小米 D100 之后，智驾芯片不再只比算力

8月24日，小米在玄戒芯片技术沟通会上推出了首款自研智驾芯片玄戒D100，但未公布其TOPS算力。该芯片采用3nm工艺，配备20核CPU和16核NPU，最高支持160GB统一内存，并能本地部署200B以上参数的大模型，计划于2027年商用。同期发布的还有旗舰SoC玄戒O3和AI加速芯片玄戒O100。

然而，智驾芯片通常被拿来比较的核心指标TOPS，小米并未透露。过去几年，算力几乎是智驾芯片评价体系中绕不开的参数，但这次小米却将160GB统一内存作为重点。

这源于大模型推理的特性。三星对GPT大模型工作负载的分析显示，在运算操作数量上，GEMV（通用矩阵-向量乘法）占比高达86.53%。在大模型运算延迟中，82.27%来自GEMV，而GEMM（通用矩阵乘法）仅占2.12%，非线性运算（神经元激活）的比例也远高于GEMM。三星对GPU利用率的分析进一步表明，在GEMV算子时，GPU利用率通常不超过20%，即80%的时间GPU在等待数据搬运。因此，内存容量、带宽以及计算单元与内存间的数据搬运效率，正变得和TOPS一样重要。

在大模型推理中，内存容量和带宽成为影响芯片实际性能的关键瓶颈。存储的重要性从AI芯片成本中可见一斑：三星在2026年Hot Chips大会上的演讲显示，英伟达H100这类服务器芯片中，HBM（高带宽内存）占成本一半以上，预计2027年AI芯片70%的成本将来自HBM。

D100的核心看点在于统一内存架构。传统上，高性能PC领域的GPU和CPU分开，各有显存和系统内存，通过PCIe总线进行数据拷贝，带来延迟和开发复杂度。统一内存让CPU、GPU、NPU等共享同一内存空间，减少数据搬运。从AMD联合ARM、高通、三星在2012年提出的异构统一内存架构（hUMA），到苹果2021年M1 Max芯片实现近乎零拷贝的数据访问，行业一直在朝这个方向演进。

苹果M1 Max的存储带宽达400GB/s，而英伟达Thor仅为273GB/s。UMA超高带宽的代价是存储容量有限和SiP封装成本较高。统一内存的难点不仅在于集成CPU、NPU和内存，还在于确保足够的数据吞吐能力，这依赖先进封装：AI芯片与存储间的连接密度直接决定存储带宽。目前车载领域多用PCB走线连接（毫米级密度），而更先进的方案采用有机载板（约10微米级密度），其中ABF材料是关键环节，成本更高。

内存容量决定“能装多大的模型”，带宽决定“能多快地把数据喂给计算单元”。因此，D100的160GB只是第一层信息，内存带宽尚未公布。英特尔Lunar Lake Mx曾采用UMA架构，但成本过高且内存容量固定，后来被放弃。AMD则推出MoP（Memory on Package）方案，2026年6月发布的Versal Premium Gen2 MoP芯片将32GB LPDDR5X封装在基板上，带宽达288GB/s。高通骁龙X2 Elite Extreme平台和车载SA8797P也采用UMA，但与苹果有差距，主要源于成本选择。

特斯拉今年4月流片的AI5芯片展示了另一种思路：将12片LPDDR5X内存与计算芯片放在同一有机载板上，缩短数据路径。这表明，随着车端大模型变大，传统“芯片+外置内存”组合正发生变化，内存可能从外围配件变为计算架构的一部分。

D100的具体封装方案、160GB内存的带宽、实际TOPS算力、上车后的功耗与模型性能，小米均未公布，需等到2027年量产后再判断。但160GB统一内存和200B大模型本地部署能力释放出明确信号：过去智驾芯片竞争从TOPS到有效算力，如今在大模型时代，比拼的是算力、内存容量、带宽、封装和软件效率的综合博弈。谁能协调这五个变量，谁才能定义下一代智驾芯片。TOPS依然重要，但已不能单独定义大模型时代的智驾芯片。小米D100押注的，可能不是更大算力的芯片，而是一种更接近AI计算平台的智驾芯片。本文来自微信公众号“汽车之心”（ID：Auto-Bit），作者：周彦武，36氪经授权发布。爱游戏平台上的用户对这类技术动态尤为关注。