当英伟达GTC大会的镁光灯聚焦于Blackwell Ultra GB300芯片时，一场关于智能汽车未来话语权的暗战正悄然升级。这款被寄予厚望的芯片，其288GB HBM3e内存与15 Peta FLOPS的FP4算力刷新了车规级芯片性能纪录，不仅承载着L4级智驾的算力梦想，更成为科技巨头与车企博弈的关键筹码。
这场算力革命恰逢中国车企掀起“智驾平权”浪潮。零跑B10以12.98万元搭载高通8295芯片，华为与广汽合作的激光雷达方案下探至14万元级，奇瑞宣布2025年全系标配高阶智驾——产业链的价值分配逻辑正被重新书写。在这场博弈中，芯片技术的演进成为关键变量，既推动智驾系统向L4级跨越，也迫使车企与科技巨头在成本、自主权、生态闭环之间寻找新平衡。
▍新芯片定义车规级AI“算力天花板”
英伟达在GTC 2025上宣布Blackwell Ultra GB300芯片全面量产，其AI性能较前代Hopper架构提升40倍，并首次将全水冷散热系统引入车规级服务器设计，显著提升了高负载下的稳定性。这一突破不仅解决了传统风冷系统在功耗激增下的散热瓶颈，更通过插槽式GPU设计（用户可像更换CPU一样自由拆卸）降低了硬件迭代成本，为车企提供了灵活的技术升级路径。
更关键的是，英伟达通过软件生态的深度整合强化了其在智驾产业链中的话语权。开源软件平台“Dynamo”的发布，被黄仁勋称为“AI工厂的操作系统”，可优化从训练到推理的全流程效率，甚至支持车企在统一架构下开发定制化算法。这种“硬件+软件+服务”的全栈能力，使得英伟达能够深度绑定车企的智驾系统开发，例如与通用汽车合作打造自动驾驶车队，以及与万马科技在仿真计算和边缘计算领域的联合研发。
英伟达的生态布局更凸显其野心，通过NVIDIA Photonics平台整合硅光通信技术，Blackwell Ultra实现了500纳秒级的多GPU互联延迟，这使得分布式车载计算架构成为可能。理想汽车最新发布的MindVLA架构正是基于该特性，将智驾系统的环境建模、轨迹规划、风险预测等模块分散到不同计算单元，既保障了功能安全冗余，又突破了传统集中式架构的算力瓶颈。
这种"硬件开放+软件定义"的模式，也在改写车用芯片市场的游戏规则。数据显示，2024年上半年，英伟达的Drive Orin-X以近73万颗的装机量占据了35.9%的市场份额。其财务表现也印证了这一统治力：在截至1月26日的第四财季，公司实现营收393亿美元，同比增长78%，毛利率高达70%以上，这也引发车企对产业链话语权的担忧。
部分厂商开始尝试自研芯片或采用多元供应商策略，以规避对单一巨头的依赖。多家车企均通过测试车积累的真实路况数据，训练端到端智驾模型，试图在算法层面减少对硬件的绝对需求。这场博弈的本质，是车企在技术自主权与开发效率之间的取舍。
▍供应链整合与成本平权“两条腿走路”
面对英伟达的“技术壁垒”，车企们正通过供应链整合与成本控制来进行整体链条的重构。比亚迪、零跑等企业的实践表明，垂直整合与规模化生产是打破垄断的关键。
比亚迪依托“天神之眼”系列智驾系统，通过自研芯片与算法将高速NOA功能硬件成本压至5000元以下。其秘诀在于深度整合摄像头、毫米波雷达与超声波雷达，利用日均7200万公里的路测数据优化算法，减少对激光雷达等高成本传感器的依赖。这种数据反哺硬件的模式使比亚迪在10万-20万元价格带快速普及智驾功能，2025年目标渗透率突破60%。
小鹏与英伟达合作开发DRIVE Thor平台时，要求其开放底层算法接口以便自主优化智驾功能。零跑B10搭载高通8295芯片，利用其舱驾一体架构实现“一芯多用”，降低硬件冗余。这种模式下，车企通过规模化采购与定制化需求倒逼芯片厂商降低价格，同时掌握软件定义汽车的主导权。
