在智能化、电动化浪潮的推动下，汽车对芯片的需求大幅度增加。电动车的单车芯片价值可以达到传统燃油车的2倍，而智能车的汽车芯片含量更是传统功能车的8倍以上。
根据纳新微电子的调研，传统燃油车向豪华智能电动车的演变，会将单车芯片的价值从640美金提高到2875美金。长城汽车最近也做过类似的统计，对于智能电动车，中端车型芯片价值总量8000元，高端车型的芯片价值总量将达到14000元。
图片来源：纳芯微电子
当行业的竞争到达一定阶段，参与其中的头部玩家，为了巩固和进一步提升行业地位，通常会谋求在供应链上获得更强的掌控力，尤其是“制高点”。
在内燃机汽车时代，这个“制高点”是发动机，而在智能电动汽车时代，这个“制高点”就是芯片。
芯片价值量高（一片高算力处理器芯片，价格高达数百美元）、毛利高（英伟达芯片的毛利率高达90%，地平线征程系列芯片的毛利率高达79%），尤其是其中的主控芯片，会直接决定系统性能，其所承载的Know-How也最为密集。
所以，“芯片自研”成为了很多整机厂的战略布局，尤其是特斯拉在2019年量产了其第一代自研的FSD芯片之后，很多头部玩家开始跟进。
图片来源：辰韬资本
近期蔚来、小鹏、速腾等公司纷纷发布自研芯片的最新进展，“芯片自研”再一次引起了广泛的讨论。
雪岭最近也和多位行业内专家进行了一些沟通，编写本文做下简单总结，未必准确，仅供各位老师参考。
2）自研的“芯片”包括MCU、SoC、功率器件等，在有些段落中，可能特指大算力SoC；
01
自研芯片的动机
自研芯片的动机有很多，其中降本、差异性、开发效率、供应链安全等是其中最重要的因素。
1. 降本
芯片的成本分为两个部分：开发费分摊和BOM成本。
开发费：芯片的研发投入分摊到生命周期内的全部出货量之后，核算到每一片的成本。出货量越大，单片的开发费分摊越低。
芯片BOM：每个芯片材料、加工、测试和运输成本。
当芯片自研时，由于不需要支付供应商开发溢价，并且可以通过裁剪算法用不到的组件（通用芯片通常需要满足不同整机厂的差异化需求，存在大量的设计预留），在一定的出货量保证的前提下，可以有效降低芯片的成本。
例如，特斯拉的FSD1和FSD2相对于Orin和Thor，在成本上有明显优势：
图片来源：辰韬资本
2. 保证差异性和性能最优
在智能化时代，通常是“软件定义汽车”，车辆的自动驾驶能力直接决定于算法。自动驾驶的等级越高，通常算法模型越复杂。
然而，当使用通用芯片时，往往是让软件最大化的适配硬件，很难最大化的发挥算法的优势，打造差异化体验。
因此，如果能同时定制和软件匹配的芯片硬件，就可以让硬件和软件完美匹配，从而实现最优的性能。
实现这个目的一般有两种方式：
1）向芯片公司传递定制化需求，进行芯片定制；
2）自研芯片；
对于第一种方案，有2个弊端：
1）芯片厂家受限于自己已有的芯片架构，以及平台产品的综合考量，未必能完全按照整机厂的需求进行开发；
2）从保密的角度，整机厂商并不愿意将自己独特的需求和对应用场景的理解，直接分享给芯片设计公司。因为这些需求本身也是宝贵的Know-How，担心芯片设计公司未来有可能分享给其他客户。（虽然有些情况下，可以通过协议定义某些含有客户独特需求的芯片只能专供，但是很多情况下很容易绕过）
对于第二种方案，整机厂可以自己定义芯片规格需求，基于算法架构来设计芯片架构，实现软硬件的最佳适配，也完全没有泄密的可能，拓宽自己的“护城河”。
自研自动驾驶芯片最好的样板就是特斯拉，虽然特斯拉的芯片算力目前并不是最高，但是特斯拉自动驾驶性能却被公认的排在前列。芯片自研奠定了特斯拉在自动驾驶领域的领先地位。
3. 提高开发效率
自动驾驶系统的开发，往往需要软件和硬件大量的协同设计和联合验证等工作。如果采用通用芯片的方案，由于需要考虑更多不同客户需求，并且很多软件适配工作，往往需要芯片供应商释放一定成熟度硬件之后才能进行，导致串行工作场景较多，协同效率较低。
