總成本將成為智駕芯片產業競爭的核心焦點

市場機遇與競爭新階段

2025年，中國汽車產銷量連續第三年突破3000萬輛，分別達到3453萬輛和3440萬輛，同比增長10.4%和9.4%。與此同時，L2級智駕滲透率已攀升至64%并持續增長。不斷擴大的市場容量和高階智駕功能的快速普及，為智駕芯片廠商帶來了巨大的發展空間。

面對這一戰略機遇，國際巨頭與國內廠商各顯其能。國際廠商推動“算力競賽”，國內企業雖實現單芯片算力大幅提升并獲得多個主機廠定點，卻普遍陷入“增量、增收、增虧”的困境。2026年，競爭已進入新階段，通過技術創新與經營變革實現總成本最低，將成為決勝關鍵。

何謂智駕芯片“總成本”？

智駕芯片的總成本，是指一款芯片從構想到產生使用價值的全流程成本之和，主要包括四類：研發成本、制造成本、交易成本和機會成本。芯片架構不僅決定了總成本的構成，也決定了產品的生命周期和總銷量。在技術快速迭代、價格下降速度超過摩爾定律的市場中，忽視總成本的企業終將面臨現金流和競爭的雙重挑戰。

總成本類別一：研發成本

研發成本是總成本中最重要的部分之一，涵蓋硬件/軟件研發、EDA工具、IP授權、流片及封裝測試等費用。對于算力高達數百甚至上千TOPS的智駕芯片，任何環節如果能縮短開發周期或減少一次流片，都可能帶來千萬元級的成本節約。

采用已驗證的IP是降本增效的最優解。 直接集成成熟IP可大幅縮短開發與驗證周期，加快上市速度。例如，德州儀器（TI）和瑞薩（Renesas）等汽車芯片龍頭，均在多款芯片中采用了Imagination的GPU IP，原因正在于此。

此外，研發成本的攤銷與芯片架構密切相關。如果一款智駕芯片采用靈活性不足的NPU架構，因算法適配問題可能只有兩三年生命周期，那么每顆芯片攤銷的研發成本可能高達數百元，直接吃掉大部分毛利。

總成本類別二：制造成本

智駕芯片需要滿足汽車可靠性與功能安全（如ISO 26262）要求，這會導致芯片面積快速擴大，進而帶來晶圓成本超線性增加、良率下降等問題。因此，任何能減少芯片面積的技術創新，都具有巨大的經濟價值。

作為在汽車GPU領域領先多年且持續創新的半導體IP公司，Imagination在這方面提供了兩大創新，可以從不同方向去幫助設計公司實現芯片面積的縮減：

1. 分布式功能安全機制（DSM）：從DXS GPU開始，Imagination利用GPU并行特性，在單一芯片內實現高效冗余校驗，僅以約10%的新增面積代價達到ASIL B功能安全等級。而傳統鎖步（Lockstep）方案往往需要雙倍甚至更多芯片面積。

2. HyperLanes硬件虛擬化技術：該技術可支持最多8條獨立硬件控制通道，讓單個GPU同時運行多個操作系統或工作負載（如儀表盤、信息娛樂、AI推理），互不干擾，并支持ISO 26262功能安全標準。該技術使GPU的性能可以被充分利用，而不是在車用SoC中去集成更多獨立的處理器核。

基于這些創新，采用Imagination GPU IP的芯片設計廠商可以顯著減少晶體管數量和芯片面積，實現單顆芯片成本下降和良率提升。

總成本類別三：交易成本

交易成本指芯片研發制造完成后，幫助客戶實現“上車”的各項成本，包括應用推廣、導入與適配等。在智駕算法不斷演進的今天，不同計算架構帶來的交易成本差異巨大。

NPU的局限性：
NPU是為特定算子優化的ASIC架構，在特定任務上性能效率高。但隨著智駕行業從模塊化方案轉向VLA（視覺－語言－動作）模型、端到端大模型、世界模型等新算法，NPU往往無法持續支持或效率極低。算法團隊被迫花費大量精力“遷就”芯片的編譯器工具鏈，每次算法迭代都需要芯片廠提供漫長技術支持，導致產品生命周期縮短、收入難以覆蓋成本。

