小鹏从Mobileye到英伟达再到自研，整车自动驾驶芯片技术路线的核心壁垒在于芯片架构设计、车规级流片工艺、低功耗高性能平衡，以及算法与芯片的软硬协同优化，这些壁垒决定了车企能否实现算力自主、算法灵活迭代和成本控制。
小鹏的自动驾驶芯片技术路线经历了从Mobileye封闭式芯片到英伟达Orin/Xavier，再到开始自研芯片的演变。这一演变的驱动力在于，整车企业需要摆脱对上游芯片供应商的依赖，以获取更高的算力灵活性、算法适配自由度以及长期成本优势。技术壁垒主要体现在几个层面：首先是芯片架构设计，包括NPU（神经网络处理单元）、CPU（中央处理器）和ISP（图像信号处理器）的异构集成能力；其次是车规级流片工艺，要求芯片在高温、振动等严苛环境下稳定运行；再次是低功耗与高性能的平衡，自动驾驶芯片需在有限功耗内提供足够算力；最后是算法与芯片的软硬协同优化，这需要车企在自动驾驶算法（小鹏已实现全栈自研）与自研芯片之间实现深度耦合。
此外，小鹏已建立名为“扶摇”的智算中心，算力达到600PFLOPS，为自动驾驶算法的数据闭环和模型训练提供关键支撑，这同样是整车企业构建技术壁垒的重要一环。
技术路线演变：从外采到自研
小鹏在自动驾驶芯片上经历了清晰的演进路径。早期采用Mobileye的封闭式芯片方案，该方案将感知算法与芯片深度绑定，导致车企在算法迭代和功能定制上受到限制。随后转向英伟达Orin/Xavier等开放平台，获得了更高的算力灵活性和算法自主权。小鹏目前已开始自研自动驾驶芯片，这一选择反映了整车企业对算力、算法灵活性和成本控制的终极追求——自研芯片能够实现软硬件的深度协同，避免供应链风险，并为长期技术迭代奠定基础。
核心技术壁垒
芯片架构与软硬协同
自动驾驶芯片的技术壁垒首先体现在异构架构设计上，需要将NPU、CPU、ISP等不同计算单元高效集成，以同时处理感知、决策和控制任务。其次，车规级流片工艺要求芯片在-40°C至125°C的温度范围内稳定运行，且满足长达10-15年的使用寿命，这对设计和制造提出了极高要求。此外，低功耗与高性能的平衡是核心挑战，芯片需在有限的功耗预算内提供足够的算力以支持实时感知与决策。最关键的是算法与芯片的软硬协同优化——小鹏已实现自动驾驶软件算法的全栈自研，自研芯片需与这些算法深度适配，才能发挥最大效能。
数据闭环与算力支撑
自动驾驶的持续迭代离不开海量数据训练。小鹏建立了名为“扶摇”的智算中心，算力达到600PFLOPS，为算法训练和数据闭环提供强大支撑。这一基础设施是小鹏在自动驾驶芯片技术路线上的重要配套，能够加速模型迭代，提升算法性能，从而巩固整车在智能驾驶领域的竞争力。
常见问题
小鹏为什么从Mobileye转向英伟达，再转向自研？
Mobileye的封闭式芯片限制了车企的算法自主权，英伟达的开放平台提供了更高灵活性，但自研芯片能实现软硬件深度协同、降低长期成本并掌控技术演进节奏。这一路径体现了整车企业对算力、算法灵活性和成本控制的逐步追求。
小鹏自研芯片的技术壁垒主要有哪些？
主要壁垒包括芯片异构架构设计（NPU/CPU/ISP集成）、车规级流片工艺、低功耗高性能平衡，以及算法与芯片的软硬协同优化。这些环节都需要深厚的技术积累和长期研发投入。
扶摇智算中心在小鹏自动驾驶中扮演什么角色？
扶摇智算中心为小鹏的自动驾驶算法提供数据训练和模型迭代的算力支撑，其算力达到600PFLOPS。它帮助小鹏构建数据闭环，加速算法优化，是自研芯片技术路线的重要配套基础设施。