有这样一家国产芯片公司——车规级芯片累计出货突破800万片，覆盖100多款主流车型，理想、

　　它就是芯驰科技。本届上海车展上，芯驰正式推出新一代AI座舱芯片X10系列，以及面向区域控制器、电驱和动力域控、高阶辅助驾驶的高端智控MCU产品E3系列。

　　在随后的采访中，芯驰对「智车星球」等媒体表示，X10的目标是开启「全民AI座舱」时代，让10-20万元主流车型也能用得起。

　　X10采用4nm制程，支持7B参数大模型端侧部署，系统内存带宽达154GB/s，是当前量产旗舰座舱芯片的 2 倍以上，支持在运行大模型的同时，部署多个小模型。

　　据芯驰介绍，X10系列芯片将于2026年量产，目前已和多家车企进行深度沟通。

　　另一个产品线系列，填补了「国产高端MCU」的空白，在本次车展上主要更新了面向区域控制器、电驱和动力系统，以及高阶辅助驾驶及舱驾融合等应用场景的产品进展。

　　芯驰科技MCU产品线总经理张曦桐表示：“我们做的产品，是行业在这些高端领域非常需要的，并且此前缺乏强大的国产供应商。现在几乎没有。”当前中国车企在很多方面已经非常领先，所以也十分迫切的需要供应商提供同样具有高价值、高性能的零部件。

　　如何看待智能座舱的发展和对芯片的需求？与海外企业相比，芯驰的优势是什么？在智舱领域站稳脚跟之后，芯驰有没有向智驾发展的计划？

　　车展期间，芯驰科技CTO孙鸣乐、芯驰科技副总裁陈蜀杰，以及芯驰科技MCU产品线总经理张曦桐接受了媒体采访，对这些问题一一作出解答。

　　媒体：近两年行业开始关注将AI能力集成到芯片中。从您的观察来看，当前AI座舱芯片的行业格局是怎样的？

　　孙鸣乐：目前市场上大家在用的芯片，除了早期为特定需求设计的芯片，大部分主流芯片设计主要还是复用自手机或平板平台。这些芯片虽然具备AI能力，但在设计之初并未针对座舱场景，特别是大模型应用进行深度优化，因为芯片设计周期长，很难预见到如今大模型的形态和需求。

　　伴随着高通下一代平台以及MTK与英伟达合作的产品陆续发布，AI逐渐成为一个非常重要的核心卖点，AI座舱芯片的格局也会更加清晰。

　　孙鸣乐：一个非常强烈的诉求就是“本地化部署AI大模型”，也就是「端侧部署」。许多车企已在云端尝试部署了大模型，同时在一些高端车型上也开始部署1.5B的端侧模型，但反馈普遍认为智能化程度不够。

　　当前明确的趋势是希望在端侧支持更大尺寸的模型。我们也观察到，一些车企在寻找外挂式的AI加速单元方案来运行大模型，但这通常不是最优解。

　　孙鸣乐：云端部署存在几个问题。大模型如果在云端处理，用户发出指令后，数据上传到云端，模型处理完再返回结果，这个过程存在网络延迟。即使网络延迟本身不大，但网络拥堵或服务器繁忙时，响应时间会变慢，影响体验一致性。端侧部署可以保证确定性的响应时间，提供稳定、一致的用户体验。

　　其次，多模态交互的需求。纯语音交互数据量小，但未来的AI座舱需要结合图像（如感知驾驶员状态、视线方向判断交互对象）、声音等多模态信息，如果所有数据都上传云端处理，数据传输量会非常大，对网络带宽和处理能力提出更高要求。

　　最后是隐私问题。将车内用户的语音、动作等所有信息持续上传云端，会引发用户的隐私担忧。

　　孙鸣乐：目前在量产车上实际部署并运行的大模型普遍是1.5B左右。更大的模型受限于芯片算力，特别是内存带宽，难以流畅运行。但随着新一代AI座舱芯片的推出，端侧支持的模型尺寸肯定会超过1.5B，向更大尺寸发展。

　　媒体： 模型参数越高，是否就代表芯片越好？或者说，评价AI座舱芯片好坏有哪些维度？

　　就像选购手机，有人追求极致游戏性能或拍照，但对大多数人来说，一款功能均衡、价格适中的手机（比如3000元档）可能更合适。过低的价格可能牺牲体验，过高的配置则可能超出实际需求。

　　车企现在竞争激烈，但最终会回归商业逻辑：增加的功能需要用户愿意为之付费，而不仅仅是为了广告宣传。例如，能跑13B模型的芯片单纯从基准测试看性能可能更好，但需要评估这是否线B模型显著不同的、有价值的智能体验提升。

