Waymo自研5nm晶片曝光：1000 TOPS算力，Robotaxi進入“晶片戰爭”

8月20日，Waymo首次系統公開Robotaxi車載計算平台，直接把自動駕駛晶片推到了聚光燈下。

這套系統最引人關注的並不是單獨一顆晶片，而是背後完整的軟硬體體系：Waymo自研5nm ASIC，機器學習算力超過1000 TOPS，可同時處理13個高解析度攝影機的資料，並採用兩套相互獨立、能夠彼此接管的計算“引擎”。

更關鍵的是，過去8年，Waymo車載計算能力已經提升約20倍。

隨著特斯拉Cybercab即將進入新的量產與Robotaxi競爭階段，Waymo此時公開自研晶片，無疑是在釋放一個非常明確的訊號：

Robotaxi的競爭，已經從“誰的自動駕駛演算法更強”，進入“誰能把晶片、算力、感測器、軟體和整車系統做成一個高效閉環”的新階段。

一、Robotaxi真正難的，不只是自動駕駛演算法

很多人認為，自動駕駛本質上是一個軟體問題。

但當汽車真正取消駕駛員之後，問題就完全不一樣了。

一輛Waymo Robotaxi在城市道路行駛時，攝影機、雷射雷達、毫米波雷達會持續產生海量資料。

計算系統必須在極短時間內完成目標識別、感測器融合、環境理解、軌跡預測、路徑規劃，最終將計算結果轉換成轉向、制動和加速指令。

車輛進入隧道、地下車庫、通訊盲區甚至網路異常時，都必須繼續獨立完成駕駛決策。

因此，Robotaxi實際上是一台“移動的資料中心”。

晶片不僅要處理海量感測器資料，還必須長期面對高溫、低溫、震動、衝擊、灰塵和有限的車載電力。

Waymo甚至將核心計算系統接入車輛液冷系統，以應對從寒冷地區到鳳凰城高溫環境下的長期運行。

而安全性又進一步提高了計算系統的複雜度。

Waymo採用兩套相互獨立的計算引擎，正常情況下共同工作，一旦其中一套出現故障，另一套能夠立即接管。

對於Robotaxi來說，這不是簡單的“算力堆料”，而是自動駕駛系統能不能真正商業化的底層基礎。

二、Waymo自研5nm ASIC，1000 TOPS只是開始

此次Waymo公開的最大看點，就是自研5nm ASIC。

這顆晶片並不是簡單替代CPU或者GPU，而是圍繞Waymo自身自動駕駛工作負載進行定製。

其機器學習算力超過1000 TOPS，主要位於自動駕駛計算鏈路的前端，承擔大量感測器資料處理以及部分機器學習推理任務。

包括攝影機、雷射雷達、毫米波雷達產生的原始資料，同時承擔感測器融合、低光環境下的時序降噪，以及相關神經網路的即時推理。

與此同時，Waymo並沒有把所有計算任務都塞進ASIC。

整個車載計算平台仍然採用CPU、GPU以及其他專用加速器組成的異構計算架構。

這其實比單純公佈“1000 TOPS”更加值得關注。

因為Robotaxi真正需要的不是一個漂亮的TOPS數字，而是單位功耗下能夠完成多少有效計算，以及從感測器輸入到車輛執行之間究竟有多少延遲。

換句話說：Waymo真正想最佳化的，是“有效算力”。

三、為什麼Waymo一定要自己造晶片？

早期自動駕駛公司使用輝達等通用計算平台，非常合理。

因為演算法還在快速變化，使用通用GPU可以快速驗證模型、訓練演算法、調整系統，不需要承擔一顆專用晶片長達數年的研發周期。

但當Robotaxi開始進入規模化營運階段，問題就出現了。

通用晶片追求的是更廣泛的適用範圍，而Waymo面對的是高度固定、長期重複的自動駕駛工作負載。

一些計算資源可能用不上，但依然需要付出功耗、散熱和採購成本。

對於實驗車輛而言，多幾十瓦可能無所謂。

但對於每天運行十幾個小時、數量不斷增長的Robotaxi車隊來說，每增加一點功耗，最終都會變成充電成本、散熱系統成本和營運成本。

