两年前我还在文章里写“智驾芯片看英伟达就完了”现在这个结论越来越站不住了。从2024年下半年到2025年智驾芯片这条赛道突然变得异常热闹英伟达Thor量产跳票后终于落地华为昇腾在高端车型上攻城略地地平线征程6系列出货量一路走高高通带着SA8650P杀回战场连蔚来、小鹏、理想都开始亮出自研芯片。如果你正准备买智驾车型或者在做芯片选型、算法移植、域控制器开发这篇关于主流智驾芯片排行的梳理应该能帮你少走不少弯路。先说结论单看2025年的量产上车量和技术成熟度英伟达依然是综合实力最强的那个但“王座”已经出现裂缝。Thor的难产让不少车厂被迫做Plan B而华为、地平线、高通恰恰在这个窗口期补上了自己的产品线。这篇文章我会从“英伟达凭什么坐稳第一”“挑战者各自的机会在哪”“算力之外到底该比什么”三个角度展开最后再聊聊开发和量产过程中常见的坑。不吹不黑只聊事实和实操。1. 英伟达凭什么坐在王座上1.1 从游戏显卡到智能驾驶生态是先发优势很多人以为英伟达做智驾芯片是“跨界”其实它的优势恰恰来自几十年积累下来的GPU生态。CUDA这个东西在深度学习刚兴起那几年就成了事实标准搞CV、搞NLP的算法工程师在学校里学的就是PyTorch CUDA那一套。到了做智驾的时候大家自然先选自己最熟的平台。这就带来一个非常现实的好处团队招聘容易、踩坑资料多、部署工具链成熟。国内做智驾算法的公司随便拉一个工程师出来让他写CUDA优化或者用TensorRT做推理加速基本不用重新学。换到地平线或者昇腾平台工具链再友好也有个学习成本。Orin的量产里程碑也落在英伟达手里。2022年Orin X开始大规模上车蔚来ES7/ET7、理想L9、小鹏G9全都是那个时期最热门的旗舰车型。到了2023、2024年Orin几乎成了中高端智驾平台的标配电芯。我做过一个粗略统计2024年国内25万以上新能源车型智驾域控用Orin方案的占比超过六成。Thor的量产虽然一拖再拖从2023年延期到2024年又延到2025年但它的纸面规格确实断层领先单颗算力标称2000 TOPS稀疏算力支持多芯片域控扩展还内置了Blackwell架构的GPU核心专门为端到端大模型做了优化。极氪、理想、比亚迪都官宣过Thor方案2025年下半年开始会有大量车型陆续交付。1.2 不只卖芯片英伟达卖的是整套开发流水线英伟达真正让对手难受的地方不是芯片本身而是它把“芯片到量产”这条路给你铺好了。算法团队拿到OrinQNX或者OrinLinux可以用TensorRT把训练好的模型转成部署引擎中间遇到的算子兼容问题八成以上在官方文档和论坛里能找到答案。数据闭环这一块它也有成熟的工具链支持从车端数据采集、回传到云端训练、仿真验证每个环节都有对应的解决方案。相比之下对手的困境不是芯片性能不够而是整个工具链的成熟度、稳定性和社区知识积累都差着一截。开发者在知乎上搜“征程6 算子不支持”能找到的解决方案远没有搜“TensorRT 报错”来得多。这种生态壁垒比算力差距更难跨越。我2024年帮一家Tier 1做技术调研的时候对方评价英伟达的一句话特别到位“用英伟达出了问题你知道是软件配置不对总归能查到答案用其他平台出了问题你都不知道是该等硬件还是该改代码。”当然这种优势正在被对手一点点蚕食。但至少到2025年中英伟达在高端智驾芯片上的生态领先地位暂时还看不到谁能完全追平。2. 挑战者阵营盘点谁能真正形成威胁2.1 自研派特斯拉、蔚来、小鹏走的是“另一条路”特斯拉从HW 3.0开始自研FSD芯片HW 4.0算力大概在300-500 TOPS区间具体数字官方一直没完全公开。但特斯拉的核心竞争力从来不是芯片算力本身而是“算法数据芯片”的闭环。FSD V12之后全面转向端到端神经网络对硬件的利用效率非常高。不过它不上第三方车型所以对英伟达的“商业”威胁不大——不是技术不行而是人家根本不对外卖。国内新势力里蔚来的神玑NX9031已经流片5nm工艺据称算力超过1000 TOPS小鹏的图灵芯片也官宣了计划2025年量产理想的自研芯片也在推进中。