随着DeepSeek等AI技术的突破，城市NOA硬件成本有望下探至5000元级（目前为9000元左右）。车企通过优化决策模型推理能耗（降低80%）减少对高算力芯片的依赖，推动“舱驾一体”架构普及。这种技术趋势下，激光雷达、高精度地图等“豪华配置”正逐渐被轻量化方案取代，智驾功能逐步变为标配。
在英伟达与高通主导的市场中，地平线、黑芝麻等国产厂商也正在试图撕开一道缺口。地平线征程5芯片算力96TOPS，黑芝麻A1000pro突破106TOPS，虽与英伟达仍有差距，但在特定场景下已实现商业化落地。国产芯片厂商避开通用GPU的正面竞争，聚焦特定场景优化：地平线通过“算法+芯片”协同设计在视觉感知领域实现低功耗高算力；黑芝麻则通过异构架构将AI算力与车规级安全标准结合。这些技术路径虽无法覆盖全场景，但在泊车、高速领航等细分领域已具备替代能力。
但技术壁垒依然存在，英伟达的CUDA生态和万亿参数模型训练能力短期内难以被超越，而国产芯片在车规级认证、工具链完善度、开发者社区规模等方面仍处劣势。部分车企选择“两条腿走路”：在高端车型采用英伟达芯片确保性能，在中低端车型引入国产方案控制成本。
智能汽车的芯片战争的背后是算力主导权与产业链价值的再分配。英伟达以技术壁垒构筑算力“霸权”，车企通过整合供应链与成本控制争夺主动权，国产厂商则在夹缝中寻找差异化机会。随着L4级智驾的临近，这场博弈将更加激烈，最终的胜者将是那些既能掌控核心技术，又能深度理解用户需求的“链主”企业。
编辑丨杨 果
排版丨杨 朔
图片来源：摄图网、英伟达、地平线
原文标题 : 芯片“战争”白热化，算力竞赛下谁能主宰智能汽车的未来？
当英伟达GTC大会的镁光灯聚焦于Blackwell Ultra GB300芯片时，一场关于智能汽车未来话语权的暗战正悄然升级。这款被寄予厚望的芯片，其288GB HBM3e内存与15 Peta FLOPS的FP4算力刷新了车规级芯片性能纪录，不仅承载着L4级智驾的算力梦想，更成为科技巨头与车企博弈的关键筹码。
这场算力革命恰逢中国车企掀起“智驾平权”浪潮。零跑B10以12.98万元搭载高通8295芯片，华为与广汽合作的激光雷达方案下探至14万元级，奇瑞宣布2025年全系标配高阶智驾——产业链的价值分配逻辑正被重新书写。在这场博弈中，芯片技术的演进成为关键变量，既推动智驾系统向L4级跨越，也迫使车企与科技巨头在成本、自主权、生态闭环之间寻找新平衡。
▍新芯片定义车规级AI“算力天花板”
英伟达在GTC 2025上宣布Blackwell Ultra GB300芯片全面量产，其AI性能较前代Hopper架构提升40倍，并首次将全水冷散热系统引入车规级服务器设计，显著提升了高负载下的稳定性。这一突破不仅解决了传统风冷系统在功耗激增下的散热瓶颈，更通过插槽式GPU设计（用户可像更换CPU一样自由拆卸）降低了硬件迭代成本，为车企提供了灵活的技术升级路径。
更关键的是，英伟达通过软件生态的深度整合强化了其在智驾产业链中的话语权。开源软件平台“Dynamo”的发布，被黄仁勋称为“AI工厂的操作系统”，可优化从训练到推理的全流程效率，甚至支持车企在统一架构下开发定制化算法。这种“硬件+软件+服务”的全栈能力，使得英伟达能够深度绑定车企的智驾系统开发，例如与通用汽车合作打造自动驾驶车队，以及与万马科技在仿真计算和边缘计算领域的联合研发。