所以Waymo自研ASIC的核心目標並不是簡單追求“更高算力”，而是圍繞Robotaxi商業化重新設計計算系統。

這也是為什麼Waymo現在開始強調自研晶片。

當Robotaxi從幾百輛、幾千輛逐漸走向更大規模之後，晶片就不再只是研發工具，而會直接進入Robotaxi商業模型。

四、Waymo的1000 TOPS，不能簡單和特斯拉AI5比

Waymo剛剛公佈1000+ TOPS，另一邊，特斯拉AI5已經開始逼近。

特斯拉下一代AI5，也就是此前被稱為Hardware 5的自動駕駛計算平台，被設計用於自動駕駛、Robotaxi以及Optimus人形機器人等Physical AI任務。

根據此前披露的資訊，AI5相比AI4將大幅提升計算能力和記憶體容量，並針對量化、Softmax等神經網路計算增加更多專用硬體。

特斯拉的目標，是實現最高約50倍的綜合性能提升。

Waymo的1000 TOPS和特斯拉所謂的“50倍提升”，並不是一個可以直接橫向比較的指標。

1000 TOPS是機器學習計算能力指標，而50倍更多是特斯拉針對自身軟硬體體系提出的綜合性能提升目標。

真正值得比較的，是兩家公司背後的晶片路線。

特斯拉走的是“汽車+Robotaxi+機器人規模化”。

五、Waymo和特斯拉，正在走向兩種晶片路線

它可以圍繞Robotaxi真實運行需求設計晶片，從感測器、計算、軟體到整車安全系統形成高度協同。

這意味著晶片可以最大程度匹配Waymo自己的演算法和資料處理流程。

它擁有巨大的汽車保有量和潛在硬體規模。

假設一顆AI晶片只裝在幾千輛Robotaxi上，那麼研發成本很難攤薄。

但如果同一顆晶片可以進入數百萬輛汽車，同時服務Robotaxi和Optimus機器人，那麼晶片研發、製造和迭代成本就可以被巨大的硬體規模攤薄。

這其實是特斯拉AI5最大的想像空間。

特斯拉想做的，不只是Robotaxi晶片。

它更希望打造一種能夠同時服務汽車、自動駕駛和人形機器人的通用Physical AI計算平台。

於是，兩家公司形成了兩種完全不同的商業邏輯：

Waymo是通過Robotaxi營運規模攤薄晶片成本。

特斯拉則是先利用硬體規模攤薄晶片成本，再反過來增強Robotaxi的成本優勢。

未來誰更佔優勢，很大程度上取決於誰能率先把“晶片規模”和“Robotaxi規模”真正跑起來。

六、Cruise已經證明：Robotaxi自研晶片沒那麼容易

Waymo和特斯拉並不是最早意識到Robotaxi需要專用晶片的公司。

2022年，通用汽車旗下Cruise就曾公開自己的晶片規劃。

當時Cruise規劃了多款專用晶片，包括作為車輛核心計算大腦的Horta、負責感測器資料處理的Dune，以及雷達相關晶片。

這些晶片原本計畫用於沒有方向盤和踏板的Origin Robotaxi。

如果要讓Robotaxi真正實現規模化營運，就必須降低每輛車的計算成本。

而自研晶片，就是降低成本的重要手段。

但最終，Cruise沒有等到Robotaxi大規模商業化。

2024年12月，通用汽車宣佈停止為Cruise Robotaxi項目繼續提供資金，原因之一就是實現規模化仍然需要投入大量時間和資源，而市場競爭也越來越激烈。

這件事給整個Robotaxi行業留下了一個非常現實的教訓：

不是造出一顆專用晶片，就一定能夠跑通Robotaxi商業模式。

晶片、演算法、感測器、車輛、資料、營運和安全體系必須同時達到規模化條件。

七、Robotaxi下一場戰爭：從“演算法之爭”進入“系統之爭”

