依赖，鸡蛋不用放在一个篮子里。当然，自研的芯片，和自家算法也能更匹配，这涉及算法和芯片平台的耦合度问题。

过去，特斯拉144TOPS算力性能可以优于市面上400-500TOPS算力芯片，计算效率高，主要原因之一，这是针对特斯拉自己算法设计。值得一提的是，特斯拉早在2019年发布的144TOPS算力芯片（Autopilot HW3.0），至今依然能支持智驾端到端落地。

三是，降低成本。

蔚来李斌在发布会上表示，去年购买了很多英伟达芯片，耗费公司不少钱，为此，蔚来决定转向自研芯片，一颗芯片可以顶采购英伟达四颗，能降低成本。按照李斌的说法，神玑NX9031大概一年左右可以回本。

还有其他维度的考量。

业内人士表示，宣传自研芯片，对外界进行承诺，立公司科技属性的flag，可以对二级市场和品牌有正向作用。此外，自研芯片的确能带来系统体验的有效提升，战略目的才能达成。

当然，更早一步布局的特斯拉，当时自研芯片的理由非常朴素，即增加算力，让方案更灵活。

据报道，小鹏自研智驾芯片的进程和紧跟蔚来，现阶段已经送去流片，预计可在8月回片。

理想启动芯片自研进程相对较晚，智驾芯片项目代号为“舒马赫”，预计同样在今年内完成流片。

“是手段，而非目的”

在英伟达掌舵自动驾驶业务的吴新宙提出，自动驾驶发展可以归纳为三个阶段，端到端是自动驾驶的最后一步。

第一阶段，完全基于规则；第二阶段，AI大模型慢慢取代人工规则，完成预测和规划；第三阶段，是彻底的端到端大模型，AI可以贯穿从感知到决策的全过程。

在自动驾驶的第三阶段，智驾芯片颇具挑战。爱芯元智车载事业部副总裁刘继锋，表达了同样的思考，在他看来，真正的端到端，云端用大模型进行训练和验证，训练的结果做推理，落地到车端，芯片公司将肩负重任。

在地平线看来，端到端是手段，而非目的，体验拟人、计算高效和交付敏捷，三者缺一不可。

端到端方面的积累，芯片公司需要从算法迭代、工程基础建设和软硬结合能力三方面发力。其中，软件和算法扮演了核心作用

地平线算法平台总架构师穆黎森认为，端到端的本质能力，在于数据迭代。看上去，这是一种前瞻性的模型结构，但背后的数据迭代更为重要，能支持实验室技术，或是论文层面的算法，最终达到产品级的成熟度。

陈黎明也曾坦言，目前地平线遇到的困难，是很多车型和传感器的架构、传感器的布置和采用等都在不断变化。

虽然收集了很多数据，但这些数据不是高质量积累、且能持续使用的，这不是某家企业能解决的问题。

“特斯拉FSD V12.3版本，用了一千万个样本视频训练自动驾驶，这里的一千万个样本，是从100亿个样本里面提取出来的高质量数据，中国远远不够。而且，100亿的数据基于标准传感器的框架下收集，它有延续性，可以继续用来训练最新模型。”

还需要其它维度的护城河。

和地平线一样，爱芯元智也多次强调只做Tier 2。该公司认为，端到端算法对于智驾芯片的关键需求，主要有两个，高内存、和多核大算力。

而要实现端到端自动驾驶，离不开关键的计算芯片的支持，包括架构的创新、核心IP的突破以及在性能上的飞跃。

地平线穆黎森则告诉《汽车公社》/《C次元》，端到端算力竞争的技术门槛，主要在于能否适应模型结构变迁带来的算力需求，以及算子侧重点的改变。

一方面，模型会变大，算力也会变大；另一方民，模型结构会变迁，以前CNN（卷积神经网络）为主，端到端基本上以Transformer为主。

“Transformer是大类算法，用在大语言模型（如Chat GPT），或是智驾端到端，算子侧重点略有不同。自动驾驶的端到端，除了基础的矩阵运算等，都需要做算子支持，提出更高要求。”

还有华为系的势力。

即使智驾芯片被英伟达占据高地，我国依旧有一个庞大的群体，被华为赋能，如问界、阿维塔、极狐以及智界等品牌。旗下车型的智驾系统，大部分使用了华为MDC810/MDC610计算平台。

伴随着智驾芯片供应商的发力，以及蔚来们自研芯片加速落地，未来几年，从车企阵营到供应商阵营，国内智驾芯片“不受制于英伟达”的愿望，将慢慢部分实现。