前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
算力芯片/11.20 · 11:50/5 MIN/编译自 花卷不塞车/1 阅读

北汽联合新紫光研发千TOPS舱驾一体芯片

北汽研究总院与紫光同芯将联合研发舱驾控一体车规级SoC,单颗算力目标1000TOPS,可按车型灵活配置,计划2028年首发量产。真正的考验不在算力数字,而在量产落地。

汽车芯片的算力竞赛,正进入新阶段。

几年前,几十TOPS就足以支撑多数辅助驾驶功能。如今城市NOA、端到端模型和座舱AI密集上车,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,一个问题也随之浮现:汽车到底需要多少算力?

汽车芯片

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。按规划,单颗芯片算力目标为1000TOPS,并支持面向不同车型的灵活扩展,计划2028年实现首发车型量产。

比起单纯堆算力,如何让计算资源适配不同车型、压低系统成本、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。

算力如何分配

汽车芯片正面临一个矛盾:辅助驾驶与座舱AI都需要更强算力,车企又必须严格控制芯片成本、功耗和整车电气负担。

不同价位车型的矛盾尤其明显。一辆要同时跑高阶城市NOA、多模态交互和端侧大模型的旗舰车,与一辆只提供高速辅助驾驶和基础语音交互的主流车,算力需求并不相同。全部套用同一套高规格芯片,算力可能闲置;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围绕这一需求展开。按规划,新一代车规级SoC将具备较强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应用上的需求。

其意义在于提高底层技术复用率:车企可按车型定位选择计算配置,芯片厂商也能在统一技术平台上开发差异化产品,减少重复研发与适配。

但算力配置不是简单的性能叠加。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,随着功能增多,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。若能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、提升资源效率。

不过,座舱更看重交互体验,辅助驾驶则对实时性、功能安全和稳定性要求更严。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。

因此对高算力芯片而言,峰值TOPS只是性能指标之一。有效算力、能效以及软硬件协同能力,同样决定它在整车上的实际表现。

车企向上游走

相比算力指标,北汽在此次合作中扮演的角色同样值得关注。

过去车企多从供应商现有产品中选芯片,再按车型需求做算法移植、功能开发和整车适配。这种模式能借成熟产品缩短开发周期,但存在局限:芯片设计与整车需求之间存在时间差,而辅助驾驶算法又在快速迭代,部分硬件设计未必能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与驾驶决策;自动泊车看重近距离感知与控制响应;座舱多模态模型则对数据带宽和推理效率提出不同要求。若芯片设计初期没有充分考虑这些需求,后期即便理论算力很高,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,重要目的之一就是把整车需求提前引入芯片设计。按双方规划,联合研发将结合北汽现有整车电子电气架构、智能驾驶开发经验和量产验证体系,共同确定芯片的功能需求与性能目标。

具体研发中,双方将围绕城市NOA、自动泊车、座舱多模态交互等典型场景,在计算性能、能效、软件适配及功能安全等方面协同开发。

对紫光同芯而言,提前拿到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;对北汽而言,参与底层芯片定义,可让自身软件架构、智驾算法与硬件平台结合得更紧密。

这也折射出产业链的变化:随着智能化成为产品竞争的关键,一些车企开始向芯片、操作系统和基础软件延伸,希望在核心技术路线与迭代节奏上掌握更多主动权。

量产才是门槛

对汽车芯片来说,从确定技术架构到真正装车,中间还有漫长的工程化过程。

按规划,联合芯片项目将于2028年实现首发车型量产。目前双方正在推进联合研发,距离最终上车还有多个环节。按行业通常流程,一款全新车规级SoC要经过芯片设计、样片验证、软硬件适配、可靠性测试和整车验证,才能进入量产导入。

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、长期运行和复杂使用环境的考验。实验室的性能指标,并不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算法和主流应用框架的适配程度。开发生态不成熟,即便硬件达到设计目标,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平台上协调不同任务,对实时响应、资源隔离和功能安全要求更高;功耗、散热、整车供电和安全冗余,也都要计入成本。

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会显现,这也进一步考验软硬件集成与供应链管理能力。

从公布的合作方向看,研发范围并不局限于一颗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。

对国产汽车芯片而言,除了性能,还要接受量产订单、软件生态、成本和可靠性的市场检验。到2028年这颗芯片真正进入量产车型时,外界才有机会检验它的算力利用率、整车体验和交付能力。相比千TOPS的规划数字,这些结果更值得关注。

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

台积电称正评估美国AI芯片出口新规
TOP1

台积电称正评估美国AI芯片出口新规

Meta 发布 Muse Spark:迈向个人超级智能
TOP2

Meta 发布 Muse Spark:迈向个人超级智能

3

谷歌发布 Gemini Decision 1,正面挑战 Jev

22小时前
谷歌发布 Gemini Decision 1,正面挑战 Jev
4

谷歌发布Gemini 4 Neon,每百万输入3美元

22小时前
谷歌发布Gemini 4 Neon,每百万输入3美元
5

谷歌建“镜像维度”假网络测试AI智能体

3小时前
谷歌建“镜像维度”假网络测试AI智能体
6

Meta 便携 AI 设备 Muse Charm 或定价 300 美元

3小时前
Meta 便携 AI 设备 Muse Charm 或定价 300 美元
7

拆解腾讯开源 LoopForge:跨过单机编码 Agent五道坎的 Harness

6小时前
拆解腾讯开源 LoopForge:跨过单机编码 Agent五道坎的 Harness
8

Anthropic 启动 IPO,每股定价 83 美元

7小时前
Anthropic 启动 IPO,每股定价 83 美元
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断