自研芯片的逻辑很简单当你的智驾算法和数据闭环已经形成核心竞争力再用通用芯片就会被交付周期和BOM成本锁死。但自研芯片这条路非常烧钱而且整个软件栈必须自己搞定对大多数车企来说并不现实。在我看来自研芯片更多是头部玩家的“战略武器”而不是普遍趋势。2.2 华为昇腾本土高端方案里最能打的华为昇腾系列严格来说不只是一颗芯片而是一个从芯片到域控、再到全栈软件算法的完整方案。昇腾610芯片算力标称200 TOPS稠密算力在MDC 810平台上可以扩展成400 TOPS级别。这个数字跟Orin X的254 TOPS相比单芯片稍微弱一点但胜在融合度高。问界M9、智界S7、阿维塔12这些车上的ADS 2.0/3.0方案用的就是昇腾平台。实际体验下来这套方案的城市NOA能力在2024-2025年属于第一梯队跟英伟达平台上的头部方案打成平手甚至局部更激进。昇腾的优势在于第一华为有自研AI芯片的全栈能力从芯片设计到编译器再到中间件全是自己的第二华为对Transformer、BEV这类智驾主流模型做了深度优化算子库针对性极强第三它不需要你去凑一个团队做系统工程OpenLab、工具链、量产支持全都是打包服务。劣势也很明显供应链和合作模式存在不确定性并非所有车企都愿意把智驾“灵魂”交给华为。但这个方案在2025年的确抢走了英伟达不少高端订单尤其在国内市场。2.3 地平线量产规模最接近“国民智驾芯片”地平线的产品线布局很清晰征程2/3针对L2辅助驾驶征程5/6面向高阶智驾。征程6系列我重点说一下——征程6P单芯片算力560 TOPS制程7nm2024年底开始量产2025年上车的车型非常多。让很多人大吃一惊的是征程6在性价比和功耗控制上做得非常激进。同样是SoC域控的方案征程6平台的系统成本比Orin低不少这对15-25万价位的车型来说非常关键。比亚迪、理想低配车型、零跑、哪吒、大众国内合资、深蓝等品牌都在用或计划用征程芯片。地平线的另一张牌是“开放”。它不做整套智驾系统而是提供芯片工具链参考算法让Tier 1和车企自己做差异化。这种模式让很多不想被英伟达锁死、又不想跟华为深度绑定的车企很舒服。我个人评价地平线是2025年最有潜力改变国内市场格局的玩家。征程6P跟Thor正面竞争还差些火候但跟Orin X掰手腕已经完全是同一水平线了。2.4 高通从座舱“反向”切入智驾高通在座舱芯片上是绝对的王者8155、8295席卷全球。但在智驾方面高通起步时间晚产品线SA8650P、SA8775P的算力参数并不突出市场声量也一直没有起来。不过高通的优势在于“汽车电子电气架构的整合能力”。当座舱和智驾开始走向中央计算平台一颗芯片同时跑座舱ADAS成为可能高通的SA8775P正好踩在这个节点上。它采用CPUGPUNPU异构架构AI算力虽然没有英伟达那么夸张但拖动一个座舱大模型是绰绰有余的。国内很多Tier 1如毫末智行、Momenta在高通平台上做了大量适配工作。如果高通能把“座舱智驾”的融合方案做成功它有可能从另一个维度搅乱英伟达的阵脚。但在纯高阶智驾端到端大模型上车这个维度短期内我还不太看好它。2.5 Mobileye和其他选手Mobileye在L2级辅助驾驶上依然是全球出货量之王EyeQ4、EyeQ6覆盖了大量10-20万元主流车型。但它的“黑盒”模式现在越来越不被中国车企接受高端城市NOA进度也偏慢。在我看来它在国内市场已经基本退出高端竞争吃老本还行再往前冲挺难的。其他选手像黑芝麻智能、芯驰科技、瑞萨、TI基本都集中在L2/L2的低中算力市场跟英伟达不存在正面冲突。它们的厮杀更多是在“谁是国产平替”这个层面。3. 关键指标横评算力绝不是唯一标尺3.1 主流芯片参数对照别被TOPS数字忽悠了下面这张表我从公开资料整理出来方便你快速抓住各家产品的核心差异。先说明一点算力标的的“稀疏/稠密”口径不一样横向直接比TOPS意义有限这一点下一小节会细讲。