汽車智能化的下半場競爭，早已從整車硬體堆砌、演算法迭代，下沉至最核心的底層硬體博弈。長期以來，高端車規級智駕晶片市場被海外巨頭牢牢把控，中國車企深陷“硬體外購、演算法適配”的被動局面，高階智駕的普及成本、迭代節奏始終受制於人。

2026年5月28日，比亞迪深圳總部“敢為”智能化戰略發佈會，徹底打破了這一行業格局。隨著首款自研4nm車規級智駕晶片“璇璣A3”正式亮相，中國首款規模化量產的4nm車規智駕晶片誕生。這不僅是比亞迪二十餘年晶片自研之路的里程碑成果，更標誌著中國車企正式突破高端車規晶片技術壁壘，開啟了晶片全端自研、軟硬體深度協同、智駕技術普惠的全新行業周期。

01  一、跳出通用算力內卷：NPU架構定義智駕晶片新範式

當前行業主流智駕晶片普遍沿用消費級GPU通用架構，這套方案成熟度高、適配性廣，但弊端愈發凸顯：冗餘算力過多、AI場景運算效率偏低、功耗控制難以適配車載嚴苛場景。在高階智駕對即時算力、低延遲、高穩定性的極致需求下，通用架構的短板已經成為智駕體驗升級的核心瓶頸。

比亞迪璇璣A3的核心突破，並非單純堆砌算力參數，而是架構路線的底層革新。不同於行業主流選擇，比亞迪堅定採用專屬NPU神經網路處理器架構，針對自動駕駛高頻AI運算算子進行硬體硬化處理，將原本需要軟體編譯、反覆調度的計算流程，直接固化為硬體底層能力。

這種架構差異帶來的體驗革新極具顛覆性。在700 TOPS單顆算力的基礎上，璇璣A3擺脫了通用晶片“算力虛高、利用率偏低”的行業通病。依託比亞迪自研底層演算法的深度適配，晶片算力利用率直接提升100%，同等算力下可實現更複雜的路況感知、更精準的決策規劃、更快速的指令響應。三顆晶片協同工作時，整車總算力可突破2100 TOPS，完全滿足L3、L4級高階自動駕駛的全場景運算需求。

更關鍵的是，專屬NPU架構實現了算力與能效的完美平衡。實測資料顯示，璇璣A3單位算力功耗較同級競品降低20%，達到行業頂級能效水平。更低的功耗意味著車載系統發熱更少、續航損耗更低，徹底解決了高算力智駕晶片“高功耗、高發熱、穩定性差”的行業痛點，讓高階智駕可以長期穩定運行。

02  二、硬核參數突圍：4nm車規工藝，比肩消費級2nm研發難度

車規晶片與消費級晶片有著本質區別。手機、電腦晶片追求極致峰值算力，而車規晶片的核心訴求是極端環境穩定性、長期運行可靠性、功能絕對安全性。這也是為何消費級3nm、2nm晶片早已商用，而4nm車規級晶片遲遲難以落地量產的核心原因。

為直觀體現璇璣A3的行業硬體水準，結合製程、算力、配置、安全與量產狀態，將其與輝達Thor、Orin-X、理想馬赫M100等主流旗艦智駕晶片進行全方位對比，參數差異清晰展現其差異化競爭優勢：

正如比亞迪董事長王傳福所言，璇璣A3採用的4nm車規級製程，研發難度等同於消費電子2nm晶片。為適配車載高溫、低溫、顛簸、電磁干擾等嚴苛工況，這款晶片在製程工藝、封裝測試、安全冗餘上完成了全維度升級，最終成功拿下汽車行業最高功能安全等級ASIL-D認證，實現了全場景、全工況的安全穩定輸出。

橫向對標行業主流旗艦晶片，璇璣A3的綜合實力穩居第一梯隊，走出了一條“均衡無短板”的技術路線。在製程上，4nm工藝領先輝達Orin-X的8nm、理想馬赫M100的5nm，製程優勢直接奠定能效與穩定性基礎；在核心配置上，16核CPU架構兼顧運算性能與調度效率，273 GB/s記憶體頻寬保障海量路況資料、感測器資訊的高速傳輸，避免資料擁堵延遲。

