你以为自动驾驶拼的是算法?Waymo刚把Nvidia芯片换掉了
Waymo刚刚干了一件Nvidia最不想看到的事。8月20日，Waymo官方博客发了一篇名为"A Look Under Our Trunk: What's in Our Compute"的文章，首次公开了第六代Robotaxi系统的车载计算架构。核心信息就一句话：他们自己造了一颗5nm的ASIC芯片，算力超过1000 TOPS，而且已经在所有运营中的Robotaxi上跑着了。（来源：Waymo官方博客，2026-08-21）这颗芯片取代的，正是Nvidia等第三方供应商的位置。这不是什么实验室样品。Waymo目前在凤凰城、旧金山、洛杉矶、奥斯汀四个城市运营Robotaxi服务，每一辆在路上接客的车，底下都跑着这颗自研芯。（来源：The Verge，2026-08-21）我读完整篇博客和所有相关报道后，有一个判断：自动驾驶的竞争，已经从"谁算法更好"变成了"谁能在芯片上不被卡脖子"。Waymo这一步，不是技术升级，是战略起义。
如果你对自动驾驶的理解还停留在"感知-决策-控制"的算法层面，有一个事实值得重新审视：Waymo选择5nm制程，但用的不是台积电最前沿的节点，而是N5A——一个专门为汽车电子优化的"成熟节点"（来源：TheNextWeb，2026-08-21）。这里有一条反直觉的逻辑：前沿制程追求的是晶体管密度和能效比，但车规芯片的第一优先级是可靠性。车要在-40°C到105°C的温度范围内稳定工作，要扛得住振动和电磁干扰，一颗芯片的寿命周期要覆盖整辆车的使用年限。3nm听起来比5nm先进得多，但在车规场景下，5nm的N5A是台积电目前最成熟的汽车级节点。Waymo不追前沿，追的是"够用且可靠"。这个选择本身就说明问题——他们不是在炫技，是在为规模化运营铺路。说到"规模化"，后面那个成本账算出来你会更清楚为什么这条路线走得通。自动驾驶芯片本质上是一个"传感器融合+神经网络推理"的专用计算问题。通用GPU虽然也能跑，但效率不高——你花了很多钱买来的算力，有相当一部分用在了你不需要的功能上。Waymo的博客里对这颗芯片的定位很明确："specialized ML powerhouse engineered exclusively to process, fuse, and run advanced neural networks"（来源：Waymo官方博客，2026-08-21）。翻译成人话：这颗芯片只干一件事——处理Waymo的传感器数据和跑Waymo的神经网络。不多干，也不少干。这种专用化带来的效率提升，是通用芯片永远追不上的。
有了这颗自研芯片，我们来看Waymo第六代系统到底长什么样。传感器配置：13个摄像头 + 4个激光雷达 + 6个毫米波雷达，外加多个摄像头清洁用的微型雨刷（来源：Facebook/TeslaInsider，2026-08-21）。相比第五代系统，传感器数量没有暴涨，但整体重量大幅下降。背后的逻辑是——自研芯片的算力效率提升了，不需要堆更多传感器来弥补处理瓶颈。供应商方面，Waymo公布了一份7家合作供应商的名单（来源：Waymo官方博客，2026-08-21）。这本身就很有意思：自研芯片不代表全部自己干，Waymo选择的是"核心设计自己做，制造和配套交给专业的人"。这种分工模式，跟Apple自研M系列芯片但交给台积电代工如出一辙。车辆成本是整件事最扎眼的数据。新一代Zeekr RT的估计成本约为75,000美元，已经低于高盛2025年的预测（来源：The Driverless Digest，2026-08-21）。再往前倒——Waymo刚起步时，单颗激光雷达的成本是75,000美元。现在一辆完整的Robotaxi，包含所有传感器和自研芯片，总成本才75,000美元左右。这个降本曲线，不是渐进式的，是断崖式的。而自研芯片，是这条曲线最新的加速器。上面提到的那个"规模化"问题，到这里答案就清晰了——每多一辆车，自研芯片的研发成本就被多摊薄一点，规模越大，优势越明显。
现在把格局拉大。Waymo不是唯一一个在自研芯片的自动驾驶公司。Tesla早在2019年就推出了FSD Chip，目前已经迭代到第二代。而Nvidia这边，Drive Thor是主打产品，号称2000 TOPS，4nm制程，但——目前还在送样阶段，大规模部署的时间表不明确（来源：财联社，2026-08-21）。这里有一个关键差异：Waymo和Tesla走的是"垂直整合"路线——自己设计芯片、自己定义传感器配置、自己训练模型、自己运营车队。整个技术栈是自己的。而Nvidia的路线是"平台化"——提供芯片、提供Drive AV软件栈、甚至计划2027年推出完整的Robotaxi全栈方案（来源：CNBC，2026-01-05）。说白了，Nvidia想做的是"自动驾驶领域的Android"——谁都可以用，但核心在我手里。两种路线没有绝对的对错。但有一个事实值得注意：当你的核心供应商（Nvidia）同时也是你的潜在竞争对手（Nvidia计划自己做Robotaxi全栈方案），这个关系就变得微妙了。Waymo选择自研芯片，本质上是在说：我不想被供应商绑架。