GPU的靈活性：
GPU基于OpenCL、Vulkan等標準指令集，是可編程并行計算器件，使主機廠和方案商能夠自主掌控系統開發、自主優化底層代碼。Imagination的GPU IP無縫支持PyTorch、TensorFlow等主流AI框架，模型遷移成本低。更重要的是，GPU是“軟件定義的硬件”，通過OTA即可升級新算法，無需頻繁更換硬件，大幅延長芯片生命周期和累計出貨量。

總成本類別四：機會成本

過去幾年，大型主機廠通過采用“自研+外購”的多路徑策略，不僅深入理解了智能駕駛技術及其發展趨勢，也自主開發或參與打造了高質量的智駕數據集。這為它們下一步邁向中央計算控制架構、實施智駕系統平臺化戰略奠定了堅實基礎。 平臺化一方面能夠集中需求、減少重復投入、降低成本；另一方面，它也有助于主機廠實現“軟件定義汽車”的愿景。因為在智駕系統大幅解放駕駛者的雙眼和雙手之后，汽車將演變為移動的生活與工作空間。屆時，除了需要強大的底層算力保障可靠的智能駕駛功能之外，更高分辨率的多樣化顯示、更便捷的人機交互界面以及智能體（Agent）操控系統，將成為實現差異化競爭的關鍵。 這一變革將由大模型所驅動、AI Agent 與 V2X 等多項技術在車內的落地應用，因此并非原有車載信息娛樂系統的簡單升級，而是一次深刻的汽車價值轉型。GPU 在這場智能化帶來的價值轉化過程中，將在新一代艙駕泊融合的主控芯片中扮演重要角色。這不僅得益于 GPU 的通用計算能力及其架構支持按需應變的特點，更因為它在高質量渲染、多圖像傳感器融合等方面遠比其他處理器高效。沒有高性能的 GPU，主控 SoC 未來在眾多應用場景中可能會失去大量機會。

總結與展望：NPU與GPU的融合之道

中高階智駕市場機會全面顯現，汽車新的使用價值也隨著智駕滲透率提升而開始顯現，傳統NPU架構效率高但面臨著靈活性差、難以應對新算法、并對圖形化人機交互難以高效支持等挑戰；傳統GPU架構靈活但能效比在特定AI任務上不如NPU。市場需要一種新架構：既能提供高算力與靈活性，延長產品生命周期，又能有效控制制造成本和交易成本，還能抓住汽車價值轉化從而降低機會成本，實現總成本最低。

面向艙駕泊一體化、大模型上車和主機Agent化等趨勢，芯片設計企業有了新選擇：

采用異構架構——采用更先進工藝，將高性能NPU與高靈活性GPU集成在一顆芯片上。例如集成Imagination DXS GPU，該IP具有高性能、低成本實現功能安全，以及HyperLanes硬件虛擬化能力。

與半導體IP提供商協同探索新一代架構——例如，Imagination在其推出的E-Series系列GPU IP中，重新定義了AI計算與圖形處理，該系列具備兩大核心創新：

• Neural Cores神經網絡計算內核：最高可擴展至200 TOPS（INT8/FP8）

• Burst Processors爆發式處理器：使邊緣和AI PC等應用的平均功耗效率提升25%

E-Series從架構上打破了NPU與GPU的界限：既能像NPU一樣高效處理定點AI任務，又能像GPU一樣靈活處理浮點運算和新算法。如果采用類似該系列的架構，面對未知的下一代智駕算法（如端到端大模型）和渲染能力，其可編程性確保性能長期“不過時”，保護主機廠和芯片企業的持續創新與長期投資。

智駕芯片將回歸商業本質——總成本，才是決勝未來的核心抓手。