相較於輝達Thor 1000-2000 TOPS的超高算力、理想馬赫M100 1280 TOPS的峰值參數，璇璣A3並未盲目追求算力極致，而是聚焦車載真實場景需求。其優勢不在於紙面參數碾壓，而在於有效算力、實用能效、落地穩定性的全方位領先，是一款完全貼合整車智駕場景、適配民用車型規模化落地的旗艦晶片。

03  三、全端自研閉環：二十載積澱築牢量產護城河

行業內不乏車企試水晶片自研，但大多停留在架構設計淺層階段，難以實現自主可控和規模化量產。璇璣A3的成功落地，絕非單點技術突破，而是比亞迪二十餘年晶片技術積澱、全產業鏈佈局的必然結果。

在研發層面，比亞迪已建構起超7000人的專業晶片研發團隊，深耕車規晶片領域二十餘年，累計迭代推出567款車規級晶片，積累了海量車載場景適配資料與技術經驗，徹底摸清了車規晶片從架構設計到場景落地的全鏈路邏輯。

在產業鏈佈局上，比亞迪打造了清晰可控的供應鏈閉環：璇璣A3的晶片定義、架構設計、演算法適配全部由比亞迪半導體全端自主完成，掌握核心智慧財產權；晶圓製造由台積電代工，保障頂級製程工藝；最終封裝測試由比亞迪自主完成，嚴格把控量產品質與穩定性。同時，比亞迪佈局5座晶圓製造工廠，形成了完善的晶片量產配套能力，徹底擺脫海外供應鏈制約。

相較於多數車企“設計外包、生產外包、適配外包”的模式，比亞迪的全端自研體系，不僅實現了核心技術自主可控，更大幅壓縮了晶片採購與適配成本，為後續智駕技術普惠奠定了硬體基礎。目前璇璣A3已實現規模化量產，相較於輝達Thor等僅發佈未量產的產品，在落地速度、商業化能力上形成了絕對優勢。

04  四、重構行業格局：智駕平權與安全兜底雙突破

長期以來，高階智能駕駛是高端車型的專屬配置，高昂的晶片採購成本、演算法適配費用，讓7萬元級、10萬元級家用車難以搭載高階智駕功能，行業陷入“高端車獨享智能、家用車侷限基礎輔助”的分層困境。璇璣A3的量產落地，徹底打破了這一價格壁壘。

依託自研晶片的成本優勢，比亞迪正式開啟全民智駕時代。發佈會官宣全系車型可選裝“天神之眼B”輔助駕駛雷射版，選裝價格僅12000元，直接將頂級高階智駕技術下放至7萬元級家用車型。這一舉措顛覆了行業定價邏輯，終結了高階智駕的溢價時代，讓普通消費者也能低成本享受旗艦級智能駕駛體驗，真正實現“智駕平權”。

在普及智駕技術的同時，比亞迪更解決了行業核心痛點——使用者安全焦慮。當前L2+、L3級自動駕駛普及緩慢，核心癥結不僅是技術短板，更是事故責任界定模糊的行業難題。為此，比亞迪推出行業首創的城市領航安全兜底服務，明確使用者合規使用前提下，因智駕功能故障引發的事故，由比亞迪承擔直接經濟損失。

璇璣A3的硬核硬體實力，搭配自研演算法的軟體優勢，再加上行業首創的安全兜底機制，形成了“硬體+軟體+保障”的完整智駕解決方案，為L3、L4級高階自動駕駛的規模化落地掃清了技術與市場雙重障礙。

05  五、行業終局：從硬體依賴到全端自主的時代躍遷

電動化浪潮中，比亞迪憑藉電池技術實現了整車硬體自主可控；而璇璣A3的量產落地，則標誌著比亞迪在智能化領域完成了最核心的底層突破，正式實現電池+晶片+整車+演算法的全鏈路垂直整合。

在此之前，中國車企的智能化競爭，本質上是“海外晶片的二次適配競爭”，核心硬體掌握在海外巨頭手中，迭代節奏、功能權限、定價體系均受制於人。而璇璣A3的誕生，讓比亞迪成為中國少數、全球為數不多可自主提供高端車規智駕晶片、完整智駕解決方案的車企，具備了與輝達等國際巨頭同台競技的核心實力。

