Waymo自研5纳米智驾芯片
来源：Waymo
2026年8月20日，无人驾驶巨头Waymo正式宣布推出自研5纳米芯片，并在8月24日的Hotchips大会上详细说明了这款自研芯片。在Waymo的新闻网页上，Waymo宣称其算力超过了1000TOPS，因为对普通人来说，算力值就是TOPS数值，越高越好，Waymo也不能免俗。但在Hotchips大会上，面对专业观众，Waymo就没必要吹嘘算力值了，Waymo明确指出其芯片算力值只有160TOPS@INT8。同样在8月底，小米一口气发布了三款新片，当代 AI 旗舰 SoC 玄戒O3，1.22TB/s 高带宽 AI 加速芯片玄戒O100，以及智驾高算力 AI 芯片玄戒D100。玄戒D100是国内首款3纳米智驾芯片，也可以说是国内最先进的智驾芯片，小米没有透露太多D100的信息，我们只知道CPU是20核心，NPU是16核心，可以本地部署2000亿参数的大模型，最突出的亮点是支持160GB的统一内存。D100算力是多少TOPS不知道，但是玄戒O100这款专门AI加速的芯片的算力是200TOPS，并且这是A8W4，即激活8位权重4位，已经是最低精度了，远低于目前主流智驾芯片的TOPS算力。
Waymo和小米都将精力放在存储领域，特斯拉的AI5也是如此。此外还有高通的SA8797P以及AMD和英特尔，因为目前推理领域，存储是瓶颈，算力基本都已经达标，可以忽略不看。同样在Hotchips大会上谷歌还介绍了自己的第八代TPU。
谷歌第八代TPU
来源：网络
谷歌第八代TPU破天荒地分为训练和推理用两个芯片，其中训练用的即左边的8t（6个HBM3e存储晶粒，2个Serdes晶粒），右边是推理用的8I（8个HBM3e存储晶粒，2个Serdes晶粒），8I的存储容量和带宽都在8t之上，成本也在8t之上。
谷歌 TPU 8i
来源：网络
存储性能对比，SRAM完胜HBM，不过缺点是密度低，成本高。实际还有比SRAM更高带宽的寄存器regster存储，其密度更低，容量一般都是几个字节，很少有超过Kb的，但谷歌不计成本用了8MB。
来源：Waymo
Waymo 2026 Hotchips大会发言PPT第9页，INT8位乘法精度，稠密张量计算吞吐能力仅为160TOPS，和英伟达一样，Waymo也做了2倍的结构化稀疏，也就是稀疏模式下吞吐能力为320TOPS，这说明Waymo算力不高么？也不对，其实际算力应该比众多号称超1000TOPS的芯片算力要强很多，除Waymo外的所有厂家所说的算力都是理论值，TOPS这个指标主要是针对老旧的CNN网络的，CNN主要是GEMM通用矩阵乘法，大模型都是基于Transformer网络，延迟的70-90%是GEMV通用矩阵矢量乘法部分。GEMV是典型存储约束型计算，也就是延迟由存储带宽决定。
GPT大模型workload分析
来源：三星
上图是三星对GPT大模型workload分析，在运算操作数量上，GEMV所占的比例高达86.53%，在大模型运算延迟分析上，82.27%的延迟都来自GEMV，GEMM所占只有2.12%，非线性运算也就是神经元激活部分占的比例也远高于GEMM。换句话说，80%的时间GPU/NPU都在闲置，等待数据搬运。对于AI领域，可以增加batch批次量提高利用效率；但是汽车领域不同，汽车领域只有一个用户，batch永远等于1。对于Transformer架构，存储决定了延迟，也就是真实吞吐量。目前量产的推理芯片，实际吞吐量能到理论值的50%已经是优秀，能到40%就是良好，20%就能算及格，只有Waymo写得明白吞吐计算能力。对于目前新崛起的世界模型，其核心是DiT架构，即Diffusion和Transformer的混合，存储碎片化加剧，存储更加重要，同时扩散架构要多次取样迭代，逻辑控制编排也很重要。吞吐量会进一步下降，20%就算优秀，10%就算及格。还有MoE架构，逻辑控制编排更加重要，需要加入强大的标量运算系统。