第一阶段（买芯）：用Nvidia/Intel/Mobileye的通用芯片，跑自己的算法。这是绝大多数自动驾驶公司和传统车企目前的阶段。毛利率被芯片供应商吃掉一块。第二阶段（定制芯）：与芯片厂商合作定制，比如在通用架构上做修改。部分新势力车企在这个阶段。能省一些成本，但核心架构还是别人的。第三阶段（全栈自研）：芯片、传感器、模型、车队运营全部自己掌控。目前只有Waymo和Tesla走到了这一步。规模越大，单均成本越低。三个阶段之间的差距，不是技术差距，是"成本结构"的差距。第一阶段每辆车要给Nvidia交一笔芯片费。第三阶段，这块成本变成了自己的研发投入摊销——一旦过了盈亏平衡点，每多一辆车都是纯赚。这个框架解释了为什么Waymo在不断扩大运营城市（凤凰城、旧金山、洛杉矶、奥斯汀），因为每多一辆车，自研芯片的研发成本就被多摊薄一点。
把Waymo放到更大的产业背景下看，你会发现这不是孤立事件。Google在2016年就推出了TPU，用于自家数据中心的AI训练和推理。Apple在2020年用M1替代Intel，完成了Mac产品线的芯片自主化。Amazon在2021年推出Trainium，减少对Nvidia GPU的依赖。Tesla在2019年发布FSD Chip，2026年已经迭代到第二代。这条"去Nvidia化"的时间线，从2016年一直拉到2026年，横跨了数据中心、移动设备、智能汽车三个赛道。不是某个行业的偶然，而是一个系统性的产业趋势：当你的业务规模足够大，通用芯片的"通用税"就会变成一笔无法忽视的成本——Nvidia的毛利率常年在60%以上，这块肥肉谁都想自己吃。我算一笔账：假设Waymo有1000辆Robotaxi在运营，每辆车用Nvidia Drive Thor，单芯片成本假设在2000-3000美元（来源存疑，基于行业估计）。如果自研芯片的流片成本在1-2亿美元量级，在1000辆的规模下肯定不划算——但Waymo的目标显然是万辆、十万辆级别。一旦规模上去，自研芯片的单位成本会远低于外购。
Waymo官方博客和OFweek（2026-01）都提到：自研芯片只是多元化硬件策略的一部分，不会完全替代现有供应商。Waymo与Nvidia仍然保持合作关系。自研芯片更多是"多了一个选项"，而不是"彻底决裂"。另外，Jensen Huang曾公开表示Tesla在自动驾驶领域"far ahead"，暗示Nvidia更看好Tesla的纯视觉路线而非Waymo的高精度地图+多传感器融合路线（来源：YouTube/Nvidia CEO发言，被引用于2026-08-21）。两种技术路线之间的竞争，不会因为一颗芯片就分出胜负。还有一点：Forbes（2025-07）曾指出，Waymo做的是"driver platform"，Tesla做的是"cars"——两个截然不同的商业模式。芯片自研对Waymo来说更关键，因为它是平台方，需要自己掌控底层技术栈。但这条路径的投入门槛极高，不是所有自动驾驶公司都玩得起的。
3句话总结
核心事实：Waymo自研5nm ASIC芯片（1000+ TOPS，台积电N5A节点）已部署在所有运营中的Robotaxi上，替代了Nvidia等第三方芯片，这是自动驾驶公司首次实现车载计算全栈自研。对你的影响：自研芯片 → 硬件成本下降 → Robotaxi运营成本降低 → 长期打车更便宜；同时，依赖通用芯片的自动驾驶公司面临成本劣势，行业洗牌加速，最终影响你能选择的Robotaxi服务商数量。具体行动：如果你在凤凰城、旧金山、洛杉矶、奥斯汀，可以体验Waymo One亲身感受第六代系统的实际表现；技术从业者建议把Waymo的架构思路（传感器融合+定制ASIC+模型轻量化）作为技术参考；关注台积电汽车业务和Nvidia自动驾驶芯片市场份额变化，这是产业链的下一个投资信号。
Nvidia会不会反击？我觉得会。2027年的全栈方案就是他们的答案。但问题的关键是——当客户开始自己造芯片，供应商的议价权就已经被永久削弱了。这才是Waymo这颗5nm芯片最深远的影响。不是它有多强，而是它证明了：自研这条路，走得通。而且一旦走通，回不了头。