芯片型号标称算力TOPS制程工艺量产状态主力车型/平台参考定位英伟达Thor2000稀疏4nm2025年量产极氪、理想、比亚迪超高端/旗舰英伟达Orin X254稠密8nm广泛量产蔚来、小鹏、理想等中高端主流特斯拉HW 4.0约300-5007nm/5nm量产自用特斯拉全系自研自用华为昇腾610200稠密7nm量产问界、智界、阿维塔高端全栈地平线征程6P560稠密7nm量产爬坡比亚迪、理想低配等高性价比高通SA8650P未公开数十-百级5nm量产多款新势力座舱智驾融合Mobileye EyeQ6未公开7nm量产全球L2主流保守安全从这张表能看出几个趋势第一英伟达Thor在纯纸面算力上遥遥领先短期内没有对手能正面硬刚第二国产芯片在“够用”这个档位卷得非常凶地平线征程6P以560 TOPS的稠密算力杀入中高端市场第三自研芯片的车企已经不在乎跟第三方比算力了它们更关注的是算法闭环的吞吐效率。3.2 “算力虚高”背后的稀疏算力与稠密算力陷阱这是智驾行业最容易被误解的地方。英伟达在Orin、Thor的规格表里喜欢标“稀疏算力”比如Thor的2000 TOPS其实是50%稀疏度下的结果换算成稠密算力大概1000 TOPS。而地平线、华为标的一般是稠密算力。同样标200 TOPS实际可用的稠密算力差别很大。为什么行业里都默认接受稀疏算力这个口径因为Transformer这类大模型的权重矩阵天然存在大量稀疏性优化好的算子确实能利用上。但问题在于你的算法模型不一定具备足够稀疏度或者算子库没有做专门优化。很多团队买完开发板才发现实际能跑到的有效算力只有标称的50%-70%。所以我的建议是拿芯片算力做横向对比时先问清楚对方标的是稀疏还是稠密再看它官方SDK里的典型模型推理帧率。跑一遍MobileNet和自带Transformer模型看实际FPS比看任何PPT上的TOPS数字都靠谱。3.3 除了算力还要看内存带宽、时延和功耗智驾场景是典型的“算力饥饿带宽敏感”实时任务。传感器每秒产生几十MB到几百MB的数据BEV融合和Transformer推理需要频繁读写内存。如果内存带宽不够再高的算力也会变成“端着金碗要饭”。Orin X用了LPDDR5实测带宽大概204.8GB/s这在2022年算顶级到了2025年Thor和征程6P都在带宽上做了大幅升级Thor支持LPDDR5X、带宽超过500GB/s。功耗方面Orin X的典型功耗是45-65WThor则冲着100W以上去。对应到整车上就是散热设计、电池续航、整车成本的一系列连锁反应。所以车企在选型时不是选“算力最高的”而是选“功耗和散热扛得住的”。国内很多20万级车型最终没有上Thor而是选了Orin或征程6很大一部分原因就是Thor的散热方案太贵、太复杂。延迟方面智驾对感知到规划控制的端到端时延要求达到毫秒级芯片的“推理流水线”设计、数据通路、中断响应都会影响时延。这个参数你在规格表上看不到只能通过实际跑模型来测。我见过有方案标称算力极高但端到端时延比英伟达高一倍原因就出在数据搬运和任务调度的设计上。4. 从开发者视角看选型工具链比纸面参数更致命4.1 我为什么提醒你别只看排行榜如果你只是买车那排行榜看个乐子就行。但如果你是车厂、Tier 1、算法公司的人做智驾芯片选型时我的建议是反过来先别管算力多少先拿自己的算法模型在这颗芯片上跑一遍部署测试看三件事第一编译器对主流模型的支持度。PyTorch导出的ONNX模型在这个平台上能不能一步到位转成推理引擎还是说需要手动改算子第二算子库的丰富程度。BEV、Transformer、Sparse Conv、多模态大模型这些常见结构官方有没有跑通的示例和优化库第三技术支持响应速度。论坛有没有人回答FAE邮件几天回出了问题有没有现场支持这三件事我在实际调研中对比过英伟达、地平线、华为和Mobileye。英伟达和华为是第一梯队地平线成长极快Mobileye在这方面的开放性最差。4.2 工具链成熟度对比CUDA生态的护城河做智驾算法部署的人对英伟达环境的熟悉程度不用多说。