　　根据我们与业内专家的交流，普遍认为从1.5B到3B提升不大，到7B有较大提升，而从7B到13B的提升感知相对有限。

　　媒体：还有其他具体要求吗？比如智驾和座舱的融合（智舱融合）是否是他们考量的因素？

　　孙鸣乐：当确定要支持特定尺寸的模型，并设定好性能目标后，自然也就对硬件提出了具体需求。例如，支持7B模型流畅运行，大致需要30-40 TOPS的AI算力和80-100 GB/s的内存带宽。

　　车企现在评估芯片也更加理性，经历过智驾领域单纯追求高TOPS算力的阶段后，大家意识到「实际效果」更重要。

　　现在他们不仅看你宣称能跑多大模型、有多少算力，还会深入询问具体的性能指标：在特定条件下，速率能到多少？延迟是多少？甚至会关心你是如何通过技术实现这些性能的。

　　至于智舱融合，使用一颗芯片同时处理智能驾驶和智能座舱的功能，确实是行业探讨的方向之一。

　　媒体： 车企这种从关注参数到关注实现方式和实际效果的变化，背后的原因是什么？

　　孙鸣乐：归根结底是来自用户的反馈。车企宣传了高参数，但如果用户实际用下来体验不好，或者与参数较低的竞品相比没有明显优势，车企就会反思参数本身的意义。

　　这促使他们更关注：一、芯片的性能是否被充分发挥；二、即使性能发挥出来，是否真正契合了用户需求，带来了良好的用户体验。

　　媒体：去年很多车企座舱集成了各种应用，今年初开始接入ChatGPT类云端大模型。那么，未来搭载专用AI座舱芯片的车辆，与现在这些方案相比，主要区别在哪里？

　　孙鸣乐：主要区别在于端侧运行的模型更大、能力更强、更通用。可以将端侧大模型理解为一个本地的“百科全书”。目前的云端模型虽然知识广博，但交互时仍有可感知的延迟。

　　更复杂的任务，比如“帮我恢复到前两天开这辆车时的座椅和空调设置”，需要模型理解上下文、调取历史数据并生成一系列执行指令。这类任务对于目前1.x B的端侧模型来说比较困难。专用AI座舱芯片能够更好地处理这类复杂、个性化的任务。

　　当然，并非所有AI任务都适合或必须在端侧完成。比如陪聊、讲故事等，这些在云端处理完全没问题，如果在端侧实现，反而增加了不必要的硬件成本。

　　媒体：车企对MCU的需求发生了哪些转变？在算力、时延、集成度等方面是否有新的要求？

　　张曦桐：目前，对AI算力需求最强烈的领域主要还是集中在中央计算层，如智能驾驶和智能座舱。对于执行器层面（如动力、底盘、车身控制），当前的核心需求仍然是高可靠性、高实时性和一定的成本效益。

　　现阶段，这些执行层面的控制算法，包括一些需要加速的计算，通常可以通过高性能CPU来满足。例如我们新发布的E3650，其CPU算力已经相当强大，足以覆盖大部分下车身控制中的算法加速需求。

　　媒体：有些国外厂商强调MCU产品支持面向服务的架构（SOA）。芯驰的MCU产品在这方面是如何考虑的？

　　在中央计算层，SOA可能涉及复杂服务的动态编排和调度，需要较强的算力支持。

　　在区域控制器或执行器MCU层，SOA更多体现为信号或服务的标准化接口、转换和订阅发布。对于这类任务，当前主流MCU的CPU能力通常是足够的。

　　我们在设计E3650时，特意预留了较大的算力和存储资源，正是考虑到一些走得比较靠前的主机厂客户，希望在区域控制器层面实现更多的SOA功能和更复杂的逻辑。

　　孙鸣乐：我们将其定位为“全民AI时代的座舱芯片”。「全民」意味着它不是只用于高端车型的昂贵产品，而是希望让主流车型，比如10万到20万区间的汽车都能用得上。

　　孙鸣乐：成本考量从芯片设计的初始阶段就已纳入。产品一旦设计完成，后期通过供应链优化（如良率提升、测试成本下降、供应商降本）能实现一部分成本下降，但核心在于产品立项时的定位，需要选择一个能在未来一段时间内都保持竞争力的技术和成本区间。