從行業維度來看，璇璣A3的意義遠超一款晶片的技術突破。它不僅填補了中國4nm量產級車規智駕晶片的空白，更樹立了中國國產汽車智能化的全新標竿，驗證了中國車企全端自研的可行性與落地能力。未來，隨著璇璣A3的大規模裝車應用，比亞迪將持續通過OTA迭代釋放晶片算力潛力，不斷最佳化智駕體驗，推動中國國產汽車智能化從“跟隨模仿”走向“自主引領”。

智能化下半場，核心在晶片，勝負在自研。璇璣A3的破局，不是一次簡單的產品更新，而是中國汽車產業從硬體組裝到核心技術自主的時代跨越，為整個行業的智能化轉型注入了核心底氣。     (AI雲原生智能算力架構)

中國第一顆車規級4奈米智駕晶片，橫空出世：從自主研發、設計、測試完全自主完成。

三顆組合超2100 TOPS，但更重要的是對比通用GPU架構，單位功耗低20%，結合自研演算法，深度最佳化算力資源利用率提升100%。

算力榜上的TOPS不再是唯一的信仰。

AI汽車競爭，從“買誰家的晶片”、“多大算力”變成了“誰真正懂自己的晶片”。

而最令人意想不到的，第一顆4nm智駕晶片，竟然出自以前那個被認為技能點全點在電動化的比亞迪——王傳福。

中國最先進製程智駕晶片，出自比亞迪

璇璣A3採用4nm車規級製程，全球車載AI計算晶片中，是和輝達Thor同處T0梯隊的等級。

其實自研計算晶片，無論從比亞迪自身技術實力、技術發展趨勢還是比亞迪一貫的垂直整合戰略出發，發佈會之就已經是一個“公開的秘密”——不做，才是出人意料的big news。

但比亞迪最終拿出的產品方案，還是給了所有人震撼：

製程、算力除了此前的普遍預期——多數人推測比亞迪首款智駕晶片能對標輝達Orin（254 TOPS），或者地平線J6M，主要解決中低介輔助駕駛問題。

但璇璣A3直接邁向了Thor所在的段位，並且在先進製程這一項，領跑了中國玩家陣營。

更重要的，這顆晶片的自主研發、設計、測試全部由比亞迪自主完成，輔助駕駛全鏈路可控，並且已經規模化量產。

解釋一下這些參數的實際含義。

製程大家最熟悉（4nm）決定了電晶體密度和能效，數字越小性能上限越高。王傳福給出的解釋是，車規級4nm的技術難度大致相當於消費電子領域的2nm。

這句話並不是嚴格的技術定義，而是一句通俗易懂的類比，邏輯在於車規級晶片在同樣先進製程（如4nm）下，其設計與製造難度是一個跨越式的疊加。

因為車規級晶片不僅是“更高性能”的晶片，本質上是 為“安全”而生的專業晶片，尤其是在4nm這樣的先進製程上，設計時必須引入大量的冗餘設計和容錯電路、製造中也會使用更昂貴的材料，並增加特定的工藝步驟。

CPU部分為16核，420K DMIPS，負責全域調度和邏輯決策，這個算力足以同時處理智駕、座艙、車身控制的複雜任務。

記憶體頻寬273GB/s，配合自研匯流排，硬體支援可納秒級低延遲。

單位算力功耗比同級產品低20%，意味著同樣計算任務下發熱更少、系統穩定性更高。

算力利用率提升100%則是容易被忽視但非常關鍵的一點，這涉及到璇璣A3本質：NPU（神經網路處理單元），專為AI推理設計，而非從圖形渲染衍生而來的通用GPU。

通用晶片為了相容多種客戶需求必然存在架構妥協，而璇璣A3針對比亞迪自研演算法深度定製，使得同樣的理論算力能夠跑出兩倍的有效性能。

NPU的優勢在於將矩陣乘法、摺積等AI常用算子直接硬化，同樣的電晶體面積能產出更高的有效算力。同時針對比亞迪自研演算法肯定會深度定製，使得同樣的理論算力能夠跑出更高的有效性能。

