北汽联合紫光同芯研发舱驾一体芯片:1000TOPS,2028年量产
北汽与新紫光布局千TOPS芯片,探索舱驾融合,算力如何转化为量产竞争力?

汽车芯片的算力比拼,眼下正走到一个新的节点。
就在几年前,几十TOPS的算力就足以撑起不少辅助驾驶功能。可城市NOA、端到端模型和座舱AI陆续上车之后,整车对计算能力的需求一路抬升,千TOPS级芯片已经被车企写进了研发规划。
算力纪录被一次次刷新的同时,一个疑问也跟着浮出水面:车到底需要多少算力?
11月12日,北汽集团与新紫光集团对外宣布深化合作,北汽研究总院和紫光同芯将联手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,可面向不同车型需求灵活扩展,首发车型计划在2028年量产。
与其只盯着算力数字往高处走,怎样让计算资源匹配不同车型、把系统成本压下来,并最终跑通规模化交付,恐怕更能说明这次合作的真正分量。

一、算力会怎么分?
汽车芯片眼下夹在一个矛盾里:辅助驾驶和座舱AI都在要更强的算力,车企却得把芯片成本、功耗以及整车电气系统的负担管住。
到了不同价格区间的车型上,这个矛盾表现得更清楚。
旗舰车型要同时跑高阶城市NOA、多模态交互和端侧大模型,主流车型主要提供高速辅助驾驶和基础语音交互,两者对算力的要求本就不一样。所有车型统一上高规格芯片,算力可能闲着;分别为不同车型开发芯片,设计、验证和软件适配的成本又要往上走。
北汽与新紫光拿出的平台化设计,针对的正是这件事。按规划,新一代车规级SoC既有较强的计算能力,也留出了扩展空间,通过灵活配置计算资源,覆盖不同车型在智能驾驶、座舱交互和车端AI应用上的需要。
这样设计的价值在于把底层技术的复用率提上去。车企可以按车型定位挑选对应的计算配置,芯片厂商也能在一个统一的技术平台上做差异化产品,重复的研发和适配工作随之减少。
不过,算力配置不是把性能简单堆上去就行。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,都会左右最终表现。
舱驾融合是另一个值得看的方向。
以往,智能座舱和辅助驾驶大多各用一套独立的芯片与控制器。智能化功能越加越多,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就慢慢暴露出来。
假如环境感知、驾驶决策、语音交互这些任务能跑在同一个平台上,重复的硬件配置就有机会削减,资源利用效率也能提高。
问题是,座舱更看重交互体验,辅助驾驶对实时性、功能安全和稳定性的要求则更严。不同任务共用计算平台之后,资源隔离、任务调度和故障处理都会变成新的技术难题。
所以对高算力芯片来说,峰值TOPS只是性能指标中的一项。有效算力、能效以及软硬件协同能力,同样决定它在整车上能跑出什么水平。
二、车企正往芯片上游走
比起算力指标,北汽在这次合作里扮演的角色同样值得琢磨。
以前,车企多是从供应商的现成产品里挑芯片,再按车型需求做算法移植、功能开发和整车适配。这套做法能借成熟产品缩短开发周期,局限也摆在那里:芯片设计与整车需求之间存在时间差,辅助驾驶算法又迭代得很快,部分硬件设计未必跟得上新的计算任务。
比如城市NOA要持续处理环境感知和驾驶决策任务,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的是另一套要求。
芯片设计初期若没把这些需求算进去,后期就算理论算力不低,也可能出现算法跑不满、资源分配不合理或者功耗偏高的情况。
北汽这次深度参与,一个重要目的就是把整车需求提前带进芯片设计环节。
按双方规划,联合研发会结合北汽现有的整车电子电气架构、智能驾驶开发经验和量产验证体系,一起来敲定芯片的功能需求与性能目标。
落地路径已经明确:城市NOA、自动泊车、座舱多模态交互这些典型场景,是双方协同攻关的重点。围绕计算性能、能效、软件适配和功能安全,研发工作将同步展开。
紫光同芯能提前拿到整车应用场景和验证条件,芯片设计与汽车实际需求之间的脱节问题就有望减少。北汽这边参与底层芯片定义,软件架构、智能驾驶算法和硬件平台之间也能绑得更紧。
汽车产业链正在出现变化。智能化成了产品竞争的关键因素之后,部分车企把触角伸向芯片、操作系统和基础软件,图的是在核心技术路线和产品迭代节奏上多拿到一些主动权。
三、量产才是真正的门槛
汽车芯片从敲定技术架构到真正装车,中间隔着一大段工程化路程。
按照双方规划,联合芯片项目要在2028年实现首发车型量产。眼下联合研发还在推进,离最终上车,还有好几个环节等着走完。
行业通常的研发流程摆在那里:一款全新的车规级SoC,得走完芯片设计、样片验证、软硬件适配、可靠性测试及整车验证这些阶段,才能进入量产导入环节。
头一道坎是性能与可靠性怎么平衡。高算力芯片既要扛住复杂AI任务的计算需求,又得经受温度变化、长期运行以及复杂使用环境的考验。实验室里跑出来的性能指标,并不直接等于整车应用能力。
再就是软件生态。芯片能不能把性能发挥出来,很大程度上要看操作系统、开发工具链、AI算法及主流应用框架适配到什么程度。开发生态不成熟,硬件就算达到设计目标,车企的开发负担也可能跟着加重。
系统级集成是另一个挑战。舱驾融合要在统一计算平台上协调不同任务,实时响应、资源隔离和功能安全的要求都更高。功耗、散热、整车供电及安全冗余,同样得算进成本里。
所以,芯片或控制器数量减少,并不必然带来整车成本下降。系统级优化做到位,跨域融合的经济性才可能显出来,软硬件集成和供应链管理水平也要跟着经受考验。
从双方公布的合作方向看,研发范围不止一颗SoC,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也在其中。
国产汽车芯片要过的关,不只是性能,还有量产订单、软件生态、成本和可靠性这些市场检验。
到2028年,这颗芯片真正进入量产车型时,算力利用率、整车体验及交付能力都将接受外界检验。相比千TOPS的规划数字,这些结果更值得关注。