　　平衡成本与性能的关键在于“基于场景需求的优化”。我们需要明确目标场景是什么，该场景下需要完成哪些任务，这些任务需要哪些硬件资源，基于这些分析来定义芯片规格。

　　孙鸣乐：反馈非常积极。大家普遍的期望是“快点做出来，我们等着用”，已经和很多客户约好了后续进行深入的技术沟通。

　　陈蜀杰：首先我们更贴近中国本土的供应链和客户，反应速度非常快。我们所有的核心研发团队都扎根在中国，不存在时间差或沟通成本，能够以最快的速度响应客户需求。

　　如果车厂遇到紧急问题，我们可以做到在几小时内就抵达客户现场，立刻协助解决。

　　客户在评估成本时，绝不仅仅看芯片本身的采购成本，还要看采用这款芯片带来的整体BOM成本以及研发投入。例如，如何帮助车厂以更快、更高的人效完成开发工作，缩短整个产品的研发和上市周期。

　　媒体：不同背景的玩家进入AI座舱芯片领域，比如移动端背景或汽车背景，做法会有哪些差异？

　　孙鸣乐：每个企业都有其基因和固有优势。有的利用在移动端的积累进入汽车市场，在早期是有效的策略，尤其是在安卓生态成为车机主流之后，它们的芯片能快速引入丰富的手机应用，这确实改变了当时的座舱体验。

　　然而，汽车应用与手机应用终究不同。随着汽车智能化深入，尤其到了AI座舱时代，需求开始分化。例如，AI计算的需求、对功能安全和可靠性的要求、功耗和散热的约束等，都与手机不同，所以厂商也会开始推出更专用的车规芯片。

　　对于芯驰而言，我们更注重洞察汽车市场的特定需求和变化趋势，基于此来规划产品。我们不一定追求最高的性能参数，而是聚焦于如何在我们目标市场提供可靠、合规、具有差异化优势且成本适宜的解决方案。

　　首先是成本，如果外部采购成本过高，且自身用量大，自研可能长期来看更经济；

　　而对于座舱芯片，座舱SoC系统复杂，IP授权费用高，车企自研的量通常不足以摊薄研发成本，未必比外购便宜；

　　目前在座舱领域，通过自研芯片实现颠覆性差异化的空间相对有限，且已有多家供应商提供不同层级的产品；

　　座舱芯片供应商选择多，即使某家供应商新品延迟，也有替代方案或沿用上一代产品，风险相对可控。而且座舱功能不像智驾那样处于技术路线快速迭代和竞争白热化的阶段。

　　因此，大部分车企认为自研座舱芯片的必要性不强。当然，不排除有车企出于长远战略考虑会进行尝试。

　　媒体：国内MCU厂商的发展路径似乎有两种，一种是像一些模拟芯片厂商那样向MCU拓展，或者从简单的车身MCU入手，再一步步向上走；另一种就是像芯驰这样，直接面向高端。这种高端MCU到底应该怎么做，才能在全球打响我们国产品牌的名头？

　　张曦桐：您描述的第一种路径，即从低端往上走，可能看到别人有什么产品，就做一个功能相似、价格更低的产品。

　　我们做的产品，是行业在这些高端领域非常需要的，并且此前缺乏强大的国产供应商。现在几乎没有。

　　如何确保这种面向高端、具有前瞻性的产品定义是准确的？与车厂、以及上下游生态伙伴的协同至关重要。我们需要与他们紧密合作，同时自身需要对整车架构有非常深入的理解。

　　芯驰内部要求团队具备领先Tier1和车厂的系统能力，我们自己就在研究整车的电子电气架构，甚至会搭建虚拟整车模型进行研究。我们需要对系统有深刻的理解。

　　陈蜀杰：我认为这跟芯驰的团队背景有关。很多从下往上做的厂商，可能以前是做消费电子或简单工业控制的，往车规级、特别是高端车规级MCU发展，确实需要一步步积累。

　　但芯驰有点像“降维打击”。我们的核心团队来自SoC领域，从更复杂的系统级芯片设计经验出发，来做其中的MCU部分。

　　当前整个汽车电动化、智能化带来的电子电气架构变革，创造了巨大的机遇和新的需求。这些新需求需要被发现和满足，不一定非得是国外厂商先引领，我们再跟上。

　　现在的情况是，我们的车厂在很多方面已经非常领先，他们迫切需要我们提供同样具有高价值、高性能的零部件。

　　我倒觉得，这些产品不一定严格意义上都叫做“高端”，更准确地说是面向未来的需求。只有抓住这些前瞻性的需求，我们才有机会做出有技术壁垒、具有领先性并且能保证合理利润的产品。

　　现在中国的芯片行业竞争也很激烈，大家的利润压力都比较大，我们必须通过这样的战略卡位来确保可持续发展。

　　媒体：像日本这样的市场，他们的汽车芯片产业链非常成熟，有瑞萨等强大的本土厂商，很多产品可能与芯驰存在竞争。我想请问，芯驰在日本市场或者说更广泛的海外市场，有什么样的“护城河”？

