车百专著 | 车载计算平台全景解析：智驾/座舱双芯片算力迭代、市场格局与国产替代机遇

汽车产业竞争重心正由“三电系统”主导的电动化，转向以智能座舱、智能驾驶、智能网联为核心的智能化。传统汽车零部件供应体系被重构，智能化增量零部件成为汽车产业链价值增长的核心载体。“增量零部件”指在智能化、网联化进程中新增或显著升级的硬件与软件模块，其单车价值量高、技术壁垒强、成长空间大，包括大算力芯片、传感器、AI大模型、智能座舱硬件、线控底盘等。

本章内容包括以下9个小节，车百智库将陆续推出。

1、感知零部件

2、计算平台

3、操作系统

4、线控底盘

5、辅助驾驶/自动驾驶解决方案

6、语音交互

7、车载应用软件

8、智能电池

9、智能车灯

随着汽车的全面智能化趋势加速推进，端到端模型、视觉语言模型等新技术逐步落地，叠加智能驾驶加速普及，推动智能驾驶芯片算力需求从L2级（约100TOPS）到L2++（200TOPS以上）持续攀升。同时，大模型与传统深度学习算法（如图像/语音识别）的融合，实现了更拟人化、主动化的交互体验；未来更可能在车端直接部署大模型，使得座舱芯片的算力需求大幅提升，从基础的中央处理器（Central Processing Unit，CPU）+图形处理器（Graphics Processing Unit，GPU）配置向CPU+GPU+神经网络处理单元（Neural Processing Unit，NPU）的算力层级发展。此外，各类专用“小芯片”在功能整合、热管理等方面也加速集成，以适应更复杂的主动服务需求。

高阶智能驾驶迈过“尝鲜期”，进入大众普及阶段，对智能驾驶计算芯片的算力需求大幅增长。2024年，搭载L2级组合驾驶辅助功能的新车渗透率为57.3%，2025年将超过65%。同时，NOA功能加速普及，高速NOA渗透率在2025年12月达到了40.1%，城市NOA渗透率也达到了22.8%，远超2024年的约10%。随着传感器识别精度要求提高，以及端到端模型、视觉语言模型、视觉语言动作模型、世界模型等先进算法的应用，芯片算力呈现阶梯状提升。在算力方面，基础版L2级辅助驾驶的算力需求在40TOPS以内，L2+的算力需求增至约100TOPS，L2++的算力需求则提升至200TOPS以上。此外，由于智能驾驶模型参数量大（达110亿级别）、多模态感知系统吞吐量高、智能驾驶决策延迟要求极低（需在100ms以内），为更充分发挥算力，L2+芯片的内存带宽需求通常为50～100GB/s，而L2++芯片所需的内存带宽则增至200GB/s以上。

跨国企业的芯片凭借高算力与通用性，仍占据我国高阶智能驾驶芯片市场的绝对份额。英伟达依托CUDA架构在AI领域的生态优势，其Orin X芯片在2022—2024年第三方市场的占有率超过85%。除了华为MDC，该产品几乎垄断了L2++高端智能驾驶方案的选择；其下一代芯片Thor也获得了比亚迪、极氪、小米等车企的定点。然而，英伟达芯片价格高昂：Orin X售价接近400美元，而算力达700TOPS级别的Thor X价格高达600～800美元，在“智能驾驶平权”趋势下难以实现车企的降本目标。此外，英伟达缺乏完整的智能驾驶算法解决方案，下游企业需基于芯片架构进行二次开发，这延长了开发适配周期。同时，受地缘政治影响，其产品存在被禁止向中国出口的风险。为此，英伟达推出了面向中国市场的产品Orin N和Orin Y：前者算力为84 TOPS，价格降至200～300美元，主要应用于L2+场景，已在小米SU7上应用；后者算力约200TOPS，价格降至300美元左右，主要应用于L2++场景。另一方面，高通凭借与中国IT企业深入的合作关系，以及其手机芯片的高性价比，推出了8620、8650、8775等一系列方案，已与国内车企及Tier 1供应商展开合作。

