（本文作者为 半导体产业纵横，钛媒体经授权发布）
文 | 半导体产业纵横
2026年，造芯成为车企智能化竞争的关键词之一。
从蔚来的神玑、小鹏的图灵，到理想的马赫M100，车企开始推出自研芯片，并将其搭载在量产车型上。部分企业的自研芯片业务也开始向外延伸，目标不再局限于满足自家车型的需求。
近日，理想汽车旗下芯片子公司上海马赫心科技有限公司完成首轮16.25亿元股权融资。除了继续投入芯片和域控制器研发，理想还明确提出推动相关产品向外部客户供应。
从自研自用到尝试对外销售，车企为何开始把目光投向芯片的外部市场？这些自研芯片又能否成为新的汽车半导体供应力量？
车企为什么开始自研芯片？俗话说，隔行如隔山。对于以整车研发和制造为主业的汽车企业来说，芯片设计涉及架构开发、流片和测试验证等多个专业环节，与传统整车研发有着不小的差异，车企为何纷纷跨入芯片设计领域？
首先，在于智能汽车的发展对计算能力提出了更高要求。随着智能驾驶从传统辅助驾驶向高阶智能驾驶发展，车辆需要处理更多摄像头、激光雷达等传感器数据，并运行规模更大的AI模型，对芯片算力、内存带宽和数据处理效率提出了更高要求。与此同时，汽车智能化也在从单一功能向整车系统协同发展，芯片逐渐成为影响智能驾驶性能和整车智能化体验的重要环节。
对于车企来说，直接采购市场上的通用芯片虽然能够满足一定的计算需求，但这类产品需要兼顾不同客户的应用场景，在芯片架构、计算单元配置和数据处理方式上，难以针对某一家车企的算法进行深度优化。尤其是智能驾驶系统，不同企业在算法模型、传感器配置等方面存在差异，对芯片计算资源分配、内存带宽以及数据传输效率也有不同要求。通过自主设计芯片，车企可以从自身算法和实际应用场景出发调整硬件架构，让芯片更好地适配软件系统。
其次，软硬件协同有助于提高系统开发效率。智能驾驶涉及芯片、算法、操作系统和传感器等多个环节，各部分如果分别由不同供应商提供，系统之间往往需要进行大量适配和优化。车企参与芯片设计，可以将硬件架构与自身算法开发结合起来，在芯片设计阶段就考虑模型运行、算子调度和数据传输等需求，减少软硬件之间的适配工作，提高计算资源的利用效率。
此外，成本也是车企考虑自研芯片的重要因素。随着智能驾驶功能向更多车型普及，车载计算平台的成本也随之增加，长期依赖外部供应商采购芯片，会形成持续性的采购支出。蔚来CEO李斌此前曾透露，蔚来在业务高峰期每年采购英伟达Orin X芯片的费用达到3亿美元。对于销量较大的车企来说，如果能够通过自主研发满足自身车型需求，就有机会将前期研发投入分摊到后续较大的装车规模中，降低长期芯片采购成本。
最后，掌握关键芯片的设计能力，也关系到车企对供应链和技术迭代的主动权。汽车产品更新速度加快，智能驾驶算法和整车功能需要持续升级。如果核心计算平台完全依赖外部供应商，芯片产品的迭代周期、供应价格和产能安排都会影响车企自身的研发计划。通过参与芯片设计，车企可以根据整车平台的发展规划安排芯片迭代，并在产品定义、技术路线和供应链管理方面获得更多自主空间。
不过，虽然自研芯片势头愈发猛烈，车企并没有完全放弃芯片领域的外部采购。芯片研发需要承担较高的资金投入和较长的开发周期，设计完成后还涉及流片、验证、软件适配和量产等多个环节。对于车企而言，自研芯片需要结合自身销量规模、技术积累和实际应用需求进行综合考量，因此目前汽车行业仍然存在自研与外部采购并行的情况。
车企自研芯片有哪些不同路线不同车企的技术积累和产品需求各不相同，自研芯片的布局方向也因此呈现出不同特点。
智能驾驶计算芯片，是目前车企自研中比较热门的方向。
理想的马赫M100采用5nm车规级工艺，单芯片算力达到1280 TOPS，采用自主研发的动态数据流架构。该架构强调数据传递与计算任务之间的协同，通过数据就绪触发相应计算，减少集中式调度和数据搬运带来的开销。