另外，在验证过程中，如果整机厂发现问题，需要经过反馈、数据抓取、分析等多个阶段，中间沟通环节往往很多，时间成本很高，效率低下。（当遇到供应商人力资源短缺或者配合意愿度不高时，中间拖的时间会更长）
如果芯片自研，将不存在上述问题。
4. 供应链安全
自研芯片可以保障供应链稳定，可以有效应对贸易战、芯片短缺等供应链风险。
同时，也有助于整机厂减少对供应商的依赖，提升对芯片的理解，提升议价能力。
5. 其他
有时，还有一些别的考虑，例如：
市面上没有合适解决方案，不得不自研。例如，特斯拉研发FSD芯片之前就是对于英伟达芯片性能不满，而一时间又找不到更合适的芯片替代。
提升估值。自研芯片可以带来品牌形象的提升，以及给资本市场新的想象空间，在资本市场获得额外的收益。在许多整机厂宣布自研芯片之后，股价往往都有大幅提升。
02
自研芯片的挑战
自研芯片的挑战也很多，其中投入大、风险高、人才和管理等挑战巨大。
1. 投入是否能够承担？
芯片（尤其是大算力的自动驾驶SoC芯片）设计复杂、开发难度大，失败风险高，从而导致开发投入大。
Semiengingeering统计的不同制程芯片的开发投入如下，其中，7nm芯片的研发成本为2.97亿美金，5nm芯片的研发成本高达5.4亿美金。
图片来源：https://semiengineering.com/big-trouble-at-3nm/
并且，芯片的开发，往往很难一次流片就成功。从流片到过车规认证、完成功能验证，往往可能需要经历2~3次迭代，花费3-5年甚至更长的时间，才能趋于稳定，那么开发投入将会成倍增加。
同时，上述投入还只是芯片设计，如果再考虑制造封测，那么投资更是动辄上百亿，许多设备、材料都被国外厂商垄断，价格昂贵且数量稀少。
据中国（无锡）物联网研究院研究表明，自研车规级芯片资金门槛非常高，仅以基础芯片的投入为例，起步门槛就是10亿元，如果再加上总体研发及运营，一般的芯片普遍需要百亿元以上的投资规模。例如，对于Orin芯片，是英伟达花费4年时间，投入数十亿美元才完成开发。
2. 规模是否足够大？
由于开发投入大，需要一定的规模来收回成本。
根据行业内专家的普遍观点，如果芯片每年出货量低于100万，将很难收回开发成本。
在汽车行业，做到每年出货100万的规模是非常困难的。作为对比，全球智能手机的出货量至少是汽车销量的10倍，然而，全球至今也只有苹果、高通、MTK等很少量的几家成功的手机SoC芯片公司。
另外，需要注意的是，虽然目前英伟达、高通等芯片目前看起来利润率很高，但是当市场竞争加剧时，这些厂家为了保证市场份额，一定会主动降价反制，此时，自研芯片相对于供应商的产品，将很难有价格优势，收回成本更为困难。
例如，当年国外ABS是1000多一套，国内许多厂家认为可以做到700元，纷纷上马。但是等到众多国内厂家真的推出700元的产品时，国外厂家突然降价到300，导致国内厂家无法盈利，几乎全部倒闭。
3. 人才和管理是否有竞争力？
公司和产品的竞争，说到底，是人的竞争。
整机厂如果希望自研芯片，必须要建立一支专业的芯片开发团队，根据芯片的复杂程度，这个团队规模可能从百人到数千人不等。
然而在中国，芯片行业的人才还非常匮乏，尤其是有汽车芯片开发经验的人才，更是稀少。
整机厂的组织文化和激励机制，能否持续吸引并留住优秀的芯片人才？
整机厂芯片团队负责人的能力、责任心，能否和独立芯片公司的负责人竞争？
整机厂芯片团队的整体能力、开发速度，能否和独立芯片公司的团队竞争？
对于整机厂芯片团队的绩效，能否向要求供应商（独立芯片公司）一样严格？公司内部组织之间的“留情面”，是否会成为高质量产品交付的羁绊？
4. 开发速度是否足够快？
专业的芯片公司都有多年的经验，而且还在不断迭代技术，新入局者要想追赶并不容易。
在大算力芯片市场，英伟达、高通等国际巨头已经显现出垄断态势，他们还在不断会推出性能更高、功耗更小的新产品。新入局者坚持两到三年时间，将芯片实现了顺利量产，此时供应商的下一代芯片可能已经上市，辛苦几年打磨出的芯片是否依然能打，将会是一个重大考验。