過去幾年，自動駕駛行業最喜歡討論的是模型、資料和演算法。

但Waymo此次公開自研5nm ASIC之後，一個越來越明顯的趨勢正在出現：

Robotaxi正在從純粹的軟體競爭，進入軟硬體協同競爭。

近日，汽車半導體行業傳來重磅消息 ： 索尼與台積電正式成立晶片合資企業，劍指自動駕駛晶片研發！兩大巨頭強強聯合，瞄準 L5 級全自動駕駛，用 3nm 先進工藝 + AI 加速單元，直接挑戰輝達、高通的霸主地位，一場圍繞汽車晶片的技術與專利大戰，已然拉開帷幕。

一、兩大巨頭聯手，3nm 智駕晶片有多強？

這次合作絕非簡單的 “抱團取暖”，而是精準卡位未來十年汽車智能化的核心賽道，每一項佈局都直擊行業痛點：

✅頂級工藝 + 極致性能：採用 3nm 先進製程，整合專屬 AI 加速單元，支援 L5 級完全自動駕駛，算力空前強大，可輕鬆處理複雜路況下的多感測器融合決策。

✅功耗大降 40%，車規級標竿：在性能飆升的同時，功耗直接降低 40%，完美解決自動駕駛晶片 “高算力 = 高能耗” 的行業難題，更適配車載嚴苛的功耗與散熱要求。

✅全鏈條優勢互補：索尼手握車載圖像感測器、汽車電子的深厚技術積累；台積電掌控全球頂尖的 3nm 製程與量產能力，雙方強強聯合，從晶片設計到製造實現全鏈路打通。

大家都在用這個專利工具： https://thesmartpatent.com/zh-CN 進行專利挖掘，專利檢索，專利佈局。

二、2000 億市場爭奪戰，專利才是真正的護城河

這場合作的背後，是一個2030 年預計達 2000 億美元的超級藍海市場 —— 汽車半導體。隨著自動駕駛從 L2 向 L5 加速滲透，每輛智能汽車的晶片用量是傳統燃油車的 5-10 倍，而自動駕駛晶片作為 “大腦”，更是兵家必爭之地。

就像當年特斯拉自研自動駕駛晶片時，曾因 Mobileye 的專利限制處處受限，最終只能重金投入，從零開始搭建專利體系，才突破技術封鎖。這也印證了一個行業真理：汽車半導體的競爭，本質是專利的競爭；沒有專利護城河，再強的技術也可能 “裸奔”。

三、巨頭都在搶專利，你的佈局跟上了嗎？

索尼與台積電的聯手，本質上也是一次專利佈局的戰略合縱：雙方共享技術沉澱，聯合申請核心專利，快速建構對抗輝達、高通的專利聯盟。而這，也是所有科技企業突圍的關鍵 ——專利先行，技術跟進，用專利鎖定未來賽道。

其實，前沿技術領域的專利佈局，早已不是 “人工翻閱文獻、憑經驗判斷” 的時代。就像索尼、台積電在合作中，會借助專業工具：發明村智慧專利： https://thesmartpatent.com/zh-CN 快速完成專利檢索、空白點挖掘與風險排查，把專利佈局融入研發全流程，既節省 80% 的時間成本，又能精準鎖定高價值專利點。

四、中國企業的機遇：抓住 3nm 浪潮，用專利換賽道

索尼與台積電的入局，打破了輝達、高通的壟斷格局，也為中國汽車半導體企業創造了 “換道超車” 的窗口期。目前，中國已是全球最大的智能駕駛專利來源地，全球 43% 的智能駕駛發明專利來自中國，在自動駕駛演算法、車載晶片設計等領域，已有不少技術突破。

但我們也必須清醒認識到：在 3nm 先進製程、核心 IP 核等領域，與國際巨頭仍有差距；專利佈局也多集中在應用層面，晶片架構、底層演算法等高價值專利佔比偏低。想要真正突圍，必須做到兩點：

1.技術攻堅 + 專利同步：聚焦 3nm/2nm 自動駕駛晶片、AI 加速架構、車規級安全演算法等核心領域，研發與專利挖掘同步推進，每一項技術創新都及時轉化為專利，避免技術成果流失。