从芯片结构来看，马赫M100的NPU包含56个计算单元，CPU部分采用24核Arm Cortex-A78AE架构，并配备8通道LPDDR5X内存子系统，峰值带宽达到273GB/s。理想希望通过这种架构设计，更好地适应车端AI模型的并行计算需求。
蔚来的神玑NX9031采用5nm车规级工艺，拥有超过500亿颗晶体管，采用32核CPU架构，并集成高性能ISP等计算单元，像素处理能力达到6.5G Pixel/s，处理延迟小于5ms。
ISP主要负责处理摄像头采集的图像数据，通过降噪、图像增强等处理，为后续的目标识别和环境感知提供数据基础。蔚来将高性能计算与图像处理能力整合在同一颗芯片中，以满足智能驾驶系统对计算性能和图像处理效率的要求。
小鹏的图灵AI芯片更加注重AI大模型计算能力及多场景应用。该芯片采用40核处理器架构，集成两颗自研NPU，并引入专用领域架构DSA，面向大模型推理进行优化。小鹏将其定位为多端通用AI芯片，应用方向覆盖智能汽车、机器人和飞行汽车等领域。
在汽车内部，图灵芯片可以承担智能驾驶计算任务，部分高配车型还配备独立的图灵AI芯片，用于座舱大模型相关计算。根据小鹏2026款车型配置资料，图灵AI芯片在部分车型上的有效算力为750 TOPS，高配版本可以通过多颗芯片协同进一步提升计算能力。
比亚迪也在智能驾驶计算领域推出了自研产品。今年5月，比亚迪发布4nm车规级智能驾驶芯片璇玑A3，支持L3、L4级自动驾驶，内置三核NPU，并结合自研算法进行计算优化。根据比亚迪公布的数据，三颗芯片协同工作时总算力超过2100 TOPS，单位算力功耗较同级方案降低20%。比亚迪还表示，通过芯片与自研算法的协同，算力利用率可以提升100%，体现出其将自研芯片与自身智能驾驶系统深度结合的思路。
功率半导体也是车企自研布局的重要方向。
比亚迪是国内较早进入车规级功率半导体领域的整车企业之一，从2005年开始布局IGBT研发，逐步建立了覆盖芯片设计、晶圆制造、模块封装和测试的产业链能力。在IGBT领域，比亚迪已经推出多代自主研发产品，其中IGBT 4.0于2018年发布，其采用精细化平面栅设计，在相同工况下综合损耗较市场主流产品降低约20%，同时提高了电流输出能力和器件可靠性。此后，比亚迪又推出IGBT 5.0，采用微沟槽结构和复合场截止技术，进一步降低导通损耗和开关损耗，并改善器件关断特性。
针对插电式混合动力车型，比亚迪还开发了专用的DM4.0 IGBT集成模块。该模块搭载自研高性能IGBT芯片，集成驱动、发电、逆变和升降压等功能，将原本分散的功率控制环节进行整合，应用于DM-i混动系统。比亚迪半导体公布的资料显示，该模块自2021年开始批量装车，已经应用于比亚迪DM-i车型。
在IGBT之外，比亚迪较早开始推进碳化硅（SiC）功率器件的研发与量产。其于2020年推出自主研发的车规级SiC三相全桥功率模块，并应用于比亚迪汉等车型的主驱电机控制器。这类模块主要承担主驱逆变器中的电能转换任务，将动力电池的直流电转化为电机驱动所需的交流电。比亚迪早期推出的1200V、840A三相全桥SiC模块，采用纳米银烧结和AMB陶瓷基板等封装技术，模块输出功率可达200kW。比亚迪方面还表示，其采用的铜夹互连工艺提升了芯片的过电流能力，功率密度较此前方案提高一倍，体积缩小约一半。
2025年，比亚迪又推出全球首款批量装车的1500V高耐压大功率SiC芯片，应用于其超级e平台。该平台采用全域千伏高压架构，电池、电机、电源和空调等系统均向1000V级电压平台升级，对功率器件的耐压能力和电能转换效率提出了更高要求。1500V SiC芯片能够适配这一高压系统，承担高压电能转换和电机驱动中的功率控制任务，为超级e平台实现高功率输出和兆瓦闪充提供功率器件支持。
MCU等汽车控制芯片同样是车企自研的重要切入点。
长城汽车孵化的湖南紫荆半导体有限公司，将车规级MCU作为重要研发方向。其首款产品紫荆M100是长城汽车牵头联合多方研发的RISC-V车规级MCU，采用开源RISC-V内核设计，于2025年12月实现量产上车，主要应用于组合大灯、氛围灯和组合开关等车身控制环节。
