据公开数据，2024年全球车载计算与智能驾驶相关芯片市场规模约120亿美元，年增速在25%左右[样本有限]。我坐在试驾车里，仪表灯光微暖，手指在方向盘边缘滑过，金属边缘带着一点热的触感，像一次短促的心跳。
同事小张：’Thor芯片能按时到吗？’ 我笑道：’日程写得漂亮，落地还得看供应链。’
试驾队长低声说：’数据怎么跑？’ 我答：’这台车的感知要靠灯光和路面标线的配合。’
关于数字，我做了些粗算，给你们一个场景：Thor自称700 TOPS的算力，实际交付却在500 TOPS上下波动[样本有限]；华为智能车BU去年营收264亿元[体感/公开披露]；Momenta用1个月把一个全程零接管的方案调好[体感]；奔驰NOA测试里，英伟达方案在路试里还显得慢半拍——这串数字像信号灯，告诉你现实和宣传之间的距离。
同价位的两款车里，走英伟达+多传感器路线的那辆，和走自研+纯视觉路线的那辆，在实操里差别挺直接。夜间感知、雨天路况识别的鲁棒性差异明显：前者在湿滑路面容易误判，后者在城市拥堵时的跟车和变道更顺滑。这不是谁更聪明，是谁更愿意按实际路况调整，对吧？你若是买车主，看到这两种体验，会不会更在意实际路上跑起来的稳定性，而不是纸面算力。
供应链和研发这两件事，像家里做饭和买肉的两条线。买肉要提前下单、排队、验货；做饭要讲火候、盐度、时间，芯片和算法其实就是锅和火。你给算法投多少数据，给芯片投多少算力，决定了汤到底酸不酸、热不热。说到这，我也想起一个小场景：有时候你搭一个环，结果蛋糕没成型——只是因为一个锅太小，火力也不稳。这就像芯片里对时序、对带宽的把控，一旦跟不上软件迭代，问题就会像锅里的汤一样溢出来。
一处自我更正：我前面说自研就能把话事权握起来有点过。路并非只有单一捷径，英伟达的生态和规模确实有不可忽视的优势，延期、成本、合作方式的问题也真实存在。真正的要点，是节奏与适配，不是换芯片就能翻盘的简单公式。也就是说，软硬件要配对地快，而不是各自为政地跑自己的剧本。
（这段先按下不表）
你们怎么看：车企要不要坚决走自研？
如果你是购车者，愿意为自研芯片的车多付一点钱吗？
智能汽车要真的落地，成本会不会被用户账户里的一次OTA更新吃掉？
有点小情绪：这事儿真麻烦，拖来拖去的节奏总让人怀疑，究竟是技术进步，还是话术进步？但又有点暖，看到自研路线的人在默默往前走。
临场小计算：假设电动车纯电驱动，按100公里用电量15 kWh，电价0.8元/度，成本约12元/100公里。若你年跑8000公里，这项电费大约能省到个位数撑不起热情的那种地步，但对比成本波动，还是有意义的。若某次测试需要额外的算力来跑大模型，若耗电增加5 kW，持续1小时，额外电费约在8–12元区间（按0.8元/度、1小时≈5kWh的保守估计），也算是落地成本的一个小触点。
维修工阿豪对我说过一句轻飘飘的话：这代车最难调的，是底盘和传感的配合，别把螺丝拧太紧，也别拧太松，整不好就像失手的调音。这话听起来像摆在店门口的广告牌，但细想确实有道理——要让算法别越界，需要硬件给足韧性。
我刚才翻了下笔记/相册，看到测试现场的一张小票：温度计显示37℃，风扇在舱内嗡嗡转，桌上放着被吹凉的一杯茶。那一瞬，灯光像把温度抹回到现实：技术越高，现场越要有温度，才能让驾驶变得像人一样开车。
所以我想问，你认为什么样的软硬件协同才算真正落地？是更强的自研芯片、还是更强的生态协同？英伟达能不能在中国市场学会慢半拍也要准，还是中国车企的自研脚步，注定要把这场博弈带到另一层级？
最后一句话给你一个画面：在城市夜色里，两辆车并排走，一辆车的感知像夜灯下的镜头，另一辆像人眼的直觉，谁更安稳？你愿意让芯片决定你的驾驶体验，还是愿意让它成为你日常里更熟悉的风景？
全部评论 （0）