2.用好工具，精準佈局，借助智能專利工具：https://thesmartpatent.com/zh-CN，快速梳理全球自動駕駛晶片專利全景，鎖定索尼、台積電、輝達的專利薄弱環節，集中資源佈局高價值專利，建構差異化競爭優勢。

汽車智能化的浪潮已不可逆轉，2000 億級的汽車半導體市場，未來 5 年將迎來爆發式增長。索尼與台積電的聯手，只是這場大戰的序幕；而專利，將決定誰能笑到最後。

對於深耕汽車電子、自動駕駛領域的你來說，現在就是佈局專利的黃金期 —— 用專業工具築牢專利護城河，把技術創新轉化為核心競爭力，才能在這場沒有硝煙的戰爭中，搶佔一席之地，不再被巨頭卡脖子。  (冠和權全球專利布局)

只是發布了一份“業績展望”，昔日汽車ADAS（Advanced Driving Assistance System，高級駕駛輔助系統）龍頭，就把自己的市值砍掉了四分之一。

這家公司正是自動駕駛晶片公司Mobileye。

本月初，Mobileye發布了2023年業績預告，全年營收約20.8億美元，利潤為6.87億-6.95億美元。

但在2024年業績展望環節，Mobileye稱，預計Q1營收年比將會減少50%以上。

2024年全年營收為18.3億-19.6億美元，低於2023年業績，距華爾街分析師預估的25.8億美元更是相去甚遠。

這個業績預告震動了投資者，Mobileye的股價暴跌了24.6%。

Mobileye在業績預告中表示，其對2024年的財務指標的悲觀預期，來自於其提供給客戶的Eye Q晶片庫存達到6000-700萬台。

該晶片被視為智慧汽車ADAS的核心。

根據Frost & Sullivan數據，光是在中國市場，預計到2030年ADAS 的滲透率將達87.9%。

彭博新能源財經(BloombergNEF，BNEF)在2022年底就表示，2025年L2級自動駕駛汽車將佔全球乘用車銷量的50%以上，並在2028年達到峰值(約5300萬輛)。