马斯克在发布FSD芯片时说，“现在确实有人可以跟进我们，但是需要三年后才能做出来，而我们在两年之后拿出来的东西将比现在的好三倍。”
5. 代工厂是否配合默契？
对于7nm车规工艺以下芯片，目前只能找台积电和三星这两家，但是如何让台积电和三星积极配合项目进度，也考验车企与上游Fab厂打交道的能力。
如果量比较小的话，代工厂的意愿度就不会高，就算有晶圆厂愿意代工，价格也不低，交付期也不会被安排在优先级。
例如，假设车企每个月10万片芯片，如果每张12吋晶圆为500颗芯片，每个月仅仅200张晶圆的需求，在TSMC和封测厂往往是产量最小的客户。这种情况下，往往很难和Fab和封测厂谈到一个好的价格和交期，尤其是当产能紧张时。
6. 工具链和生态是否完善？
工具链和生态层面的挑战，可能比芯片硬件本身的挑战更大。开发出一套好用的软件栈，需要花费的时间，可能比设计出一款芯片更久。
1）芯片硬件只是开发的第一步，将算法部署到芯片中，还需要一套完整的开发工具链，用于算法的开发、训练、优化、部署和验证。例如英伟达依托于AI社区开发者生态的长期积累，已经打造了一套非常高效的开发工具链。低效的开发工具链，会严重拖累整个系统的开发效率。
2）智能汽车承载着由丰富的软件定义下的汽车生态，而软件的开发者大多青睐在市占率更高的芯片上投入开发，如何吸引软件开发者在新芯片平台上开发软件，也是必须要思考的问题。
另外，如果是Tier1自研芯片，那么整机厂使用的时候一般会比较保守，通常不希望是第一个吃螃蟹。因此，Tier1在推广使用自研芯片的产品时，通常会遇到较大的阻力。
03
自研芯片的案例
1. 特斯拉
HW1.0：2014年发布，采用Mobileye的EyeQ3芯片，算力为0.256 TOPS。
HW2.0：2016年发布，采用了NVIDIA 的Drive PX2平台，算力为12TOPS。2017年发布HW2.5，算力相同。
HW3.0：2019年发布，采用自研的第一代FSD芯片，该芯片基于三星14 nm工艺，单颗算力达到了72 TOPs，是当时算力最强的智驾芯片。从HW3.0开始，特斯拉采用自研的SoC芯片，全面掌握从芯片设计到软件开发的全栈技术。自研芯片支撑特斯拉持续引领智能驾驶赛道，从BEV到OCC，再到E2E。
HW4.0：2023年发布，采用7nm制程的第二代FSD芯片，算力提升5倍，达到720TOPS。
HW5.0（AI5）：预计将于2025年下半年推出，整个平台的算力大概是HW4.0的10倍。
特斯拉还自研了AI芯片D1，D1采用台积电7nm工艺节点，拥有500亿晶体管，于2024年5月开始投产。特斯拉基于D1自建超算中心Dojo，以支撑Grok 3、FSD、擎天柱机器人等超大规模人工智能训练需求。
芯片需求清晰。特斯拉全栈自研算法，对芯片需求非常清晰。通过裁剪无用多余的规格需求，将算法固化在芯片硬件设计中，从而实现最优的性能和功耗平衡。
智驾架构稳定且演进方向清晰。特斯拉很早就确立了纯视觉路线，具有非常稳定的智驾架构，芯片不会因为架构调整而不断进行变更。
整车销量大，使得比较容易的分摊研发成本。
在美国，芯片相关人力资源丰富，技术储备充足。
2. 蔚来
2020年下半年，蔚来组建自研芯片团队，目前有800人左右规模（负责人来自华为海思），主要从事智驾、传感器等芯片的研发。
1）激光雷达芯片
2023年9月，蔚来发布了第一款自研芯片产品：LiDAR主控芯片NX6031，代号“杨戬”。该芯片用于图达通猎鹰激光雷达，替代原有的FPGA和ADC等价值不菲的第三方芯片，据了解，“杨戬”将为蔚来每辆车节省几百元的BOM成本。
2）智驾芯片
2024年7月27日，蔚来宣布其自研的智驾芯片“神玑NX9031”流片成功。
