小米Xring D100智慧駕駛晶片亮相！3奈米、160GB記憶體　2027年拚商用

小米Xring D100正式進軍智慧駕駛晶片市場，這款自研AI運算晶片採用3奈米製程、20核心CPU與16核心NPU，最高支援160GB統一記憶體，並規劃自2027年開始投入商業應用。

中華超傳媒 (文/ 美國隊長MYEV)
(編輯與發佈 / 記者 林岳維)

示意圖/小米公布自研智慧駕駛晶片Xring D100，採用3奈米製程，並規劃自2027年開始投入商業應用。(中華超傳媒/ 圖庫圖片)

目前小米SU7與YU7的智慧駕駛系統主要採用NVIDIA硬體，從較早期的Drive Orin逐步發展至Drive Thor。Xring D100的出現，則讓小米未來有機會進一步掌握智慧駕駛硬體、軟體、感測器與AI模型之間的整合，同時降低外部晶片成本、供應與產品開發時程帶來的限制。

台灣讀者先看：真正重點不是「比NVIDIA強不強」

這次Xring D100最值得注意的地方，並不是單純拿核心數、記憶體或製程與NVIDIA、Tesla比較，而是小米正在往車用運算垂直整合邁進。

目前智慧駕駛系統並非只靠單一晶片決定表現，從攝影機、雷達等感測器取得資料後，還需要AI模型、演算法、軟體架構以及車載運算平台共同配合。

如果車廠能自行設計晶片，就可以針對自家的感測器、軟體與駕駛模型進一步調整硬體設計，同時提高對成本、供應鏈與產品開發節奏的掌握程度。

• Xring D100關鍵規格一次看

• 3奈米製程上身　最高支援160GB統一記憶體

Xring D100採用20核心CPU與16核心NPU（神經網路處理器），小米並表示這是中國大陸首款採3奈米製程打造的晶片。

相較較成熟製程，更先進的製程理論上能在有限晶片面積中提高電晶體密度，同時具備改善效能與能源效率的潛力。不過，實際表現仍取決於晶片架構、功耗設定以及軟硬體最佳化。

記憶體方面，D100最高支援160GB統一記憶體（Unified Memory）。

小米宣稱，這套硬體能直接在裝置端運行最高達2,000億參數的AI模型，也顯示D100的定位不只針對傳統駕駛輔助運算，而是希望支援更大規模的車端AI模型。

圖/Xring D100配置20核心CPU與16核心NPU，最高支援160GB統一記憶體，定位於智慧駕駛與AI推論運算。(來源: 小米官網)

• NVIDIA Drive Thor最高128GB　但不能只看記憶體判斷效能

若從公開硬體規格比較，NVIDIA目前的Drive Thor採用14核心、4奈米製程處理器，最高支援128GB記憶體。

Tesla現行Hardware 4（HW4）單晶片則提供16GB記憶體，採7奈米製程；下一代Hardware 5則朝2奈米製程發展，預計最高支援144GB記憶體。

單看這些數字，Xring D100的160GB記憶體與3奈米製程相當醒目。

但這並不代表可以直接得出「D100效能高於Drive Thor或Tesla Hardware」的結論。

智慧駕駛運算平台的實際表現還會受到晶片架構、AI模型效率、記憶體頻寬、功耗、感測器資料處理，以及軟硬體最佳化程度影響，因此製程與記憶體容量只能代表部分硬體條件。

更重要的是，小米目前尚未公布D100的TOPS數據。

TOPS代表每秒可執行多少兆次運算，是車用AI晶片常見的運算能力指標之一。缺少這項數據後，目前仍無法完整比較D100與NVIDIA Drive Thor或Tesla自研晶片的AI推論能力。

• SU7、YU7目前仍採NVIDIA　未來有望導入自研平台

示意圖/小米SU7與YU7目前主要採用NVIDIA智慧駕駛運算硬體，Xring D100則開啟自研車載AI晶片路線。(來源:  小米官網)

小米汽車現有車款過去主要採用NVIDIA智慧駕駛平台。

包括SU7與YU7在內，硬體由較早期的Drive Orin逐漸走向新一代Drive Thor，NVIDIA也因此成為小米目前智慧駕駛系統的重要運算平台供應商。

Xring D100公開之後，小米則多了一條自研路線。

如果未來正式導入量產車，小米將有機會從智慧型手機領域既有的軟硬體整合經驗，進一步延伸至汽車產業，將車端感測器、智慧駕駛軟體、AI模型以及運算晶片納入更完整的自主技術體系。

不過，目前資訊僅確認D100規劃投入智慧駕駛及後續商業應用，尚未公布SU7、YU7或其他特定量產車正式換裝Xring D100的明確時程。

• BYD、蔚來、小鵬也投入自研　車廠開始搶智慧駕駛核心技術

小米不是唯一往自研車用晶片發展的中國車廠。

BYD（比亞迪）、NIO（蔚來）與XPENG（小鵬）等品牌，也開始投入不同程度的自研晶片與車載運算平台開發。

背後除了智慧駕駛技術競爭，也涉及AI晶片成本、供應鏈自主性以及全球高階運算晶片供應環境。

對車廠而言，自研晶片雖然需要投入龐大研發成本，但一旦達到足夠出貨規模，就可能換取更高程度的軟硬體整合能力，並減少產品開發完全受制於外部晶片供應商的情況。

這也是近年Tesla、Rivian以及多家中國新能源車廠陸續投入自研晶片的重要背景。

• 小米砸逾30億美元　晶片布局橫跨手機與汽車

小米表示，公司在新一代自研硬體開發上投入已超過30億美元。

這筆研發支出並非只投入Xring D100，也涵蓋O100 AI加速晶片，以及面向行動裝置的O3系統單晶片（SoC）平台。

其中O3預計率先應用於即將推出的Xiaomi 18 Fold智慧型手機，Xring D100與O100則規劃自2027年開始投入商業應用。

從手機SoC、AI加速器一路延伸至智慧駕駛晶片，小米的晶片策略正在跨越原本的消費電子領域。

接下來最值得觀察的，將是Xring D100實際TOPS、功耗與量產成本，以及小米何時把這套自研運算平台正式導入旗下電動車。這些資訊公布後，才有足夠基礎判斷D100與NVIDIA Drive Thor等現行車用AI平台之間的實際競爭力。

示意圖/小米自研晶片布局除了Xring D100，也涵蓋O100 AI加速晶片與O3行動裝置SoC平台，應用範圍從手機進一步延伸至智慧汽車。(來源:小米官網)