PyTorchCUDATensorRT这个技术栈几乎是智驾算法工程师的“标准配置”。Orin、Thor虽然是车规级芯片但它的软件API、开发流程跟CUDA保持着高度一致性算法团队从云端训练环境切换到车端部署环境学习成本非常低。华为昇腾用的是自研的CANNCompute Architecture for Neural Networks配套MindStudio IDE和MindSpore框架。跟CUDA比文档和社区规模还差一个量级但华为把这些年从AI大模型、昇腾训练集群上积累的优化经验全都灌进了CANN里对Transformer、混合专家模型MoE等结构的支持非常激进。如果你的团队有原生的AI Infra能力上手昇腾并不是太难。地平线的工具链叫“地平线RTKinetic”征程6系列配套整体思路是“算法到工具链一体”的开放平台。它的开放性比英伟达更彻底——你甚至可以直接操作BPU内部的算子流水线。但这也意味着对使用者的底层能力要求更高。用了半年以上我发现网上能查到的资料还是偏少问题大多要自己啃文档或找FAE。开发者的时间是成本谁的SDK让人少加班谁就能赢得量产订单的隐性竞争。这句话在芯片选型里永远成立。4.3 开发环境实操Ubuntu上的英伟达驱动那些破事说完选型聊点更贴近地面的东西。智驾芯片的开发基本离不开英伟达的GPU卡和CUDA环境但英伟达在Linux下的驱动和开发环境真是一言难尽。我在Ubuntu 22.04上就踩过不少坑这里一并讲掉希望你能绕开。先说我个人碰到的最典型问题显卡控制面板闪退。在Ubuntu 22.04下装好NVIDIA驱动后打开nvidia-settings经常直接崩溃尤其是打开“X Server Display Configuration”页签时闪退概率极高。这个问题大多数时候是“驱动版本和Xorg版本不匹配”导致的尤其是用runfile方式手动安装驱动没有处理好系统里残留的开源驱动nouveau。另外一个高发问题是升级驱动后系统进不去桌面。Ubuntu 22.04的内核版本跟较新的NVIDIA驱动偶有兼容性冲突特别是你只替换了驱动deb包却忘了同步升级内核模块时重启大概率卡在黑屏或者登录界面循环。解决办法是进Recovery模式用nvidia-uninstall卸载驱动重新装。关于“DP固件”这个词很多人在Ubuntu下用DP接口接显示器时遇到黑屏或分辨率异常会怀疑是英伟达的DP固件有问题。这确实是存在的场景——部分老款NVIDIA显卡在支持高刷新率DP输出时需要更新DP固件NVIDIA官方也发布过针对性的固件更新工具可以刷到显卡的vBIOS中。但注意这是PC显卡层面的开发调试工作跟智驾芯片没有直接关系不要在搞错方向的前提下瞎折腾。顺带说一下NVIDIA核内总线。这里的“总线”通常指GPU与CPU之间的PCIe总线或者多卡互联的NVLink。在智驾开发里核内总线关系到训练服务器和仿真平台的搭建。比如你用4卡或者8卡做自动驾驶模型训练PCIe通道数不够就会导致多卡通信瓶颈用NVLink做多卡直连时性能提升非常明显但功耗和散热也得重新评估。给一份我自己验证过的Ubuntu 22.04 英伟达驱动升级步骤长期做智驾训练环境维护的同学可以存一下先查看当前GPU和驱动信息记住自己的驱动版本和CUDA版本别盲目升级nvidia-smi。卸载旧驱动sudo apt remove --purge nvidia-*或执行官方卸载脚本然后重启。禁用开源驱动nouveau写入黑名单文件/etc/modprobe.d/blacklist-nouveau.conf并写入两行blacklist nouveau、options nouveau modeset0执行sudo update-initramfs -u。安装推荐驱动sudo apt install nvidia-driver-550具体版本号按官方推荐来或者从NVIDIA官网下载runfile手动安装。我个人的经验生产环境尽量用apt源装的驱动runfile虽然新但升级和卸载都麻烦。