　　孙鸣乐：我觉得现在谈“护城河”可能还有点早，我们在海外市场仍然处于相对比较早期的拓展阶段。但是，从优势的角度来看，我认为有几点：

　　中国的整个汽车行业在新能源、智能化方面的发展速度，比许多国外市场要快很多。我们的很多新产品，首先在中国市场经过了大量车企的验证和应用，用过之后就变成了一个已经是量产成熟的产品。

　　当海外企业与我们沟通时，他们会发现我们的解决方案在技术上可能比他们现有供应链体系中的方案更领先，同时又是一个经过验证的、稳定可靠的选择。这对于他们来说，可能比在其原有的供应链体系内从头开始开发一个新方案要更快、更有吸引力。

　　我们做出在欧洲、日本等地设立办公室的安排，也不是单纯的决策，而是在此之前已经与当地很多客户进行了非常深入的沟通，确认他们确实有这样的需求。

　　媒体：X9系列中的X9SP，前几天发布了舱泊一体的Demo，通过单芯片实现座舱和泊车功能。我看到X10似乎主要还是用于AI座舱，芯驰目前不重点投入智驾领域的战略考量是什么?

　　第一，我们认为AI大模型在车内的部署，至少未来半年到一年内，是比舱驾融合更强烈的市场需求。融合主要解决的是成本问题，而AI大模型部署在车内，能够带来全新的用户体验和产业变革机会，催生更多创新应用。

　　第二，智能驾驶本身变化非常快。回顾过去一年，车厂对智驾功能的定位发生了显著变化，用户需求也在演进。同时，头部车企的技术路线规划对整个产业影响巨大。在这种需求和技术路线都不稳定的情况下，我们贸然进行集成并非一个好的选择。

　　陈蜀杰：对于一家芯片硬件公司而言，要做好智驾，还需要投入巨大的人力物力进行软件开发等。我们需要从整体市场格局的角度来考虑自身的定位，不是看大家都在做什么，我们就必须做什么。

　　相反，芯驰一直在走自己的路，扎扎实实地把座舱做到顶尖水平。在座舱领域，我们目前已有超过五十款量产上车车型，这在行业内是领先的。

　　对于高端车规MCU，我们没有参与低端市场的价格战，而是直接定位在技术要求非常高的高端市场，这样才能保证我们的技术领先性和合理的利润空间。

　　我们认为这种扎扎实实、基于实际出货量和客户选择的发展路径，比仅仅讲述宏大的故事更为重要。

　　媒体：您刚才提到智驾领域，无论是需求还是硬件都还在快速变化中；座舱方面，您说到大模型上车是目前比较紧急的需求。那么除了AI大模型之外，座舱领域还有其他一些明显的变化和趋势吗？您能谈谈吗？

　　孙鸣乐：在座舱方面，我们看到的另一个明显的需求变化，是来自于智能驾驶系统对座舱功能的影响。随着高阶智能驾驶功能的渗透率越来越高，座舱系统需要将智驾系统感知到的周围环境信息实时地、逼真地渲染出来，并显示在仪表盘、中控大屏或者HUD上。

　　这个渲染任务通常是在座舱域完成的，它导致了对座舱SoC的CPU，特别是GPU的计算能力和图形处理性能提出了更高的要求，会比以前单纯的信息娱乐系统需求高很多。

　　媒体：关于舱驾一体方案，部分主机厂似乎存在顾虑，例如担心虽然前期节省了硬件成本，但后期维修时需要整体更换，导致维修成本增加。您如何看待这个问题？

　　孙鸣乐：主机厂确实在积极探索舱驾一体化的方向，从系统设计角度看，如果主机厂能够妥善处理集成问题，理论上可以简化系统。

　　然而，实践中挑战依然存在。比如，研发集成的复杂性。将原本相对独立的座舱和智驾系统合并后，系统集成、测试和验证的工作量会呈指数级增长，工程研发的难度和成本显著增加。

　　从成本考量，理论上，集成可以节省一套结构件，降低物料成本。但目前阶段，高昂的研发投入和尚未形成规模效应，使得分摊到每个零部件的研发费用很高。主机厂需要权衡前期研发成本与后期潜在的物料节省。

　　并且目前尚未出现明确的，因舱驾一体而带来的革命性用户体验提升或功能差异。如果集成能带来显著的功能创新，其价值会更大。

　　最后，智能驾驶技术的迭代速度和路径，与智能座舱并不完全同步。智驾算法、传感器配置仍在快速演进，各家方案差异很大。将两者强行绑定，可能限制各自技术快速更新迭代的灵活性。因此，目前采用该方案的量还不大。云开(Kaiyun)云开(Kaiyun)