BNEF也稱，2030年全球ADAS市場規模可能會成長到每年2,200億美元。

在英偉達、高通、地平線等競爭對手的晶片產品供不應求背景下，Mobileye的客戶卻擠壓了六、七百萬台的晶片產品，看起來這家昔日ADAS龍頭正在落後。

Mobileye的庫存讓投資者震驚，但很可能只是一個開始。

因為一些大客戶正在離開Mobileye。

早在2016年，特斯拉就結束了和Mobileye的合作。

Mobileye當時向特斯拉提供「EyeQ3」晶片產品。

雙方官宣了不再合作的結果，沒有具體解釋原因。

但在終止合作之前，雙方其實已經有了一些分歧。

2016年5月份，一輛特斯拉Model S的駕駛輔助系統Autopilot出現了一樁事故，並造成車主身亡。

特斯拉認為，這起事故的原因主要是攝影機和雷達的辨識錯誤。

Mobileye則強調，自己的產品功能有限，是特斯拉激進的權限開放和宣傳，導致車主的使用超越了功能極限。

不過在當時，沒有哪個廠商能夠取代Mobileye的位置。

2017 年，Mobileye 的EyeQ 晶片出貨量達到870 萬台，遙遙領先。

有資料顯示，在2019年之前，Mobileye 幾乎佔據了ADAS市場90%的份額。

但隨著失去特斯拉這個標竿客戶，車企也開始有了其他選擇。

例如BMW2016年就開始和Mobileye合作開發自動駕駛汽車。

但到了2021年，BMW開始和高通合作推進“下一代自動駕駛平台”，並採用高通驍龍Ride視覺系統級晶片，以及驍龍Ride平台計算控制器。

2022年年中，大眾汽車與高通簽署了一份為期五年的合約。

從2026年起，大眾汽車在其全球所有品牌中使用高通的自動駕駛晶片技術。

在中國市場，車企也開始逐漸不再和Mobileye合作。

在2020年，Mobileye在中國的業務有了不好的消息。

因為理想汽車不再跟Mobileye合作。

這年年底，理想開始使用來自地平線的旅程3晶片，進行智慧駕駛的全端自研。

對此理想汽車創辦人李想給的理由是，Mobileye無法滿足理想智慧駕駛全端自研的需求（最重要的感知演算法是黑盒子）。

所謂“黑盒子”，即黑盒封裝設計，Mobileye把智慧駕駛晶片和視覺感知演算法進行捆綁銷售。

對車企來說，相當於買了一個打包方案，某種程度上能夠降低研發成本。

但這種模式，也限制了車企自己開發相關演算法的可能性。

重要的一點還在於，車企甚至無法取得用戶使用過程中產生的數據。

這對車企來說，相當於放棄了在智慧駕駛領域的參與感。

而Mobileye提供的是標準化產品，黑盒子模式又讓車商無法開發出差異化的智駕解決方案。

蔚來2018年發表的第一款車型ES8，搭載的就是來自Mobileye的EyeQ4智慧駕駛晶片。

2019年底，蔚來宣布與Mobileye共同打造L4級自動駕駛車型，以實現在量產車型上落地L4級自動駕駛的目標。

到了現在，蔚來已經把Orin（英偉達自動駕駛晶片）當作亮點來宣傳。

對Mobileye來說，更糟糕的一點在於，極氪的最新車款也開始投向英偉達陣營。

最新發表的極氪007，採用了基於英偉達（輝達）Orin X晶片的技術方案。

相對於極氪001的Mobileye的純視覺+高精地圖方案，這不一定預示著極氪拋棄Mobileye，但至少體現了智駕多元化的思維。

Mobileye的老闆和英特爾都投資過極氪汽車，看來股權合作也很難拴住極氪這個大客戶。

外界好奇的是，Mobileye為什麼這麼不招人待見？

李想所言的「黑盒子」肯定是主要原因之一。

當然，現在Mobileye開始改變態度。

根據英特爾公司副總裁、Mobileye產品及策略執行副總裁Erez Dagan在2022年CES上揭露的情況，Mobileye已開始和車企「共同開發」。

同時，EyeQ5晶片的“部分運算能力”，可以用於執行來自車企研發部門的技術。

換句話說，EyeQ5支援第三方程式設計。

但這好像並未挽回車企尋找其他供應商的想法。

這就牽涉到潛在的第二個原因，即Mobileye的研發節奏，以及產品表現難以匹敵競爭對手。

在研發節奏方面，Mobileye動作緩慢。

例如EyeQ3 和EyeQ4 的發佈時間，中間隔了差不多4 年。

與之相對應的是，2020年9月地平線發布了“征程3”，2021年7月就發布了新一代產品“征程5”。

EyeQ5晶片，單顆算力僅24TOPS，英偉達Orin 晶片的算力比Mobileye高出十倍（254TOPS）。

對Mobileye來說，面臨的可能不只是英偉達、高通、地平線這樣的巨頭。

類似於芯馳科技這樣的中國新創企業，也迅速崛起。

芯馳科技董事長張強說，芯馳與車企的合作模式，是從晶片定義階段就開始共同開發。

而且在合作過程中，芯馳也會向客戶開放底層程式碼。

他還強調，對晶片性能的定義必須是“跨越式”，不能一代晶片只增加20%-30%的性能，“這絕對不夠”。

在他看來，晶片迭代不能按部就班，而是必須提升十幾倍甚至幾十倍性能，才能滿足車企的需求。

從Mobileye的角度來看，在一代產品失去了競爭力並造成客戶庫存積壓後，再冀望下一代產品實現逆襲並不容易。

目前英偉達幾乎成為高端市場的標配，而中低端市場則集中了地平線、黑芝麻，以及芯馳這樣的中國企業。

另外，華為、百度這樣的跨界玩家也在爭奪市場。

Mobileye2024年的業績預告，為今年一整年的發展蒙上了一層陰影。（創業邦）

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

Waymo自研5nm晶片曝光：1000 TOPS算力，Robotaxi進入“晶片戰爭”

索尼與台積電突然聯手！3nm 自動駕駛晶片殺來，汽車半導體格局要變天。

英特爾曾花153億美元收購，現在客戶快跑光，昔日ADAS龍頭怎麼了？