主流汽车市场正在成为车机芯片竞争的主战场，而这里的竞争规则也在改变。

据盖世汽车研究院最新配置数据，2026年前三季度，在国内10万-30万元乘用车市场，芯驰车机芯片（涵盖中控主机与座舱域控）装机量达35.3万颗，在中国大陆本土供应商中排名第一，占该统计口径下本土企业装机总量的约26%。

这份成绩建立在既有车机产品的量产基础上。如今，大模型加速进入汽车座舱，更复杂的计算任务正在改变车企对芯片的要求。从满足传统车机功能，到支持端侧AI运行，芯片企业需要解决的已不只是性能升级，还有如何控制新增的系统成本。

对于已经在主流市场形成装车规模的芯驰而言，下一轮竞争由此展开。更加显而易见的是，芯驰的储备已经先于发令枪到位。

30余万颗背后，规模化装车意味着什么？

一颗芯片能够进入多少辆车，往往取决于性能参数之外的许多因素。

尤其在主流汽车市场，车机芯片不仅需要满足日常功能，还要适应整车开发周期、软件适配要求和长期供货安排。对于销量较大的车型，单颗芯片的成本差异随着交付规模增加，也会成为不可忽视的因素。

这些要求体现在芯驰的具体配套中。

在中控主机领域，芯驰已经进入上汽大众、东风本田及奇瑞等车企的主力车型。据盖世汽车研究院最新配置数据，2026年1-9月，仅上汽大众朗逸的相关芯片配套量就超过11万颗。

对于这类车型而言，相比一味追求更高的计算性能，芯片的成本、运行稳定性及长期软件维护能力，同样影响着车企的选择。

随着座舱架构向域控集中，芯片需要承担的任务也更加复杂。

在奇瑞捷途X70 PLUS、捷途大圣及北汽新能源极狐等车型上，芯驰已经实现座舱域控芯片的规模化配套。与中控主机相比，座舱域控通常需要协调更多显示、交互及车内应用任务，对计算资源分配和软硬件协同提出了不同要求。

从中控主机到座舱域控，应用范围的扩大，也意味着芯片供应商需要适应更多整车平台。不同车企的系统架构、操作系统和功能配置各有差异，相应的软件适配与系统验证工作需要在具体项目中完成。

据芯驰公开信息，其全系列车规芯片累计出货量已突破1500万片，覆盖170多款车型。持续参与整车开发与量产交付，使芯驰积累了跨平台适配、客户协同及工程验证经验。

而随着大模型进入汽车座舱，既有的计算资源配置开始面临新的挑战：当传统信息娱乐系统需要承载更复杂的AI任务，原有算力是否还够用？

大模型上车，算力这笔账怎么算？

过去，车机语音交互主要围绕导航、空调、娱乐等具体功能展开。随着大模型进入座舱，汽车开始能够理解更复杂的自然语言需求，例如规划包含充电、用餐和休息的行程，或者通过连续对话完成多项设置。

这类功能正加速进入主流市场。以15万元级别的全新深蓝S07 AI激光版为例，其搭载的豆包大模型已支持自然语言行程规划、复杂语音交互等功能。

要知道，根据乘联分会数据，2026年前三季度，10万-20万元乘用车占国内零售市场的41.9%，是销量最大的单一价格带。随着AI功能进入这一市场，车企既要持续升级智能化体验，也需要控制由此增加的硬件和开发成本。

用户感受到的是交互方式的变化，车企还需要决定这些功能究竟由哪里计算。

复杂知识问答、内容生成等任务可以借助云端资源；需要快速响应、处理本地信息或降低网络依赖的功能，则更适合在车端运行。端云如何分工，直接影响本地算力的配置。

即便确定了哪些模型需要部署在车端，计算平台仍然不能只看NPU算力。

模型运行需要内存保存参数，推理过程依赖访存带宽，导航、娱乐及多屏显示等功能还要与AI任务共享资源。车企增加本地算力时，存储、功耗、散热及系统成本通常也需要重新考虑。

现阶段，一种方案是在原有座舱SoC之外增加独立AI Box，专门承担模型计算任务。这种方式适合部分成熟平台升级，可以保留既有座舱架构，减少对原系统的改动，也便于AI计算模块相对独立地迭代。新增设备则需要相应的内存、供电、散热和软件协同支持。

对于重新开发的座舱平台，车企也可以选择集成度更高的SoC，将传统座舱计算与AI推理集中在一颗芯片上。这样有机会减少外围硬件，同时要求芯片具备更强的并发处理、带宽分配和功耗控制能力。