Waymo自研芯片简介
来源：Waymo
和理想马赫M100比，Waymo自研芯片die size只有理想的一半左右，也就是Waymo自研芯片的硬件成本是理想的一半。不过需要注意，理想的马赫M100包含24个ARM Cortex-A78AE cpu核心以及附属存储系统，Waymo这个不含CPU部分，是一个纯粹的AI加速器，Waymo仍然需要使用外接的CPU芯片或FPGA做Host。
回到小米，小米发布的三款芯片最大特色都是存储方面的，SoC 玄戒O3是全球首款量产的支持LPDDR6的芯片，玄戒O100采用混合键合（WoW，wafer on wafer）封装的超高存储带宽，玄戒D100则是160GB的统一内存，小米对存储的重视程度是最高的。统一内存是玄戒D100最大特色。
为何用统一内存?主要还是为了存储带宽，我们看到芯片有存储带宽，比如理想马赫M100的存储带宽是273GB/s，但这是理论值。要达到理论值，并非那么容易，这牵涉到封装的布线密度，要取得高带宽就意味着高的布线密度。目前常见的有四种，一种是最常见的PCB，其线宽间距大约2-4毫米；然后是BT载板，大约12-25微米；再先进是ABF载板，大约6-12微米；最顶级是硅中介层，典型代表就是台积电的CoWoS工艺，大概是0.2微米。顺便说一句，BT成本低，密度也低，主要用于电脑内存和手机领域，ABF则主要用于AI领域，密度较高，成本也高，比如三菱瓦斯和昭和电工掌握的BT树脂，以及味之素公司掌握的ABF胶膜。由于这些材料经过多年测试和迭代，与客户的生产工艺高度匹配，因此在市场上具有较强的垄断性。味之素这家生产味精的厂家的ABF市场占有率超过96%，掌握着AI的命脉。
统一内存有两个特点：
统一虚拟寻址空间（Unified Virtual Address Space）：CPU、GPU、NPU 及其他硬件加速器共享相同的页表和虚拟地址翻译机制，实现真正的零拷贝。
超宽物理总线与在片集成封装（On-Package）：现代 UMA 彻底摒弃了插拔式内存条，转而采用超宽位宽总线设计与先进系统封装（SiP）也就是载板而非PCB，通过 Soc 级焊接集成内存。
苹果在2021年10月推出了M1 MAX芯片，提出了真正的UMA统一内存架构。苹果M1 MAX的存储带宽达400GB/s，要知道英伟达Thor也不过273GB/s。UMA超高带宽也有代价，首先是存储容量有限，其次是SiP封装成本较高。
AMD将统一内存改叫MoP。
MoP Technology
来源：AMD
高通骁龙 X2 Elite Extreme 平台也是UMA，高通车载领域的SA8797P也是如此，当然和苹果的UMA有差距。不过不是高通、英特尔和AMD技术不如苹果，主要原因还是成本选择，苹果可以高溢价，苹果的品牌溢价高，可以转嫁高成本，但其他几家不能。
特斯拉AI5芯片
来源：X媒体
2026年4月15日，马斯克在X媒体上得意地宣布AI5芯片流片成功，并展示了AI5芯片实物如上图。图上显示AI5与12片LPDDR5X内存在一片有机载板上，内存型号为H58GG6MK9QX212，这是韩国Hynix的LPDDR5X内存，看外观，这大概率也是MoP技术。H58代表LPDDR5，GG代表12GB，6代表16 bank，M代表第一代，K9代表9600Mbps，X似乎是代表车规。推测特斯拉是512bit总线带宽，存储带宽就是512*9600/8=614.4GB/s。总容量达到了144GB。
回到小米玄戒D100，大概率是像特斯拉AI5这样，用BT或ABF载板封装了160GB LPDDR5X内存，容量更高，估计是16片10GB内存，存储带宽估计640bit，存储带宽估计是768GB/s，超过特斯拉AI5，至于算力，无足轻重了。
免责说明：本文观点和数据仅供参考，和实际情况可能存在偏差。本文不构成投资建议，文中所有观点、数据仅代表笔者立场，不具有任何指导、投资和决策意见。
VIP复盘网