东风汽车则将自研重点放在高性能车规级MCU上。其研发总院牵头开发的DF30采用自主开源RISC-V多核架构，基于国产40nm车规工艺，功能安全等级达到ASIL-D。该芯片主要面向发动机控制等汽车关键控制场景，已经在东风奕派007、猛士M817、东风风神皓瀚等车型上开展验证。东风2026年披露，DF30车规MCU和高边驱动芯片已经实现批量装车，进一步拓展了自研芯片在整车控制系统中的应用。
商业化布局不尽相同，外部市场不止其他车企虽然都在造芯，但各家车企自研芯片的商业化布局各不相同，目标客户也逐渐从其他整车企业延伸至机器人、无人物流和边缘AI计算等领域。
蔚来神玑已经开始产生外部业务收入。2026年4月，李斌在接受采访时透露，目前已经有不少汽车行业客户、Robotaxi企业、无人物流企业和具身智能企业在与神玑接触，希望开展合作。10月，李斌进一步表示，神玑预计今年可以产生数亿元外部收入，相关业务已开始产生实际收入。
小鹏图灵芯片则已经获得大众汽车量产定点，开启对外商业化合作。除了其他整车企业，小鹏也在积极拓展具身智能企业和Tier 1等客户。2026年10月，小鹏进一步推出智能汽车解决方案业务XPENG AI ENGINEERING，计划向全球合作伙伴开放整车平台、电子电气架构、智驾技术、AI芯片和相关工具链，通过芯片、软件和整车技术的组合输出拓展外部市场。
理想目前的举措主要集中在马赫心科技的融资及后续商业化布局。相关资金将用于芯片、域控制器研发，并推动产品向外部供应。不过，马赫心科技目前尚未产生经营性收入，相关业务仍处于客户拓展和商业化准备阶段。除了智能计算芯片，理想也在规划碳化硅模块的外部供应业务，芯片业务的拓展范围还包括功率半导体。
从整个功率半导体市场来看，IGBT和SiC拥有较为广泛的汽车以外应用空间。IGBT模块可以用于工业电机驱动、光伏和风电逆变器、电动汽车充电设备等电能转换环节。SiC模块则已经应用于光伏逆变器、快速充电设备、储能系统、工业驱动和数据中心电源等领域。对于具备功率器件研发和生产能力的企业来说，这些行业都存在潜在的外部供应机会。
车企自研芯片对外部客户的吸引力在哪里？首先，部分芯片在特定计算任务上具备性能优势。以蔚来神玑NX9031为例，其高带宽和ISP图像处理能力能够支持世界模型和大参数AI模型运行。对于Robotaxi、无人物流和具身智能企业来说，这类硬件能力可以满足视觉数据处理和AI模型推理等计算需求，为其提供新的芯片选择。
其次，部分车企能够提供芯片之外的软硬件技术方案。对于外部客户来说，采购一颗芯片只是产品开发的一部分，还需要完成底层软件适配、硬件设计和系统集成。具备整车平台研发经验的车企，可以将芯片与相关软件、工具链及系统方案结合起来提供，帮助客户减少部分底层开发工作，加快产品落地。小鹏向合作伙伴开放整车平台、电子电气架构和智驾技术等业务，也体现了这种组合输出的思路。
此外，芯片技术授权和联合开发也为外部企业提供了另一种合作方式。蔚来与爱芯元智合作开发M97，就采用了神玑NX9031的核心模块和架构，由双方共同开发新的芯片产品。对于具备芯片研发能力的企业来说，这种合作可以利用已有的核心设计资源，加快新产品开发，并根据目标市场调整产品规格。
走向外部市场，车企自研芯片还要跨过哪些门槛？对于其他整车企业来说，竞争关系和技术信任可能影响合作意愿。
车企自研芯片通常与自身算法、软件和整车平台深度结合。在芯片适配过程中，双方可能需要交流算法特征、传感器配置、计算资源分配等技术信息。如果芯片研发方同时经营汽车品牌，潜在采购方可能会考虑核心数据和技术信息能否得到有效保护，以及供应商能否保持相对独立的商业立场。