该芯片制程为5nm，拥有超过500亿颗晶体管，采用32核大小核CPU架构，采用LPDDR 5x内存，速率达到了8533Mbps，内置高动态范围高性能ISP，位宽26bit，具备6.5G Pixel/s 像素处理能力，处理延时少于5nm，预计算力超过1000 TOPS。
该芯片将于2025 Q1首搭ET9。
在蔚来的产品规划中，自研芯片是非常重要的一环，正如李斌所说，最终他们发现很多环节想要降低成本，只能自研。
尤其在智驾芯片部分，目前使用NT3.0平台的蔚来车型全都搭载了4枚Orin-X芯片，降低成本的最好方法就是寻找算力相同，但成本更低的替代品。如果神玑NX9031能够代替4枚Orin-X芯片，蔚来无疑可以做到大幅的降本增效，在这场“智驾淘汰赛”中掌握主动权。
另有消息称，蔚来也在自研座舱芯片，采用7nm工艺，由三星代工，该座舱芯片将与蔚来手机有更多的创新联动。
3. 小鹏
小鹏从2020年开始搭建芯片团队，在中美两地布局芯片自研，产品目标对标特斯拉FSD芯片。
2024年8月23日，小鹏宣布图灵芯片流片成功。
该芯片为端到端大模型定制，集成2个自研NPU、2个独立ISP，采用面向神经网络的DSA。图灵芯片专门为AI大模型打造，具有40个处理器核心，最高可运行大模型参数为30B，估计稠密算力会在500~750 TOPS，未来可用于AI汽车、AI机器人和飞行汽车。
据了解，1颗图灵芯片可以代替3片英伟达Orin-X，同样也可以实现降本增效。
4. 理想
2022年5月，理想成立了四川理想智动科技有限公司，开始布局芯片研发。
2023年11月，理想开始大幅推进自研智驾芯片，目前理想已经设立了约 200 人的智驾芯片团队。
团队在Chiplet和RISC-V方面进行深入研究，主要自研的是NPU前端设计，后端设计部分外包给中国台湾的世芯电子，然后再交由台积电完成制造。
理想汽车自研智能驾驶SoC“舒马赫”，将采用的是Chiplet模式，预计将在2024年年底前完成流片。
另外，
理想与国内的三安半导体合作建立功率半导体产线，北京车和家占股70%，湖南三安半导体占比30%，通过合资布局SiC功率半导体。预计2024年正式投产，最终目标是实现240万只碳化硅的年生产能力。
5. 零跑
零跑是国内最早宣布自研芯片的国内新势力车企，零跑曾提到：“不造芯片的车企不是一家好科技公司”。
2020年，零跑汽车与大华联合发布智能驾驶芯片：“凌芯 01”。
大华是安防行业巨头，也是零跑汽车的主要投资人。零跑提供了该芯片的架构和功能需求，大华负责具体的芯片设计和开发。
凌芯01开发历时3年，算力4.2 TOPS，支持基础的ADAS应用，CPU为阿里旗下平头哥公司玄铁C860，AI核则为8核NPU。凌芯01主要配套C11车型，23年出货量达到12万颗。
不过，之后零跑汽车悄然停止了对芯片的研发投入，在最新推出的零跑C10上，已换用了英伟达Orin-X芯片。
零跑董事长朱江明表示“在2016年和2017年，市场上并没有现成的AI芯片可供选择，但作为一家车企，投入如此大规模的资金进行芯片开发确实是一次巨大的挑战，当下AI芯片市场已经相当成熟，对于车企而言，将精力集中在智能驾驶算法的研发上更为合理”。
6. 比亚迪
比亚迪自研芯片历史最悠久，涉足的芯片类别也很多。
2004年，比亚迪半导体的前身——比亚迪微电子公司成立，从事功率半导体、智能控制MCU、智能传感器及光电半导体的研发生产，采用IDM模式。
在工业、家电、新能源和消费电子，比亚迪半导体已成功量产IGBT/碳化硅、IPM、PIM、MCU、电流传感器等产品。其中，比亚迪已成为中国最大的IGBT制造商。
2024年4月，有媒体报道称，比亚迪已经启动自研智驾芯片的相关项目，这枚芯片NPU算力大概为8 TOPS，主要对标TI的TDA4VM。这枚自研芯片主要覆盖比亚迪10-20万元主流车型，借助比亚迪庞大的出货量，这颗芯片的表现非常值得期待。
除了自研之外，比亚迪也在用投资的方式布局智能驾驶芯片，比如地平线、昆仑芯等。
