本報記者龔夢澤

　　當前，高階智駕被“AI算力”和“生態構建”兩股激流推波而行，一方面DeepSeek的案例揭示了在算力之外，算法模型、芯片性能以及性價比的重要性。另一方面，越來越多的智駕芯片汽車在嘗試跳出單純賣硬件的生意模式，探索爆款產品和軟硬一體的生態模式。

　　《證券日報》記者注意到，英偉達、北京地平線機器人技術研發有限公司（以下簡稱“地平線”）、黑芝麻智能科技有限公司（以下簡稱“黑芝麻”）、華爲技術有限公司（以下簡稱“華爲”）、愛芯元智半導體股份有限公司（以下簡稱“愛芯元智”）等芯片企業已經意識到了這點，從它們最新動作中可以看出，算力只是關乎產品性能和模型訓練的有利條件，已不再是充分必要條件。

　　“現在的芯片企業都在朝着軟硬一體的大方向強化競爭壁壘，其中，性價比是重點，擴大生態圈是核心。”中國半導體投資及知識產權聯盟理事宋東明表示，從2025年開始，高階智駕能力逐漸成爲標配，多傳感兼容、支持多種模型算法開發以及更具性價比和成本控制的方案，才能滿足市場和客戶的增長需求，推動自動駕駛技術的普及和經濟效益提升。

　　“端到端+VLA”激發算力需求

　　2022年，英偉達發佈了一顆算力猛獸——Drive Thor，AI算力最高可達2000TOPS，是上一代OrinX（256TOPS）的8倍。但本應在2024年中量產的Thor由於多種原因陷入難產。最新消息是，Thor的算力被修改爲1000TOPS，2025年先提供730TOPS的低算力版本。

　　另一方面，隨着智駕底層邏輯從規則驅動向數據大模型驅動轉變，VLA（視覺語言動作模型）被更多的智駕軟件和汽車企業所青睞，並視之爲開啓端到端2.0時代的鑰匙。但VLA需要處理大量視覺、語言等多模態數據，對於算力的需求更爲苛刻。以理想汽車爲例，其“端到端+VLM”雙系統模型，需要消耗兩顆Orin-X芯片，即508TOPS算力。

　　當下，制約智駕普及的一大因素就是軟硬件成本。據悉，英偉達Orin-X芯片的單顆售價接近500美元，更不用說Thor以及軟件的研發成本。針對高階智駕，除了汽車本身的定價，大多數車企要麼推出限時免費政策，要麼直接採取買斷的方案。

　　據瞭解，目前的高階智駕方案大體可分爲三段。首先，用於高端豪華車型的最佳方案，會配置多顆激光雷達與英偉達雙Orin-X芯片，成本最高，算力最強。次之，一般採用會搭載單顆激光雷達和單枚英偉達Orin-X芯片，主打性價比，支持無圖城市領航等功能。

　　在最平價方案中，車企普遍會捨棄成本較高的激光雷達，選擇純視覺路線，配置來自地平線J6M或英偉達OrinN芯片，可實現高速和城市快速道路的領航，以及代客泊車等高階智駕功能。

　　“VLA打開了市場對於芯片超高性能的需求缺口和市場預期。”中國自動駕駛產業創新聯盟調研員高超認爲，如果要部署“端到端+VLA”模型，Orin-X的算力難以支撐，Thor將成爲必選項。

　　國產智駕芯片羣雄並起

　　根據《高工智能汽車研究院》數據顯示，2024年前10個月，中國市場（不含進出口）乘用車前裝標配L2及以上智能駕駛功能搭載率提升至54.66%。在其中，20萬元至30萬元價位區間乘用車前裝標配NOA佔到整體市場搭載量的41.25%，而9月份該價格區間搭載NOA的交付量已經反超30萬元以上價位車型。

　　當高階智駕“下沉”之戰打響，降本增效已經成爲各大主機廠普及高階智駕的重要路徑。在高算力+低成本的雙重壓力下，國產智駕芯片正以蓬勃之勢對Thor的“算力壟斷”發起衝鋒。

　　《證券日報》記者注意到，黑芝麻最新發布的華山A2000Pro儘管未直接標明算力數據，但從“4倍行業旗艦芯片”的性能註解，可以預估至少有幾百TOPS，如果行業旗艦芯片指的是Orin-X，那麼該芯片算力將達到1000TOPS。

　　此外，地平線最新推出的征程6系列，覆蓋低中高階智駕，其中旗艦款產品征程6P的AI算力達到了560TOPS，幾乎是征程5（128TOPS）的5倍，Orin-x的兩倍。

　　而作爲稠密算力的代表，華爲升騰610發佈於2020年，算力爲200TOPS。所謂稠密算力，是指網絡中的每個神經元都與前一層的每個神經元相連，沒有零權重。“稠密算力數值標註上沒有稀疏算力高，但在處理智駕這類複雜計算任務時，效率更高，性能表現更好。”高超告訴記者，目前包括英偉達，大多數芯片的高TOPS背後，其實指代的都是稀疏算力。

　　作爲一家主營智駕主控芯片企業，愛芯元智M76 HNPU算力60TOPS，集成8核高性能CPU，主打應用形態爲行泊一體域控制器，原生支持BEV+Transformer架構，能助力車企實現NOA以及APA（自動泊車）功能，最高可實現ICA（城區的記憶領航）。

　　“身處AI和大模型急劇變化的時代，一項技術創新或一條遊戲規則或許就能快速改寫整個行業前進路線，芯片企業都在尋求卡位和孕育新的爆款產品。”宋東明對記者表示，總的來說，下一代自動駕駛計算芯片不僅需要滿足高算力、高帶寬、平臺化設計的需求，還需要配合友好通用的工具鏈以及全棧化解決方案，以滿足自動駕駛技術的快速落地和持續迭代。

（文章來源：證券日報）