自主最先進製程車載智駕晶片，的確夠重磅，但從算力本身來看，絕對數值不是No.1。

而真正讓璇璣A3區別於其他方案的，不在製程和算力，是能效和利用率上的差異化路線——大力出奇蹟比拚理論峰值TOPS時，比亞迪把重心放在了“實際有效算力”上。

比亞迪的璇璣A3，能稱為AI汽車“芯皇”嗎？

技術路線上，璇璣A3選擇了專用NPU，而非輝達Orin、Thor那樣的通用GPU衍生架構。

GPU最早是為了做圖形渲染而生的，擅長同時處理海量相似的任務在黃仁勳的帶領下，輝達把GPU變成了通用平行計算平台，使得GPU不但可以做圖形相關的任務，還可以做科學計算、數學分析以及AI訓練。

這也是輝達有如今江湖地位的根基。

而NPU中文叫神經網路處理器或者AI加速器。相比於GPU， NPU更加的注重 AI 相關的任務。

如果把GPU和NPU都看成工人的話， GPU就像經驗更豐富一些的老師傅，會幹很多東西，效率比較高。

NPU則是專門訓練過的流水線工人，技能單一，但是專注的做一件事情且效率極高——高效運行AI模型。

通用GPU的優勢是生態成熟、工具鏈完善、客戶接受度高，但代價是為了相容不同車企、不同演算法、不同模型，硬體資源必須保持一定的“靈活性”，這種靈活性是以面積和功耗為代價的。

它把矩陣乘法、摺積、啟動函數等算子直接“硬化”，省去了圖形渲染和通用計算的冗餘邏輯。同樣的電晶體數量，NPU能產出更高的實際算力；同樣的算力需求，NPU功耗更低。這就是璇璣A3單位算力功耗低20%、算力利用率提升100%的根本原因。

這種專用架構帶來的體驗提升首先體現在削弱延遲上。

城市領航場景中，從感測器採集到決策執行，中間要經過感知、預測、規劃、控制等多個環節，每一步都涉及大量計算。算力不夠或架構效率低，系統就會“猶豫”——被加塞、在複雜路口磨蹭、該繞行時不敢動。

璇璣A3的3核NPU原生支援Transformer大模型，能配合自研匯流排實現納秒級資料調度。發佈會上展示的實測中，搭載璇璣A3的車輛在深圳坪山老街穿行，面對突然竄出的電動車、路邊臨停車輛、窄道多把掉頭等場景，表現出的是“絲滑”而非“機械”：

更低延遲還意味著更高的安全下限。人類的反應時間約300到500毫秒，普通智駕系統可壓縮到100毫秒左右，而專用NPU可以進一步縮短這個窗口。反應越快，留給系統的安全余量就越大——多出幾十毫秒可能就是剎住與撞上的區別。

王傳福在發佈會上給出的“兜底”承諾：

“在城市領航期間，只要你因為輔助駕駛導致的交通事故，比亞迪將全額賠付應由本車承擔的經濟損失，不設上限”。

不是比亞迪財大氣粗，而是底層技術架構支撐起的信心。

專用NPU帶來的不只是低延遲。更高製程、更專用的架構，讓璇璣A3在硬體層面具備了超越當前L2輔助駕駛的能力邊界。配合比亞迪已經佈局的十重冗餘架構、超千線雷射雷達、閃拍攝影機等感測器，它事實上已經為L3/L4做好了準備——只待法規落地，硬體能力就能直接釋放。

這就是專用NPU路線的核心價值：

不是去和通用GPU比誰的理論算力更高，而是用更少的電晶體、更低的功耗，跑出更多的有效計算；用為AI量身定製的硬體，去支撐更複雜的模型、更快的響應、更高的安全上限。