7. 吉利
2019年，吉利旗下的亿咖通与ARM中国合资成立了芯片公司：芯擎科技，其芯片布局如下：
1）智舱芯片：“龙鹰一号”
2021年12月，芯擎科技发布了其首颗7nm智能座舱芯片“龙鹰一号”，该芯片具有8核CPU（90k DMPIS）、14核GPU（900 GFLOPS）、以及8TOPS的NPU。
2023年9月，领克08正式上市，为龙鹰一号首款落地车型，其智能座舱全系标配2颗“龙鹰一号”芯片。
2）智驾芯片：AD1000
2024年3月，芯擎科技发布了智驾SoC芯片：AD1000。
AD1000采用7nm工艺制程，CPU算力达250 KDMIPS，NPU稠密算力高达256 TOPS，GPU算力218 GFLOPS，通过多芯片协同可实现最高1024 TOPS算力，集成高性能VPA与ISP，可满足L2~L4级智能驾驶需求。从性能指标上来看，AD1000足以对标英伟达Orin-X，和地平线J6。
据了解，AD1000将在2024年内向市场交付。
3）功率半导体
2021年，吉利与芯聚能半导体、芯合科技等合资成立了广东芯粤能半导体有限公司，面向车规级和工控领域的碳化硅芯片的研发和制造，产品主要包括碳化硅SBD/JBS、MOSFET、IGBT等功率器件，主要应用于新能源汽车、工业电源、智能电网以及光伏发电等领域。
芯粤能碳化硅项目总投资75亿元人民币，分别建设年产24万片6英寸和24万片8英寸碳化硅晶圆芯片生产线，是目前国内最大的专注于车规级、具备规模化产业聚集及全产业链配套能力的碳化硅芯片制造项目。
2022年6月，吉利汽车孵化成立了晶能微电子，打造车规级IGBT产品，2023年3月宣布已流片成功。
8. 长城
2021年10月，长城汽车组建了专业团队，致力于功率半导体技术的研发。
2022年11月，长城汽车旗下的功率半导体模组封测公司，无锡芯动半导体科技有限公司成立，专注于Si IGBT和SiC MOS的研发与创新，通过全产业链协同，深度布局芯片设计和模组封测。
2024年9月，长城自主研发的RISC-V车规级MCU：紫荆M100，成功点亮。该芯片基于RISC-V架构开发，采用模块化设计，内核可重构。紫荆M100主要应用于车灯、空调、无线充等系统上，五年内搭载车型不少于250万辆。
来源：长城汽车
另外，长城汽车还战略投资了地平线。
9. 其他主机厂
大众。旗下CARIAD与地平线的合资，大众投入24亿欧元，持有合资公司60%的股份。地平线已经从内部软件算法团队抽调了上百人至新的合资公司，规模达300人。
上汽。已经至少投资了20家芯片公司。上汽与英飞凌合资成立上汽英飞凌汽车功率半导体（上海）有限公司，从事车用IGBT模块研发和制造。2021年，上汽通用五菱公布了一款与芯旺微联合定制的车载MCU芯片，推测应用于T-BOX场景。
东风。2019年，东风与中车时代合资成立智新半导体公司，自主研发、制造和销售IGBT芯片和碳化硅功率模块。目前一期年产能达到30万只，二期正在建设，预期年产能将达到120万只。
北汽。2020 年，北汽集团旗下北汽产投公司与芯片IP公司Imagination合资成立北京核芯达科技有限公司，主营业务是车规级 SoC芯片设计和相关软件开发，专注于自动驾驶应用处理器和智能座舱语音交互芯片。
长安。与地平线合资成立了长线智能。长安汽车与重庆高新区智能制造产业研究院等成立重庆芯联集成电路有限公司，这是先进车规级12英寸大型集成电路制造项目。长安旗下的深蓝汽车在今年6月与斯达半导体组建合资公司「重庆安达半导体有限公司」。
一汽。与亿马半导体成立合资公司，2021年SiC项目投产，年产30万个模块。
广汽。与中车时代合资成立了青蓝半导体，开发IGBT。
10. BOSCH
BOSCH在芯片上布局已有很长时间，生产了诸多芯片产品，用于前装汽车电子产品中。
据报道，到2026年前，博世将在半导体业务上投资30亿欧元。