英伟达的生态布局更凸显其野心，通过NVIDIA Photonics平台整合硅光通信技术，Blackwell Ultra实现了500纳秒级的多GPU互联延迟，这使得分布式车载计算架构成为可能。理想汽车最新发布的MindVLA架构正是基于该特性，将智驾系统的环境建模、轨迹规划、风险预测等模块分散到不同计算单元，既保障了功能安全冗余，又突破了传统集中式架构的算力瓶颈。
这种"硬件开放+软件定义"的模式，也在改写车用芯片市场的游戏规则。数据显示，2024年上半年，英伟达的Drive Orin-X以近73万颗的装机量占据了35.9%的市场份额。其财务表现也印证了这一统治力：在截至1月26日的第四财季，公司实现营收393亿美元，同比增长78%，毛利率高达70%以上，这也引发车企对产业链话语权的担忧。
部分厂商开始尝试自研芯片或采用多元供应商策略，以规避对单一巨头的依赖。多家车企均通过测试车积累的真实路况数据，训练端到端智驾模型，试图在算法层面减少对硬件的绝对需求。这场博弈的本质，是车企在技术自主权与开发效率之间的取舍。
▍供应链整合与成本平权“两条腿走路”
面对英伟达的“技术壁垒”，车企们正通过供应链整合与成本控制来进行整体链条的重构。比亚迪、零跑等企业的实践表明，垂直整合与规模化生产是打破垄断的关键。
比亚迪依托“天神之眼”系列智驾系统，通过自研芯片与算法将高速NOA功能硬件成本压至5000元以下。其秘诀在于深度整合摄像头、毫米波雷达与超声波雷达，利用日均7200万公里的路测数据优化算法，减少对激光雷达等高成本传感器的依赖。这种数据反哺硬件的模式使比亚迪在10万-20万元价格带快速普及智驾功能，2025年目标渗透率突破60%。
小鹏与英伟达合作开发DRIVE Thor平台时，要求其开放底层算法接口以便自主优化智驾功能。零跑B10搭载高通8295芯片，利用其舱驾一体架构实现“一芯多用”，降低硬件冗余。这种模式下，车企通过规模化采购与定制化需求倒逼芯片厂商降低价格，同时掌握软件定义汽车的主导权。
随着DeepSeek等AI技术的突破，城市NOA硬件成本有望下探至5000元级（目前为9000元左右）。车企通过优化决策模型推理能耗（降低80%）减少对高算力芯片的依赖，推动“舱驾一体”架构普及。这种技术趋势下，激光雷达、高精度地图等“豪华配置”正逐渐被轻量化方案取代，智驾功能逐步变为标配。
在英伟达与高通主导的市场中，地平线、黑芝麻等国产厂商也正在试图撕开一道缺口。地平线征程5芯片算力96TOPS，黑芝麻A1000pro突破106TOPS，虽与英伟达仍有差距，但在特定场景下已实现商业化落地。国产芯片厂商避开通用GPU的正面竞争，聚焦特定场景优化：地平线通过“算法+芯片”协同设计在视觉感知领域实现低功耗高算力；黑芝麻则通过异构架构将AI算力与车规级安全标准结合。这些技术路径虽无法覆盖全场景，但在泊车、高速领航等细分领域已具备替代能力。
但技术壁垒依然存在，英伟达的CUDA生态和万亿参数模型训练能力短期内难以被超越，而国产芯片在车规级认证、工具链完善度、开发者社区规模等方面仍处劣势。部分车企选择“两条腿走路”：在高端车型采用英伟达芯片确保性能，在中低端车型引入国产方案控制成本。
智能汽车的芯片战争的背后是算力主导权与产业链价值的再分配。英伟达以技术壁垒构筑算力“霸权”，车企通过整合供应链与成本控制争夺主动权，国产厂商则在夹缝中寻找差异化机会。随着L4级智驾的临近，这场博弈将更加激烈，最终的胜者将是那些既能掌控核心技术，又能深度理解用户需求的“链主”企业。
编辑丨杨 果
排版丨杨 朔
图片来源：摄图网、英伟达、地平线
原文标题 : 芯片“战争”白热化，算力竞赛下谁能主宰智能汽车的未来？
