自今年2月比亚迪在智能化战略发布会上打出“智驾平权”的大旗，这个词一跃成为新能源汽车领域的热词。当智能驾驶向十万元级及以下车型下探，作为智能驾驶“大脑中枢”的智驾芯片将沿着怎样的方向迭代？“大模型上车”“端到端”“驾舱一体”等热门汽车技术究竟进展如何？
“智驾平权”带来了什么
“相比‘智驾平权’，‘驾驶辅助普惠’或者‘驾驶辅助普及’可能是更加符合行业发展实际的稳妥表述。”高通公司产品市场高级总监艾和志在接受《中国电子报》记者采访时如是说道，“让先进驾驶辅助系统（ADAS）技术创新惠及更多用户，是整个行业公认的发展方向。”随着越来越多中低档价位的车型搭载ADAS技术，智能驾驶市场规模将迎来巨大的增长空间。
对于汽车上游供应链而言，这一市场趋势将可能给汽车软硬件生态带来巨大变化。爱芯元智半导体股份有限公司车载总经理李浩认为：“辅助驾驶的广泛普及，是汽车产业价值链的系统性重塑。中国汽车工业的突围很可能因此不再局限于单一技术的突破，而是整个生态体系的组织能力跃迁。本土芯片的竞争力将不再局限于单一技术参数，而是对场景的理解、成本的掌控和生态的共建。这对本土芯片企业是比较大的利好，有利于芯片渗透率的快速提升。”
在Mobileye中国区业务发展与战略负责人陈允香看来，由于各类车企在不同程度地寻求多样化的合作形式，车企与技术供应链之间围绕软件开发、软硬件一体全栈方案的合作将会加深。
具体到“智驾平权”给汽车芯片行业带来的影响，艾和志认为，该趋势主要带来两点变化：一是对“性能—成本平衡”的极致追求。车企在选择ADAS平台时，将更加注重性能和成本的最优平衡，希望芯片在同等成本下提供更高性能；二是对平台可扩展性和算法复用效率的更高要求，为覆盖更多车型和价位段，车企更倾向于选择具备高度可扩展架构的SoC平台。
综合表现比“堆算力”更卷
智驾芯片算力的攀升就像是一场无声的“军备竞赛”。算力提升是各厂商推出的新型汽车芯片产品与前代相比最显著的变化。比如地平线2023年发布的征程5芯片算力为128TOPS，而今年发布的地平线征程6系列高端产品征程6P最高算力提升到了560TOPS。英伟达2018年首次发布的智驾芯片Xavier算力为30TOPS，2022年发布的Orin-X算力提升至254TOPS，宣称今年量产的Thor芯片，更是将算力提升至2000TOPS。
随着大模型上车、端到端智能驾驶技术的日益普及，汽车本地算力需求量呈现增长趋势。不过，多家企业认为，评价汽车智能驾驶芯片的性能不能只看算力，还要综合考虑多种因素。
陈允香认为，不计成本“堆算力”的做法有悖于当前业界致力于推动辅助驾驶功能规模化落地的趋势。在她看来，衡量芯片的能力，不能只看TOPS（处理器运算能力单位，代表每秒可完成一万亿次操作）数字本身，而是要从成本、安全、性能三个维度综合考量。
芯片的处理效率是其技术能力的综合体现。相较于堆砌成本高昂的硬件，更应该充分发挥人工智能的效用，利用先进的算法和软件优化实现软硬件的无缝协调，带动系统效率提升。“未来趋势一定是算力应用精益化。系统效率提升的同时带动成本效益提升，才有助于辅助驾驶功能的商业化落地普及。”陈允香说道。
艾和志表达了类似的观点。在他看来，算力提升在处理感知、多传感器融合、路径规划等算法需求增长的背景下有一定的效果。但当前，ADAS芯片的价值更需要通过平台整体效率、可扩展性、生态适配等方面的综合表现来衡量。其中包括性能与能效的最优平衡，高可扩展性，支持多层级、多场景部署，支持舱驾融合与多功能集成，软硬件结合等支持能力。
芯擎科技创始人、董事兼CEO汪凯在接受《中国电子报》记者采访时表示：“我们要提供一套优化的算子、算法和工具链以支持一段式或者两段式的模型，不能仅仅是‘堆算力’，还要从芯片顶层设计的角度来规划。”
“端到端”有望更智能？
在大模型加速迭代的背景下，诸多车企和供应商都选择了“端到端”的技术路线，华为、小鹏、理想、蔚来、特斯拉等汽车企业均推出了端到端解决方案。今年年初，DeepSeek的火爆再次提升了业内对端侧大模型上车的需求。
