车企自研芯片开始算成本：一颗 5nm 芯片先花 5 亿美元，再等 50 万台车来摊平

结论先行：2026 年，头部车企的自研芯片集体进入量产年——蔚来神玑 NX9031、小鹏图灵、理想马赫 M100、比亚迪璇玑 A3、小米玄戒 D100 陆续上车。驱动这一切的不是技术浪漫，而是一道很硬的算术题：一颗先进制程智驾 SoC 的设计成本已超过 5 亿美元，单次流片费用 1500 万—5000 万美元，研发周期 3—5 年，车规认证再要 2—3 年。只有把这几亿美元摊到几十万甚至上百万台车上，自研才成立。所以自研芯片的门槛从来不是「能不能设计」，而是「一年卖多少台」。

一、省下的钱从哪里来

自研的收益可以拆成三层，越往下越难量化：

参考公开的口径：小鹏自研图灵芯片单颗成本约 2500—3000 元，对比此前双颗英伟达 Orin-X 方案约 4000—5000 元，单车降本 1000—2000 元、算力反而更高；蔚来方面的说法是，高峰期一年采购英伟达芯片约 3 亿美元、对应单车芯片成本约 1.1 万元，自研神玑上车后单车成本降低约 1 万元。地平线给出的舱驾融合数据是，把两套内存合为一套，单车成本减少 1500—4000 元。

把这几组数字放在一起看，结论很清楚：自研的降本幅度是千元级，而不是万元级。它能改善毛利，但不足以改变一家车企的盈亏结构。

二、一道简单的摊薄算术

假设设计成本 5 亿美元（约合人民币 36 亿元），单片制造成本随规模下降，粗略地看摊薄压力：

这就是为什么年销 460 万辆级的比亚迪敢下场造芯，而中小车企只能「自研 + 合作」。同样是自研，前者是在为未来五年的平台化铺路，后者是在为单款车型做定制，商业模式完全不同。

自研芯片的胜负手不在流片成功那天，而在三年后这款芯片还在几款车上跑——芯片的摊销靠的是车型生命周期，不是发布会。

三、窗口期与风险

自研芯片要闯过四道关，每一道都可能让前面的投入归零：

1. 制程与代工。7nm 以下先进车规制程仍依赖境外代工，EDA 工具与 IP 核同样受制于人。

2. 车规认证。ASIL-D 级别的功能安全认证周期 2—3 年，且需要独立安全岛等硬件设计支撑。

3. 软件生态。芯片只是硬件，编译器、算子库、工具链的成熟度决定算法团队能否把算力用出来。标称算力与实际可用算力之间的差距，往往是数倍。

4. 代际迭代。智驾算法 18 个月换一代，芯片却要 3—5 年，一旦算力架构与主流模型范式错配，整颗芯片的价值会迅速贬值。

四、第三方供应商并没有出局

一个容易被误读的判断是「车企自研 = 芯片厂出局」。事实相反：英伟达的汽车业务收入在其总营收中占比仅约 1%，它的壁垒是云到车的整套 AI 计算体系，2026 年仍有多家中国车企采用其平台开发 L4-ready 车型。真正的变化是分层：

对零部件与半导体供应链而言，这一轮自研潮的真正含义是：芯片的价值正在从「单颗器件」转向「域控制器 + 软件栈」。能提供舱驾融合方案、能把工具链做扎实的供应商，会比单纯卖算力的厂商更难被替换——因为车企自研的永远是「最靠近自己算法的那一颗」，而支撑它的那圈外围，仍然需要有人做。

×

微信分享

微信扫一扫，或复制链接发送给朋友

复制链接