安装后执行nvidia-smi确认GPU和驱动状态正常。如果出现控制面板闪退先试试sudo nvidia-xconfig重新生成配置文件再重启看看。装CUDA Toolkit的时候用conda管理环境里的cudatoolkit别去动系统级的/usr/local/cuda这样可以避免驱动和CUDA版本错配的连环坑。4.4 从开发板到量产域控中间隔着一座山很多团队在开发阶段用Orin开发板AGX Orin做算法验证一切顺利后以为上到量产域控就是“改改功耗配置”的事。实际根本不是这样。开发板环境跟你最终的量产域控在内存带宽分配、CPU频率策略、散热限制、Fast Boot流程、OTA升级安全机制上完全不同。我见过有团队在开发板上测试模型FPS是80上到量产域控同样芯片只剩45原因就是量产域控的调度策略限制了CPU频率和GPU/BPU的峰值功耗。你必须在量产域控上重新做一遍性能优化和功耗校准。这件事也在侧面印证选购智驾芯片要看芯片厂商有没有提供“从开发板到量产域控的完整工具链支持”而不只是看它发了多少块开发板。5. 常见问题和避坑实录5.1 算力越高体验就越好吗很多人以为高阶智驾高算力芯片这是最大的误区。我实测过用200 TOPS级别地平线征程5的车型城市NOA表现比某些用Orin X的车型还流畅。原因很简单AI算法、传感器标定、数据闭环、控制策略对最终效果的影响大于芯片本身的算力上限。芯片只是“下限保障”算法和数据才决定“上限体验”。所以选车的时候与其纠结是Orin X还是Thor不如去看这辆车实际跑起来的城市NOA视频。芯片没跑通之前算力高低都是纸上谈兵。5.2 端到端大模型时代上Thor还有必要吗2025年最热的智驾路线是端到端大语言模型LLM这对芯片的影响有两个极端一方面端到端模型需要的算力越来越大顶配车型上Thor确实有战略储备价值另一方面端到端模型的推理可以通过量化蒸馏大幅压缩算力需求很多车型用征程6P、Orin甚至昇腾610就能跑出接近的效果。我个人的判断是未来两三年不会出现“非Thor不可”的应用场景。堆算力的边际收益会越来越低高效利用现有算力才是主流方向。5.3 多芯片冗余一条被低估的安全路线最后补一个行业“隐秘”知识英伟达Orin和Thor支持多芯片级联方案。你可以在一个域控里放两个Orin实现算力冗余或者主备切换。这也是英伟达车端方案的一个设计哲学——智驾是安全系统安全冗余比绝对算力更重要。国内真正把多芯片冗余做好的方案不多但如果你在做L3级以上的量产方案一定要注意芯片平台是否支持“高可用”模式。这不是芯片算力排名能体现出来的却是最影响量产通过率的一项能力。5.4 智驾芯片选型自查清单如果你正好在给项目选芯片我总结了一份自用清单拿过去就能用算力确认稀疏/稠密口径跑一遍自己的模型验证真实帧率。内存看带宽和数据吞吐尤其是BEVTransformer这种大内存密集型模型。功耗与散热确认量产域控的散热方案能否压得住峰值功耗别只看开发板。功能安全芯片是否支持ASIL-B/D等级有没有锁步核、安全岛设计。工具链编译器、算子库、文档、FAE支持、社区活跃度。生态绑定芯片方案会不会锁死你的中间件和算法栈未来切换平台成本高不高。供应链芯片交期和价格波动有没有“第二供应商”备选。做智驾芯片选型这些年我越来越觉得一个道理排行榜只能反映“过去的成绩”而真正决定未来的是芯片厂商能不能在你量产的那天给出足够靠谱的软件、工具和服务。英伟达这两年的确还在高速迭代但华为、地平线、高通这些追赶者已经不再只是“PPT玩家”。从我接触到的一线项目来看2025年下半年到2026年国产智驾芯片的上车规模会有一个比现在大得多的爆发到时候主流智驾芯片排行榜的头部格局大概率会跟今天不太一样。最后说一个切身感受做智驾芯片开发的过程中我踩得最深的坑是“过早相信纸面参数、过晚验证工具链”。真正想不被卡脖子不光是选一颗算力够强的芯片更是选一个能陪你到底的生态伙伴。希望这篇排行梳理和避坑经验能让你在看榜单和选方案时少一些迷茫多一些自己的判断。