“端到端”本不是个新鲜概念。早在1988年面世的自动驾驶试验车就是基于“端到端”架构，在大学校园中实现了最高70km/h的自主行驶。其基本技术逻辑是将智能驾驶拆解为环境感知、规划决策、行车控制等一个个典型任务，再将这些小任务分别交给专门的AI模型或者模块来处理。“端到端”架构是通过一个模型实现以上多种模型的功能，在这样的技术架构下，多模态大模型发展得越充分，“端到端”模型的可靠性就越强。在理想的状态下，“端到端”大模型越成熟，汽车遇到路况自主响应的速度和可靠性就会越高。
李浩表示，端到端大模型已经进入VLA（视觉语言动作模型，视觉输入、语言推理与动作输出端到端融合）时代，与机器人领域的算法框架逐步统一。新的算法框架必将带来NPU设计的新一轮迭代。
黑芝麻智能CMO杨宇欣在接受《中国电子报》记者采访时表示：“生成式AI可以实现需求的自然语言转译，将语言描述的需求转译成开发文档，实现代码自主生成、算法自动纠错和补全，也可以将跨专业领域知识迁移和融合到开发规则中，提升了开发效率、缩短了开发时间。大模型可以实现动态环境理解，通过可解释性的算法架构，使得算法功能更加智能和人性化，提升了舒适性和驾驶体验。”
虽然“端到端”的技术理念在行业内受到广泛认可，但“端到端”智能驾驶模型可解释性差的特点依然使从业者对其可靠性和安全性有所忌惮。
陈允香认为，端到端模型虽然具备统一建模、高度泛化的潜力，但在真实道路场景中，单一端到端路径可能存在不可解释性、安全性和可控性不足等问题。“因此，我们始终倡导以复合人工智能系统（CAIS）为技术路线，将端到端能力作为系统中的一个重要组成子模块，而非唯一主干。”陈允香表示。
驾舱一体不只是为了省钱
今年以来，国产汽车芯片厂商与Tier1级供应商加入驾舱一体平台行列。以高通为代表的海外芯片厂商，以黑芝麻智能、芯擎科技等为代表的国内汽车芯片设计厂商均在驾舱一体技术路线上有所布局。
自动驾驶芯片与智能座舱芯片“二合一”，到底有何吸引力？降低整车成本，是驾舱一体芯片技术路线的直接利好。
汪凯表示，在“舱行泊一体”的座舱芯片推出之前，如果车厂想在汽车上搭载自动驾驶、智能座舱、智能泊车等“综合功能”，需要将负责不同功能的计算平台连接在一起。多个计算平台搭载于一辆汽车，不仅会占用更大的空间，也会带来更高的整车成本，进而抬高车辆价格。而如果三者能实现高度集成，平台整合度能实现有效提升，电子、线束等零部件的成本都可以降下来。
除了降低整车电子系统成本外，提升汽车整车算力阈值是驾舱融合一体技术路线的深层意义。人工智能技术的迭代、汽车智能化趋势将不断拉高车载算力需求。不论是驾驶、泊车还是驻车场景，算力需求提升都是不争的事实。在这样的情况下，舱驾一体的芯片能够更灵活地调配整车的算力资源池，提升单一场景的算力阈值。
联发科技汽车业务工作人员给记者举了个这样的例子：在自动驾驶芯片和智能座舱芯片分立的情况下，汽车行驶状态下只能调用自动驾驶芯片单芯片的算力，假如该芯片的算力为200TOPS，即便行驶过程中智能座舱芯片的算力有空缺，智能驾驶能够调用的算力资源最高也只能达到200TOPS。但如果采用舱驾融合方案，假设该芯片的算力是400TOPS，那么理想状态下，行驶状态下智能驾驶功能可调用的算力资源阈值就被提高到400TOPS，而驻车状态下，用户可调用的用于打游戏等座舱功能的算力也将被提升到400TOPS。车机还将根据场景的不同灵活调配算力池中的资源。
艾和志表示，舱驾一体芯片正从前瞻性方案逐步走向量产落地。自驾舱一体方案发布以来，高通也收获了众多来自市场的新反馈，艾和志将其总结为三个方面：其一，部署效率与成本优化成为主流诉求。客户希望通过一颗芯片整合多个控制域，简化布线、降低BOM（物料清单）成本，并优化整车能耗与热管理。其二，软件架构复用与跨平台迁移能力成为评估重点。舱驾融合平台需要支持算法在不同系统间的无缝复用。其三，功能安全与资源隔离机制越来越受到重视。客户期待芯片平台可同时满足座舱（如ASIL-B）与驾驶辅助（如ASIL-D）功能安全等级要求。