一句话看懂：Waymo 已为旗下自动驾驶出租车自研了一款算力超过 1000 TOPS 的定制芯片，并已在新一代车型上投入使用，目的是降低对 Nvidia 和 AMD 芯片的依赖。
事件核心：发生了什么
据 Bloomberg 报道，Alphabet 旗下自动驾驶子公司 Waymo 已成功开发出自有芯片，并已装配于其最新一代 Robotaxi 中。该芯片由台积电（TSMC）采用 5 纳米工艺制造，算力超过 1000 TOPS（每秒万亿次操作），与 Nvidia 当前一代自动驾驶平台的算力水平相当。Waymo 表示，新芯片能够更快地处理传感器数据，并高效运行帮助车辆理解与响应周围环境的 AI 模型。
此前，Waymo 的自动驾驶系统主要依赖 Nvidia 和 AMD 的芯片。此次自研芯片率先搭载于 Waymo 与国内车企极氪（Zeekr）合作打造的新一代 Robotaxi 车型上，发布时间为 2026 年 8 月。Waymo 明确表示，自研芯片的核心动机之一是为了降低单车硬件成本。
为什么重要
这是自动驾驶行业头部玩家在算力供应链上的一次关键转向。过去，Waymo 与大多数 Robotaxi 公司一样，在 L4 级自动驾驶系统中大量采用 Nvidia 的 Orin 或 Thor 芯片。自研芯片意味着 Waymo 在核心算力部件上不再完全受制于第三方供货周期和定价策略，有机会将硬件成本压缩到更低水平——这对于需要大规模部署车队的 Robotaxi 商业模式至关重要。
从行业格局看，这一事件也释放了一个明确信号：随着自动驾驶算法走向成熟，头部玩家开始将差异化竞争从算法层面延伸到算力层面。Waymo 选择在 5 纳米工艺上做到 1000 TOPS 级别，说明它并不追求在算力数值上领先，而是以“够用且可控”为设计目标，这比单纯堆参数更贴近量产需求。同时，这对 Nvidia 来说也是一个警示：当最大客户开始自研芯片，单纯出售算力硬件的模式在自动驾驶赛道将面临更多挑战。
对用户/开发者/创作者的影响
对普通出行用户而言，这一变化最终指向的是 Robotaxi 的规模化运营。更低的芯片成本如果能传导到整车成本，长途或高频次的自动驾驶出租车定价可能更具竞争力；同时，算力与算法的高度耦合有望带来更流畅、更安全的乘车体验。不过，这一影响需要等待新车型实际投入运营后才能验证。
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。
对自动驾驶领域的开发者和硬件从业者来说，Waymo 自研芯片的成功带来了一个更直接的信息：在 L4 级场景中，通用的车规级 AI 芯片并非唯一选择。如果头部企业可以基于自身算法特性定制硬件，那么未来行业可能会分化出“通用算力平台”与“专用定制算力”两种技术路线。中小型自动驾驶公司短期内仍然会依赖 Nvidia 等供应商，但硬件方案的选择空间正在变大。
值得关注的后续
目前公开信息显示，Waymo 自研芯片已在新一代极氪车型上运行，但尚未公布该车型的大规模投放时间表。以下几点值得持续跟踪：
第一，实际成本下降幅度。自研芯片的研发成本需要出货量摊薄，如果新车型仅在小范围内运行，单颗芯片的成本优势并不明显。第二，Nvidia 和 AMD 是否会调整针对 Robotaxi 客户的定价策略或推出更激进的定制化方案来留住大客户。第三，Waymo 是否会把这套自研芯片方案授权给其他自动驾驶公司，从“自用”走向“对外供应”，这将直接改变自动驾驶算力市场的竞争结构。