璇璣A3的差異化，恰恰體現在這裡。

王傳福這顆晶片，威力夠大嗎？

AI浪潮從汽車向更廣闊的物理AI延伸浪潮中，比亞迪不是第一個拿出自研底層算力方案的玩家。

但從更深遠的技術、產業以及使用者角度，璇璣A3卻是迄今為止，威力最大、影響最深遠的。

首先是對比亞迪自身來說，“全端自研”，真正能做到從電池、電控到整車架構再到智駕晶片全鏈路自研的企業屈指可數。

此之前，這個名單上主要是特斯拉、華為，以及部分環節上的蔚小理。現在比亞迪正式加入這個“夯爆了”名單。

但比亞迪與其他車企，尤其是以高舉AI旗幟的新勢力相比，護城河又更深一層：

同時擁有5座晶圓製造工廠、7000人晶片研發團隊、覆蓋13大類567款車規級晶片的產品矩陣，以及46個外部車企品牌。

任何車企都可以復刻座椅、空調、車燈的垂直整合，可以自研智駕演算法，甚至也可以流片一顆晶片，但要在晶片設計、製造、封裝、測試全流程上同時具備這樣的規模和經驗，能跟的玩家寥寥無幾——

這也同時意味著，智能化“普及”，比亞迪還有更多難以想像的殺手鐧。

對使用者而言，這顆晶片帶來的不是紙面上的參數，而是更低的價格——全系可選裝城市領航，選裝價僅12000元；更安全的保障——官方兜底意味著事故賠償責任由車企承擔；

更流暢的OTA迭代——自研晶片使演算法更新不再受制於供應商的節奏。

跳出汽車工業，比亞迪的璇璣A3對於整個AI科技革命的發展，可能是改變其局的關鍵轉折。

自動駕駛晶片，或者廣義的AI計算晶片領域存在兩條路線之爭：通用GPU和專用NPU。

輝達憑藉CUDA生態和先發優勢拿下了絕大多數的訂單。自研NPU則是少數實力玩家發現通用GPU不能滿足自身對技術極致探索的需求後，開闢的新戰場。

比如Google自研TPU用自己在資料中心的海量資料，驗證了ASIC路線在AI推理場景中的優越性。

而比亞迪和Google唯一的區別是，Google的TPU跑在數字世界，比亞迪的璇璣A3跑在物理世界。

所以，比亞迪自研璇璣A3，不但是直接改變了GPU/NPU陣營力量對比的大事，更是專用AI加速器在物理AI場景中的首次超大規模驗證——這是比所有新勢力年銷量加在一起還要龐大的搭載規模。

從更廣的視角看，璇璣A3的意義超越了車載晶片的範疇。

它意味著，一家以電池起家的公司用24年的時間，完成了從能源到計算的全端閉環。它意味著，中國車企在智駕晶片最高製程領域有了可以與輝達正面對話的量產產品。

它更意味著，物理AI時代的底層基礎設施競賽已經悄然拉開序幕。

璇璣A3的設計從一開始就兼顧泛化能力：它原生支援Transformer大模型，低延遲、高能效、高利用率——這些特性同樣適用於機器人、無人機、工業自動化等一切需要在物理世界中行動的AI。

具身智能的核心挑戰，是在物理世界中即時感知、推理、決策的能力——也就是一個具備高度理解認知能力的大腦。

這要求計算平台既要足夠快（低延遲），又要足夠省（功耗受限），還要足夠穩定。而璇璣A3的架構如果真的具備足夠的泛化能力，那麼比亞迪手中握著的就不只是一顆智駕晶片，而是一個物理AI時代的通用計算平台。

這也是王傳福所說說：整車智能就是具身智能。

當人工智慧從數字世界走向物理世界的關鍵節點，誰掌握了對物理世界進行感知、推理和干預的計算核心，誰就可能定義整個智能時代的入口。

回顧歷史，PC時代的標準計算單元是x86 CPU，移動網際網路時代是ARM SoC，AI時代初期是GPU。

那麼物理AI時代的標準計算單元是什麼？目前還沒有定論。

比亞迪正在用璇璣A3和年銷數百萬輛車的真實資料，試圖給出自己的答案。 (智能車參考)

比亞迪4nm智駕晶片“璇璣A3”落地！5月28日，比亞迪正式發佈了完全自研的4奈米車規級智駕晶片“璇璣A3”，單顆算力700TOPS，三顆並聯直接飆到2100TOPS。但你以為這只是比亞迪的一次“秀肌肉”？不，這是中國車企造芯潮的縮影。