其中，博世将投入超过1.7亿欧元在罗伊特林根和德累斯顿建立两个全新的芯片开发中心。此外，博世还将在未来一年内再投入2.5亿欧元，在德累斯顿晶圆厂增设3000平方米的无尘车间。
BOSCH自研的电源芯片：
11. 华为
华为自研芯片已久，其中部分芯片Roadmap如下：
鲲鹏：主要是CPU。
昇腾：AI加速器，智能驾驶是昇腾产品线的延伸。
麒麟：主要针对手机，基于麒麟990的麒麟990A则是华为汽车座舱芯片。
鸿鹄：针对电视。
自研达芬奇架构，7nm制程；
AI算力：200 TOPS(INT8)，100 TFLOPS(FP16)
ARM CPU算力：16核，220K DMIPs；
带宽：LPDDR5@6400MHz
96*FHD Video decoder，24*FHD video encoder
支持业界主流的AI框架，如Caffe、Tensorflow、Pytorch、ONNX，支持400个以上主流算子；
可配置的硬件加速器；
具有Vector Core，提供矢量加速和CPU的scalar运算单元紧耦合，加速控制和数据并行运算混合的程序段，有利于频繁递归的CV算法。
图片参考：混合动力之路，https://www.bilibili.com/video/BV17J4m1K7BA/
12. Momenta
Momenta成立了新芯航途（苏州）科技有限公司，专门研发自动驾驶SoC。上汽、顺为、真格和苏州高铁新城已经参投了该芯片项目。
该公司吸收了哲库十几位高管加入，由李宗霖带队。据了解，新芯航途团队已超过100人。
预计第一款芯片会在2026年量产。
13. 速腾
速腾聚创目前拥有超100人的专业芯片技术团队。
2024年10月，速腾聚创全自研SoC芯片M-Core获得AEC-Q100车规级可靠性认证，成为全球首款通过该认证的激光雷达专用SoC芯片。MX作为首个搭载M-Core芯片的新一代激光雷达产品，将于2025年初实现量产交付。
M-Core是速腾聚创首款自研SoC芯片。它将激光发射控制、接收控制、MEMS控制、后端电路和DDR芯片集成至单颗芯片，可以同时实现发射控制、扫描控制、信号处理、点云生成等众多功能。M-Core在大幅提升运算处理能力、点云细节、精度的同时，使电路板面积优化50%，让大幅缩小激光雷达体积成为可能。
同时，速腾还自研了SPAD-SoC，采用先进的3D堆叠工艺，把接收和处理融合到一颗芯片里，能够直接生成三维点云。
速腾自研了业内第一款二维VCSEL驱动芯片，采用二维可寻址面阵VCSEL技术，支持灵活的扫描模式，大幅提高能量利用率。
14. 禾赛
2024年4月，禾赛发布第四代芯片架构。
第四代芯片采用3D堆叠技术，可单板集成 512 个通道。内部嵌入 256 核智能点云解析引擎（IPE），8 核 APU，实现每秒 246 亿次采样。可以实现130%的探测器灵敏度提升，单点测距功耗降低了 85%。
基于该技术平台不仅能够实现优秀的产品性能参数，还能支持全固态二维电子扫描、光子抗干扰、智能光学变焦等智能功能。
04
建议和讨论
“让专业的人做专业的事。”这是所有人都明白的道理，但是面对芯片被掣肘的事实，没有人愿意长时间将产品的核心，拿捏在他人手中。
不过什么才是自己的“核心”？如何让自己的“核心”不被别人拿捏，这个需要仔细思考。
OPPO关闭哲库给整个科技行业发出了警示，车企也清醒地认识到跨界造芯不易。
芯片作为科技行业的战略制高点，对于芯片的布局有多种方式。一切要从商业本质出发，围绕公司战略目标，结合公司实际，选择一个最适合自己的布局方式。
选择恰当会给公司发展带来长期助力，选择不当可能会严重拖累公司的发展。
整机厂布局芯片主要有下面4种模式：
1）自研
在公司内部组建芯片自研团队，亲自下场做芯片设计研发，甚至制造。该模式对于芯片的把控力最强，当然投入也最大，风险也最高。
目前采用该模式的企业主要有特斯拉、蔚来、理想、小鹏、比亚迪、华为、速腾、禾赛等。