我国智能驾驶芯片凭借软硬件实力，正加速实现进口替代。国产芯片凭借定位准确、方案完善、价格竞争力强等优势，在市场竞争中取得领先地位。2024年，在国内自主品牌乘用车智能驾驶解决方案市场中，地平线与华为分别位居行业第一和第四位，合计市场占有率接近50%（见图3-9）。硬件方面，在L2+高阶场景应用中，地平线J6E/J6M系列、黑芝麻智能A1000、华为MDC510等算力约100 TOPS的方案，已获得比亚迪、吉利、长安等多家厂商定点。在L2++及以上场景中，地平线J6P、华为MDC610/810的算力也超过500 TOPS。软件方面，国内芯片供应商通过提供较完整的智能驾驶解决方案，有效降低了下游用户的开发成本，从而在市场竞争中取得优势。例如，华为通过HI模式与鸿蒙智行模式，为整车企业提供包含芯片在内的软硬件完整解决方案；地平线则提供L2+基础算法，以及动静态目标检测、双目视觉、道路拓扑和预测等典型场景算法，同时还提供L2++端到端VLA（视觉语言行为）大模型，赋予车辆高度拟人的驾驶能力。

新势力整车企业开展智能驾驶芯片自研。Orin X硬件毛利率超过70%，溢价严重；Thor芯片面临出口管制压力，部分整车企业通过自研芯片以降低采购成本，并借助软硬协同提升自有智能驾驶算法的使用效率。技术方面，智能驾驶基础算法向Transformer架构演进，底层算子标准化显著降低了芯片设计门槛。例如，Orin X已服役5年，车企自研可摊薄研发成本。叠加国内芯片设计、制造水平的提升，为车企自研提供了可行性。具备算法能力和出货量的车企及智能驾驶Tier 1供应商正采用自研芯片替代英伟达产品，如理想、小鹏、蔚来等整车企业与芯片设计服务公司合作开发智能驾驶芯片，其算力均为英伟达Orin X的两倍以上。

高阶智能驾驶加速渗透，智能驾驶芯片结构性提升带动市场规模快速增长。在智能驾驶平权的驱动下，我国智能驾驶芯片主流产品正从支持L2及以下级别的40TOPS中小算力芯片，向支持L2+/L2++级别的80—200TOPS中高算力域控平台演进。按渗透率计算，L2+及以上级别芯片的年需求总量，已从2023年的约150万颗增长至2025年的近1000万颗。高阶智能驾驶芯片将带来总价值量的提升，中信证券预测，到2028年，市场规模有望突破530亿元。

智能座舱体验向AI化发展，驱动座舱计算芯片算力升级。随着端云协同与“大小”模型协同部署成为主流方案，座舱系统既要实现大模型的精准意图理解，又需兼顾隐私保护与成本控制，这对座舱芯片的算力提出了新需求。在中低端市场，座舱计算芯片通过“功能集成+专用NPU”架构降低综合成本、提升AI性能。除了支撑一芯多屏显示、高清音频处理等基础功能以外，集成的NPU单元可满足传统AI任务中的图像识别、语音交互等需求，例如杰发科技AC8025、瑞芯微RK3588分别搭载了算力为1.2TOPS和6TOPS的NPU单元。中高端座舱芯片在提升CPU、GPU算力以提供更流畅交互体验的同时，还大幅提升AI算力，为大模型端侧部署做准备。例如，高通芯片从SA8155P到SA8295P，其AI算力从8TOPS升级至30TOPS，可支持70亿参数及以上大模型的运行。

智能座舱芯片市场规模相对稳定，AI化成为企业提升价值量的基础。我国智能座舱已基本成为新车标配，2024年我国乘用车座舱中控屏渗透率已达95%，对应座舱芯片需求约2200万颗，销量增长空间有限。在智能座舱基础功能标配化背景下，AI正成为差异化竞争的关键。车企正着力构建多模态交互（语音/视觉/触觉）、场景化语义理解、个性化服务推荐等智能体验，驱动座舱芯片的AI化发展。芯片企业正以此为切入点，例如最新的高通SA8295P、联发科CTX1、英特尔ARC A760A分别提供30TOPS、超过30TOPS、229TOPS的算力，可支持70亿参数及以上的大模型在车端运行。我国芯片企业也通过内置1～10TOPS算力的NPU模块（如杰发科技AC8025中的1.2TOPS NPU），提升车载交互的综合体验，可扩展融合语音识别、面部识别、DMS、OMS、姿态和手势识别等应用。