比亚迪璇玑 A3 拆解：车企开始争夺 AI 芯片定义权
一句话看懂：比亚迪于5月28日发布了中国首款4nm智驾芯片“璇玑A3”，其真正意义并非中国车企攻克了先进制程，而是越来越多的汽车公司正在争夺下一代AI芯片的定义权——自研芯片的逻辑，正从降本安全转向对计算范式的掌控。
事件核心：发生了什么
比亚迪发布了自研的智驾芯片“璇玑A3”，制程标称为4nm，CPU采用16核心架构，算力达420K DMIPS。根据产业逻辑推测，该芯片大概率由台积电代工（可能是N4C工艺，N5家族的衍生版），而非比亚迪自有晶圆厂生产——比亚迪位于成都的12英寸厂原规划生产3D NAND（30-50nm工艺），转型4nm需要全换设备，成本过高。真正值得关注的不是制程本身，而是NPU架构上的创新：基于公开参数（32×8 MAC阵列、强调稀疏计算效率），璇玑A3可能采用了“小核心”路线，即多核心、小阵列的分布式设计，专门适配汽车场景中大量无效数据（天空、路面背景）导致的稀疏计算问题。
为什么重要
汽车行业正从“英伟达Orin用五年”的稳定期，进入以世界模型、VLA（视觉-语言-行动模型）、DiT（扩散Transformer）、端侧Agent为代表的快速迭代期。传统通用GPU在这些新架构下效率极低——例如扩散模型在Batch=1的真实驾驶场景中，GPU利用率不到15%。车企自研芯片，本质是在争夺“定义下一代计算范式”的话语权：英伟达和高通卖的是通用算力，目标是适配所有场景；车企自研则只需让自己的算法跑得最好。继蔚来、理想、小鹏之后，比亚迪（作为年产超300万辆的主流车企）下场，意味着这场芯片定义权的争夺，已从新势力扩大到整个新能源阵营。
对用户/开发者/创作者的影响
对终端用户而言，芯片定义权的转移短期内不直接影响购车选择，但会加速智驾功能的迭代速度——自研芯片能更快针对最新算法（如世界模型、端侧Agent）进行优化，意味着更短的OTA升级周期、更强的复杂场景处理能力。对算法开发者而言，车企自研芯片意味着“软硬协同”将成为必备技能：固定架构的通用芯片（如Orin、Thor）会被持续优化中的自定义NPU替代，开发者的算法适配工作量可能增加，但推理效率有望成倍提升（如75%稀疏度下可达2.5倍加速）。对硬件供应链关注者而言，需留意：小核心架构虽然灵活，但面积和成本是传统大核心方案的2-5倍，这意味着自研车企在算力成本上并无优势，真正的胜负手在于算法-芯片-模型的协同效率。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 代工细节是否公开：目前公开信息无法确认璇玑A3的晶圆代工方，若官方后续披露为台积电N4C工艺，则印证“先进制程依赖外部合作”的逻辑；若比亚迪坚持自产，需关注成都工厂的转型进度。2. 小核心架构的实际效果：“小核心”在学术上虽有加速优势（如75%稀疏下2.5倍加速），但在实际车规级量产中，软件生态和编译器工具链的成熟度远低于GPU，这将直接影响车型落地节奏。3. 竞品跟进与生态分化：蔚来、理想、小鹏均已发布自研芯片计划，若比亚迪验证“小核心+稀疏计算”路线的有效性，可能导致更多车企放弃通用GPU路线，转向定制化芯片，加速车用AI芯片市场的生态分裂。
来源：Readhub · AI