2）成立合资公司
与芯片企业合资成立新公司，该模式下，整机厂和芯片企业优势互补，各取所长。
双方深入合作，基于芯片企业成熟的架构平台，对车企特殊需求进行一定程度的定制。这样不仅能够保证车企差异化的需求，而且与有经验的团队在成熟量产的基础芯片架构上合作，能在很大程度上降低研发失败的风险。
目前采用该模式的企业主要是一些传统车企，例如大众、吉利、广汽、北汽、上汽等。
3）深度合作定制芯片
整机厂与芯片厂商深度合作定制芯片，整机厂提供架构和需求，芯片厂商完成设计和开发，芯片仅面向整机厂销售。
例如，BOSCH和大陆分别向英飞凌和NXP定制的毫米波雷达芯片。
4）投资参股芯片公司
对外投资，参股芯片公司，达成战略合作，形成更紧密的协作模式。该模式参与门槛较低，当然对于芯片把控力度也较弱。
例如：上汽、大众、东风、长城、长安等整机厂背景的产业资本对于地平线、黑芝麻等芯片公司的投资。
另外，也可以通过多元平台策略，降低供应链风险。
多元平台策略是指同时引用多个芯片平台进行开发。虽然多套系统的开发，需要投入更多的人力物力，但是多供应商模式可以提升客户的话语权，也可以一定程度上保证供应链的稳定性。
例如，理想和比亚迪，目前均采用了英伟达和地平线的双平台方案。
05
结语
隔行如隔山，不要轻易地扩展到其他相邻赛道。在这样的时代大潮中，每个赛道都有机会。重要的不是横跨了多少条赛道，而是能不能在某一个赛道上冲到行业的龙头地位。
对于在全球有比较好的销量支持，有较强创新能力和资源，以及足够的芯片技术和人才储备的整机厂（整车厂或者Tier1），比较适合自研芯片。在能够成功的情况下，自研芯片肯定是护城河最深、降本增效最有效的方式。
而对于其他厂家，更实际的方法可能是“全栈可控”，而不是“全栈自研”。通过投资、深度定制等方式，在保证风险可控的情况下，尽量提升自己对于核心芯片的把控能力。
本文内容仅代表个人观点，和真实情况有可能有偏差，仅供参考。如需要相关内容更详细的技术信息，欢迎添加“雪岭飞花”微信（maxhnnl）进一步交流，感谢。
雪岭飞花精品课
1）《雪岭飞花精品课：车载激光雷达》（4小时，10节，329页PPT）。学习链接https://weike.fm/a9Tsf5c3e，或者扫描下方二维码（如果之前已在微信群购买过，可在该平台观看回放。请联系雪岭领取优惠券，无需额外付款）：
2）《雪岭飞花精品课：车载毫米波雷达》（准备中）：
雪岭：自动驾驶-系列文章
雪岭：激光雷达-系列文章
《激光雷达系列（三）：配备激光雷达的汽车汇总（含安装方式）》（链接：https://zhuanlan.zhihu.com/p/688537867）
《55图分析：华为激光雷达详细拆解和系统方案》（华为96线激光雷达）
雪岭：毫米波雷达-系列文章
毫米波雷达原理详见：《毫米波雷达系列（一）：毫米波雷达简介》（链接：https://zhuanlan.zhihu.com/p/686260069）
雪岭：红外摄像头-系列文章
我是雪岭飞花，汽车行业24年开发经验，自动驾驶行业发展的见证者和参与者，自动驾驶感知和控制系统资深专家。做有深度、高质量的技术分享，推动自动驾驶技术的普及和发展。
为了方便技术交流和商业合作，建立有自动驾驶技术专家交流群，涵盖感知系统、控制系统、激光雷达、毫米波雷达、端到端、具身智能等多个技术方向。目前，已经聚集了二千多位来自主机厂/Tier1/Tier2、著名高校、研究所、咨询公司和投研机构的顶级技术专家，包括董事长、CEO、CTO、产品总监、研发总监、教授、资深软硬件工程师、资深投资人/行业分析师、网络平台大V，畅销书作家，公众号首席主编等等。在这里，您可以了解到自动驾驶最新的行业发展、最新技术、最新产品动态以及珍贵的行业文献分享。
欢迎添加“雪岭飞花”微信（扫描下方二维码，或者搜索maxhnnl，特请备注所在公司和专业方向，感谢）。