放眼望去，理想發佈了馬赫100，蔚來的神璣NX9031早已亮相，小鵬5nm圖靈晶片量產上車，2026全年出貨量目標接近100萬片，更別提華為海思那龐大的晶片矩陣。那麼問題來了，造晶片難嗎？難，投入巨大、周期極長、風險極高。為什麼這些車企還要前赴後繼往裡沖？

首先，打破一個誤區，很多人覺得，車企自研晶片，關鍵在於外購晶片太貴，想省錢。簡單算筆帳，蔚來2024年採購80萬顆Orin-X，花費約21億元人民幣，每車搭載4顆晶片，單車智駕晶片硬體成本約1.04萬元。自研神璣NX9031晶片後，單顆替代4顆Orin-X，單車成本降低近1萬。

毋庸置疑，自研晶片確實能直接壓低單車硬體成本，但比省錢更關鍵的，是話語權。過往的外購通用晶片，雖然參數亮眼，但和車企自研的演算法適配度往往很低，實際算力利用率可能只有30%-50%，這就叫大馬拉小車，性能全浪費在傳輸延遲上了。

為什麼呢？因為別人的晶片，架構是為通用場景設計的，不是為你家的車量身定做的。所以，比亞迪搞璇璣A3，蔚來搞神璣，核心目的都是為了實現軟硬體深度耦合。只有自己設計的晶片，才能把底層架構和上層演算法完美咬合，把每一分算力都榨乾，把響應速度壓到毫秒級，這才是真正的降維打擊。

那同樣是搞晶片，比亞迪的“璇璣A3”憑什麼能成為引爆點？因為路徑不同，目前大部分車企的策略是“Fabless”模式，簡單說，就是只負責晶片設計，而製造、封裝、測試這些重資產環節交給專業的晶圓廠代工，這能降低風險，但也意味著在製造工藝上受制於人。

比亞迪呢？它走了一條更難、但也更硬的路：IDM、代工，雙輪驅動路徑。2002年組建IC設計部，現擁有超7000人研發團隊、5座晶圓工廠。成熟製程如IGBT、SiC功率晶片以IDM模式自主製造，先進製程如4nm智駕晶片，採用自研設計、頂級代工廠製造的協同模式。

晶片搞定了，算力上去了，下半場要拼什麼？以前我們說“軟體定義汽車”，現在看，這句話只對了一半。精準地說，應該是“晶片定義算力，演算法定義體驗，資料定義進化”，而這裡面是兩個更深層次的東西：責任與普及。

首先是責任。以前車企賣智駕，話術都是“輔助駕駛，切勿模仿，出了事你自己負責”，本質其實是一種免責申明，把風險轉嫁給了使用者，但這次比亞迪做了一個非常大膽的舉動：為城市領航功能提供一年免費無上限的安全兜底。

什麼意思？只要你在合規使用功能時出了有責事故，直接經濟損失比亞迪全賠，而且不影響你第二年的商業險保費。這一招，直接把行業潛規則給掀了。你敢兜底，就證明你對你的技術有絕對信心，這不僅是對使用者的負責，更是倒逼自己把安全做到極致。

其次是普及。以前高階智駕是什麼？是豪車的專屬，是選裝包裡的天價刺客。但比亞迪這次宣佈，全系均可搭載天神之眼B輔助駕駛雷射版，覆蓋7萬級海鷗、10萬級海豚等入門車型至高端車型，實現“從7萬到百萬級車型的智駕平權”。

智能汽車的下半場，不再是簡單的堆砌配置，不再是PPT造車，而是實打實的技術積累，是十年如一日的死磕。當越來越多的中國企業，敢於去啃那些硬骨頭，你會發現，所謂的卡脖子，終成了過去式。  (牲產隊)

彙整鉅亨號中所有使用「璇璣A3」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

中國首款！比亞迪分佈：璇璣4nm車規晶片之深度洞察！

一家能造4nm智駕晶片的公司，早已不止於車企

比亞迪亮劍4nm！為什麼中國車企集體“造芯”了？