两种技术路线各有适用条件。对于车企而言，选择座舱计算平台时，需要综合考虑芯片采购、外围器件、软件开发及系统验证等投入，而不只是比较算力参数。

对于芯片供应商，竞争也由此从提供更高的峰值算力，延伸至如何以合理的系统成本，支持更多AI功能在整车上落地。

从X9到X10，芯驰的答案是什么？

面对座舱计算需求的变化，芯驰已经形成覆盖不同层级的产品布局。

从早期产品定义阶段便引入NPU的X9系列，到将NPU算力提升至8 TOPS的X9SP，再到面向端侧大模型的X10，其产品并非简单的代际替代，而是对应不同层次的计算需求。

图片来源：芯驰

其中，X10需要应对更加复杂的任务：在运行端侧大模型的同时，保证多屏显示、信息娱乐等传统座舱功能正常工作。这要求芯片不仅具备更高的AI算力，还要能够合理分配不同任务所需的计算资源。

根据芯驰官网公布的产品参数，X10采用4nm车规工艺，CPU性能达到300 KDMIPS，GPU性能为3300 GFLOPS，NPU算力达到80 TOPS，内存带宽为154 GB/s，支持最高9B参数规模的大模型端侧部署，并针对MoE模型的专家动态路由进行了架构优化。

这些参数中，内存带宽尤其值得关注。大模型推理需要频繁读取模型参数，如果数据传输跟不上，计算单元就可能因等待数据而无法充分发挥性能。尤其当AI推理与多屏显示、信息娱乐等任务同时运行时，内存带宽与资源调度能力会直接影响系统效率。

因此，X10并非单纯提高NPU算力，而是通过CPU、GPU、NPU与内存系统的协同，在支持大模型推理的同时兼顾传统座舱应用。

除了计算能力，系统集成也是X10的重要设计方向。

前文提到，车企可以通过外挂AI Box增加端侧计算能力。X10则将座舱计算与大模型推理整合到单颗芯片中，在满足相应功能需求的条件下，替代传统“座舱SoC＋外挂AI Box”组合方案。

按照芯驰公布的方案测算，相较于传统组合架构，X10可减少约25%的DDR存储容量，使整体系统BOM成本有望降低1500—3000元。同时，通过工艺与架构优化控制功耗，X10支持风冷散热，减少对复杂散热系统的依赖。

不过，硬件集成并不意味着软件开发工作可以省略。大模型上车仍涉及模型移植、算子适配、性能调优，以及与既有座舱软件的协同。

围绕X10，芯驰提供标准化模型调用接口、主流开源模型预适配及定制化优化支持，以减少开发过程中的重复工作。在不同平台之间，芯驰也支持客户先基于X9开展原型开发，再向X10迁移，复用部分既有开发成果。

从计算资源协同、系统集成到软件适配，X10的产品设计已经不局限于单颗芯片的性能提升，而是进一步考虑整套座舱计算方案的部署效率与系统成本。

截至目前，X10也已进入商业化落地阶段。据芯驰此前披露的信息，X10已与多家车企达成量产合作。

AI SoC的竞争边界，正在走出汽车

在新一代AI座舱芯片之外，芯驰的产品布局也开始向汽车以外的智能终端延伸。

具身智能与智能汽车在多模态感知、模型推理、实时控制等方面存在一定的技术共性，为汽车芯片企业拓展机器人业务提供了空间。

2026年北京车展期间，芯驰正式宣布战略2.0升级，将业务布局从汽车智能扩展至通用智能，并推出R1、D9及E3-R系列芯片，分别面向大模型推理、运动规划与实时控制，以及躯干、关节等执行控制需求。

图片来源：芯驰

与汽车座舱不同，机器人不仅需要完成感知和模型计算，还必须将计算结果转化为具体动作，对运动控制、实时响应及不同计算单元之间的协同提出了新的要求。

芯片厂商也因此需要提供更完整的控制器方案及软件开发支持。

芯驰与瑞莎计算机联合推出的RoboX D9M，便是这一布局的具体进展。

这款基于D9-Max打造的机器人小脑控制器，除硬件外，还提供参考设计与开源软件栈，帮助开发者减少底层系统搭建工作。

值得注意的是，芯驰官网披露，其D9系列芯片已在头部具身智能厂商实现量产。

在合作生态方面，芯驰还与阿帕奇机器人围绕大小脑控制器及关节模组开展联合开发，并与银河通用在机器人芯片、控制系统及工具链等领域展开合作。

从既有车机芯片的规模化装车，到X10面向端侧AI的计算与系统集成，再到机器人控制器和开发生态，芯驰的产品应用正在不断拓展。

芯片企业的竞争，也随之从单颗产品的性能与成本，进一步延伸到计算架构、软件工具链及不同场景下的适配能力。

对于芯驰而言，规模化装车积累的不只是出货量，还有产品开发、软件适配与工程交付能力。这些能力正在从汽车座舱向更多智能终端延伸，也为芯驰从车规芯片供应商向计算平台提供商拓展业务提供了基础。

返回第一电动网首页 >