此前，针对理想马赫芯片的外供问题，业内专家就曾提到，部分车企可能顾虑与理想之间的竞争关系。其他企业是否愿意将自身智能化系统建立在竞争对手控股的芯片公司之上，还涉及数据安全、产品路线、供应稳定性和商业信任等因素。这是车企自研芯片向其他整车厂销售时需要面对的特殊问题。
对于机器人、具身智能等非汽车客户来说，技术适配可能成为更直接的考量。
汽车与机器人在传感器配置、算法模型和软件架构上存在差异。车规级芯片即使具备较强的AI计算能力，也需要根据具体应用完成软件适配。以理想马赫M100为例，据报道，已有具身智能企业与理想方面接触，最终是否采用这款芯片，可能取决于算法迁移难度。对于这些客户来说，芯片能否运行自身算法，以及需要投入多少软件适配和系统开发资源，都会影响采购决策。
专业芯片厂商已经占据较大市场份额，并建立了成熟的产品和客户生态。
对于车企自研芯片来说，外部市场还有一批已经深耕多年的专业供应商。它们在芯片架构迭代、软件工具链、量产验证和客户服务等方面积累了较长时间，形成了较高的市场竞争壁垒。
以地平线和英伟达为例，据统计，2026年9月，英伟达和地平线在国内ADAS域控制器芯片装机市场中的份额分别为28.5%和20.3%，位列前两名。两家厂商合计占据近一半的市场份额，已经拥有较大的客户基础和量产规模。
地平线的优势不仅体现在出货量上。2026年9月，其征程系列智驾芯片累计量产出货突破1500万套，与超过40个汽车品牌建立合作，累计获得500款量产车型定点。配套的天工开物工具链覆盖模型量化、编译优化、仿真、部署和调试等开发环节，累计赋能超过200家生态伙伴。经过多代产品迭代和大量车型项目验证，地平线已经形成从芯片硬件到开发工具、参考设计和量产服务的完整体系。
在机器人领域，专业供应商同样已经建立了相应的开发生态。以英伟达为例，其Jetson计算平台配合Isaac机器人开发平台，提供仿真框架、机器人学习工具、CUDA加速库、AI模型和参考工作流，覆盖机器人开发、训练、仿真和部署等环节。对于外部开发者来说，这类成熟平台能够提供相对完整的开发环境，减少从底层搭建计算平台和软件体系的工作。
相比之下，车企自研芯片虽然能够依托自身产品和算法积累形成一定的技术优势，但面向外部客户时，还需要建立跨客户的产品适配能力和开发生态。专业芯片厂商已经积累的市场份额、量产记录和客户合作关系，也会提高新进入者获取订单的难度。
外部客户导入周期长，出货规模还要支撑持续研发。
芯片进入汽车供应链，通常需要经历较长的验证和导入过程。有审核文件表示，汽车芯片与驾驶安全密切相关，下游零部件厂商和整车企业对芯片可靠性要求较高，新产品导入需要投入较多的人力、时间和测试成本。如果替换新芯片带来的综合收益无法覆盖验证投入，客户主动更换原有供应商的意愿就不强。
该文件还提到，汽车客户通常倾向于维持相对精简的供应商体系，同一产品线不会轻易引入多个供应商。对于新导入的芯片，即使通过前期验证，客户也往往先安排少量、非重点车型进行量产，经过实际运行和可靠性表现检验后，再逐步扩大应用范围。这意味着新供应商从获得定点到形成规模化出货，往往需要经历较长的爬坡周期。
对芯片研发企业来说，前期架构设计、流片和验证需要持续投入，后续还要承担新一代产品研发、软件工具更新和客户服务等费用。如果外部客户数量有限，单个项目的出货规模又不大，就很难形成足以支撑持续研发的收入和订单基础。
结语综合来看，车企自研芯片确实可以打开一定的外部业务空间，客户范围也不局限于其他整车企业，Robotaxi、无人物流、机器人、工业和能源等领域都存在潜在应用机会。但从内部配套走向外部供应，需要芯片具备更强的产品通用性、软件适配能力和客户服务能力。
对于大多数已经尝试或准备尝试自研芯片的车企来说，自研芯片短期内仍将以满足自身整车需求为主，外部合作可以增加产品应用场景和收入来源，但很难普遍发展成独立、持续盈利的芯片业务。只有少数拥有较大内部装车规模、持续研发能力，并且能够面向不同客户提供标准化产品和长期技术支持的企业，才更有机会将自研芯片发展为稳定的外部业务。