芯擎科技蒋汉平：以芯片视角锚定边界 驱动AI舱驾融合理性迭代

国内车载智能赛道掀起一轮算力军备竞赛，各大车企纷纷冲高芯片算力、堆叠大模型参数，行业内卷态势愈发明显。

在2026中国汽车论坛·第八届全球汽车技术发展领袖峰会上，针对当前汽车智能化领域的算力内卷、舱驾融合落地难等行业痛点，芯擎科技副总裁兼产品规划部总经理蒋汉平发表主题演讲，从芯片底层视角，剖析车载算力迭代误区，厘清舱驾融合产业生态边界，为行业理性发展指明方向。

在蒋汉平看来，这种一味追求超高算力的发展模式并不健康。车载芯片的技术迭代从来不是单一的性能升级，而是始终围绕成本、性能两大核心博弈推进。

脱离整车成本、功耗、量产条件去盲目堆算力，不仅无法持续提升智能化体验，反而会拖累整车综合性能，违背产业迭代初衷。

值得注意的是，目前来看，算力无序扩张的弊端已愈发凸显。数据显示，三年前车载主流算力不足100TOPS、功耗低于50瓦，而当前行业主流算力已达500-1000TOPS，功耗逼近100瓦。

若继续冲刺2000TOPS、5000TOPS超高算力，芯片功耗将突破数百瓦，不仅会加重整车热管理负担、损耗新能源车续航，还会反向制约智能汽车技术升级。

而经历年初大模型算力热潮后，2026年车企算力需求已全面回归理性。此前行业扎堆追捧20B、30B超大参数车载模型，而经过落地验证，7B基础模型及双3B、双4B组合方案，已完全适配车载交互、智能驾驶等核心场景。

蒋汉平表示，成本约束并非发展阻碍，而是倒逼行业摒弃粗放式算力堆砌，实现精准、高效迭代的关键。

并且，算力拔高还直接影响芯片量产稳定性。行业量产数据显示，10-50TOPS中低算力芯片良率可达70%，而500TOPS高算力芯片良率仅40%-50%，算力越高量产风险越大。

同时，3纳米、2纳米等先进制程尚未通过严苛车规验证，盲目落地高端制程，极易造成技术积累重构，给产业发展带来不确定性。

在产业生态层面，蒋汉平重点剖析了车企芯片自研的行业现状。当前不少车企入局芯片自研，但车规芯片存在显著的供需矛盾：自动驾驶芯片5年的产品生命周期，需适配15年车规使用标准，单颗芯片研发投入高达数十亿元。

多数车企缺乏足够销量体量摊薄成本，盲目自研难以形成商业闭环，极易造成资源浪费。

他强调，特斯拉自研芯片的模式不具备行业普适性，无法被多数车企复制。健康的产业生态，需要明确车企、Tier1供应商与芯片企业的分工定位。芯片企业依托全行业规模化服务摊薄研发成本，是最稳健的发展模式。

此外，自动驾驶交钥匙方案与座舱开放生态的适配冲突，仍是当前舱驾深度融合落地的核心难题，亟待行业协同破解。

蒋汉平总结，AI舱驾融合与车载芯片产业发展，必须守住技术、成本与生态三大边界。

脱离实际的算力堆料、盲目跟风的自研模式并不适配当下车企的落地需求。立足真实车载场景、把控合理成本、理顺产业链协作方式，才能让舱驾融合做得更稳、更实用，真正落地惠及整车智能体验。