小米のXring D100は自動運転をどう変えるのか？ NIO、XPeng、Teslaとの戦略比較

小米がXring D100で狙うもの

小米は次世代の「スマートドライビング」を、自社製半導体を軸に垂直統合しようとしている。同社が発表した「Xring D100」は、3nmプロセスで製造される車載AIチップで、20コアの高性能CPUと16コアのNPU（ニューラル・プロセッシング・ユニット）を搭載する。ユニファイドメモリーは最大160GBに対応し、最大2000億パラメーターの大規模モデルを車内で実行できると小米は説明している。1819

チップは開発と検証を完了しており、2027年の商用利用が予定されている。ただし、現時点では具体的な搭載車種、量産台数、車両への導入時期、一般的な比較指標であるTOPS（1秒あたりの処理性能）は公表されていない。つまり、発表された仕様は意欲的だが、実際の走行性能やコストメリットはまだ検証前の段階にある。18

「2000億パラメーター」を車内で動かす意味

大規模モデルをクラウドではなく車両側で処理できれば、通信環境に左右されにくくなり、応答速度やデータ管理の面で利点が生まれる可能性がある。小米は、正式な車載展開に先立ち、D100を含むXringチップを搭載した試作デスクトップ端末「AI Cube」で、1200億および30億パラメーター規模のモデルをローカル実行するデモを行ったと報じられている。

ただし、モデルのパラメーター数が大きいことと、自動運転システムの安全性が高いことは同義ではない。車載システムでは、認識精度だけでなく、消費電力、発熱、リアルタイム性、異常時の安全設計、センサーとの連携、ソフトウェアの検証が必要になる。

NIOは「性能」よりも経済性を重視

NIOの自社チップ戦略は、小米とはやや異なる。中心にあるのは、NVIDIAなど外部サプライヤーへの依存を減らし、車両1台あたりのハードウェア費用を抑え、規模拡大によって利益率を改善するという考え方だ。NIOは、自社のアルゴリズムやセンサー構成に合わせてシリコンを設計できる点も利点として挙げている。1

同社の「Shenji NX9031」は5nmプロセスのスマートドライビングチップで、NIOは自社開発によって研究開発の効率と収益性を高められると説明している。過去にはNVIDIA製チップの購入費が年間3億ドルに達した時期があったとの説明もあり、NIOにとって自社半導体は技術的な挑戦であると同時に、コスト構造を見直すための取り組みでもある。25

XPengはチップ単体ではなく「自動運転プラットフォーム」で勝負

XPengは、Mona L03をVLA（Vision-Language-Action）ベースの運転支援システムとTuringチップの実装プラットフォームとして位置付けている。より長期の目標として同社が掲げるレベル4自動運転は、現在の車両そのものではなく、2028年を目標とする次世代アーキテクチャー「SEPA 4.0」のロードマップに含まれる。

SEPA 4.0では、自社のAI基盤モデルや、車両・ロボットを横断する「身体性AI」も構想されている。ただし、これは将来計画であり、Mona L03が現時点でレベル4自動運転車であることを意味しない。レベル4は、限定された条件下で人間の運転操作を必要としない自動運転を指すため、実用化には技術だけでなく法制度や運行条件の整備も関わる。

TeslaのTerafabは「将来の供給能力」が焦点

TeslaとSpaceXについては、テキサス州に先端半導体工場をそれぞれ設ける計画が報じられている。一方はTeslaの車両やヒューマノイドロボット向け、もう一方は宇宙空間のAIデータセンター向けとされる。

この構想は「Terafab」と呼ばれ、2nmプロセスを想定した計画だと報じる情報もある。ただし、現在稼働している量産工場の能力ではなく、あくまで将来構想として扱うべきだ。イーロン・マスク氏は、SpaceXがTeslaの約3倍の生産量を消費する可能性を示していると報じられており、計画が実現しても、その供給能力がTesla車にどの程度割り当てられるかは不透明だ。

HW4／AI4をめぐる論点は、製造プロセスだけではない

Teslaの現行HW4、すなわちAI4コンピューターでは、監視なしのFSD（完全自動運転）を実現できないのではないかという投資家・アナリストの批判も出ている。しかし、これは確立した技術的結論ではない。TeslaはJPMorganに対し、HW4でFSD v15と監視なし運転を実行できると伝えたと報じられている。

同時にTeslaは、演算性能が約10％高く、メモリーが約2倍になったAI4.5も展開しているとされる。このため、争点は単純なチップの世代や製造プロセスではない。実際にどのソフトウェアを安定して動かせるのか、事故リスクをどのように抑えるのか、規制当局や第三者が性能をどう検証するのかが重要になる。

4社の違いは「何を内製化したいか」

4社の計画を並べると、競争の軸は単一のチップ性能ではなく、内製化の目的の違いにある。

• 小米：高性能な車載AIと大規模なローカルモデルを重視
• NIO：外部チップへの依存を減らし、部品コストと利益率を改善
• XPeng：VLA、AI基盤モデル、SEPA 4.0を組み合わせた自動運転プラットフォームを構築
• Tesla：車両・ロボット・宇宙AIを支える長期的な半導体生産能力を確保

3nmや2nmの先端プロセスは、一般に電力効率や集積度の向上に寄与する。しかし、それだけで安全なレベル4自動運転が実証されるわけではない。小米の「2000億パラメーター対応」もTeslaのTerafab構想も、戦略上は大きな意味を持つ一方、量産車への導入と、第三者が確認できる実走行データがそろって初めて、自動運転への影響を評価できる。