小米正在把“自研芯片”从手机业务进一步延伸到汽车和智能驾驶领域。8 月 24 日，小米正式发布 XRING D100，这是其首款专为智能驾驶设计的自研 AI 芯片。小米称，D100 采用 3 纳米工艺，已经完成全部验证，计划在 2027 年实现商业应用。1012

这次发布的重点，不只是芯片参数本身，也在于小米希望掌握更多从芯片、操作系统到 AI 模型和车辆应用的关键环节。不过，D100 目前仍未在量产车型上交付，因此它还不能被视为已经在实际驾驶性能上击败成熟竞争对手的平台。

XRING D100 有哪些参数？

小米公布的核心规格包括：

• 20 核高性能 CPU：负责通用计算、系统任务和部分智能驾驶相关工作负载。
• 16 核 NPU：NPU 即神经网络处理器，主要用于加速 AI 推理。
• 最高 160GB 统一内存：CPU、NPU 等计算单元可共享同一内存池，理论上有利于在设备端处理大型模型。
• 本地运行最高 2000 亿参数模型：小米称，D100 能够在设备端运行参数规模最高达 2000 亿的 AI 模型。12

这里的“本地运行”意味着模型推理可以在设备内部完成，而不必完全依赖云端服务器。对智能驾驶而言，这有助于降低对网络连接的依赖；但模型能否以足够低的延迟、稳定功耗和符合安全要求的方式运行，还要看后续的软件和实车验证。

3 纳米工艺意味着什么？

小米称，D100 是中国大陆首款采用 3 纳米工艺打造的高算力智能驾驶 AI 芯片。1012 工艺节点通常与晶体管密度、能效和芯片设计空间有关，但“3 纳米”并不等同于自动驾驶能力一定更强。

截至发布时，小米没有公布 D100 的 TOPS 数值。TOPS 是衡量 AI 芯片每秒可执行万亿次运算能力的常见指标，虽然不能单独代表实际驾驶体验，却是进行纸面比较的重要数据。小米也没有披露晶圆代工厂、首款搭载车型，或除“计划 2027 年商用”之外的具体装车时间表。1012

因此，现阶段还无法仅凭工艺节点，严谨比较 D100 与其他平台的推理性能。功耗、内存带宽、功能安全架构、软件工具链、可靠性和真实道路表现，同样决定一款智驾芯片能否落地。

AI Cube 展示了 D100 的另一种用途

在同一技术展示中，小米还展示了 AI Cube Prototype。这是一台工程样机，将三款 XRING 芯片组合在一起：面向手机的 O3、AI 加速器 O100，以及面向智能驾驶的 D100。

据展示信息，这台原型设备采用 80GB 统一内存，持续功耗约为 150W，并在本地运行“120B + 3B”模型配置。5 不过，展示的模型精度、上下文长度等细节没有公开；AI Cube 也只是工程原型，并非已经公布售价和上市日期的商业产品。5

与中国车企自研芯片相比，D100 处于什么位置？

中国电动汽车厂商近年来都在加大对自研计算平台的投入，希望减少对外部芯片供应商的依赖。小米的 D100 也处在这一趋势之中，但各家公司公开的指标并不完全一致。

• 蔚来：蔚来的 5 纳米 Shenji NX9031 已搭载于蔚来和乐道车型，累计出货量超过 30 万颗；蔚来此前还宣称单颗芯片算力超过 1000 TOPS。与之相比，D100 的工艺节点更先进，但由于小米没有公布 TOPS、功耗、带宽或实车数据，目前无法据此排出性能高低。7
• 理想汽车：理想汽车的 5 纳米 M100 有报道称算力达到 1280 TOPS，这为市场提供了一个小米尚未公布的公开吞吐量指标。67
• 比亚迪：比亚迪的 4 纳米玄玑 A3 据报道已经进入量产，因此在产品落地和部署速度上占据先发优势，即使 D100 宣称采用更小的工艺节点。6
• 小鹏汽车：小鹏同样在推进自研智能驾驶芯片，D100 是中国汽车行业减少对商业芯片依赖的更大趋势的一部分。6

小米目前的电动汽车使用过英伟达硬件，而 D100 被视为从 2027 年起降低这类依赖的一条路径。11 在战略思路上，这与特斯拉自研 FSD 计算机的做法相似：将车辆软件、数据、模型和计算硬件更多地整合到同一体系中。

但英伟达拥有更成熟的供应商生态、开发工具和行业基准。小米尚未公布足够的 D100 性能、能效、软件支持和安全验证数据，因此现在还不能据此认为它已经达到英伟达平台的水平。

小米为什么要自研智驾芯片？

小米表示，其在半导体领域累计投入已超过 210 亿元人民币，并组建了接近 3000 名工程师的芯片团队。12 这意味着，D100 并不是一次孤立的汽车项目，而是小米 XRING 芯片体系扩张的一环。

从长期看，自研芯片可能带来几方面好处：

1. 提升软硬件整合能力：小米可以针对自有系统、模型和车辆功能进行协同设计。
2. 增强供应链控制：掌握更多关键组件，有助于降低对外部芯片平台的依赖。路透社报道称，小米押注对关键零部件拥有更强控制力，以强化业务和供应链。1
3. 复用研发成果：手机、端侧 AI、电脑和汽车等产品可以共享部分芯片设计、软件和工程能力。
4. 争取长期成本优势：如果芯片能够实现规模化量产，自研平台有机会改善单位成本和产品差异化，但这仍取决于实际出货量和制造成本。

风险也同样明显。小米智能电动汽车、AI 及其他新业务板块在 2026 年第二季度录得 26 亿元人民币经营亏损。9 在持续投入汽车、芯片和 AI 的同时，公司还需要证明这些项目最终能够形成稳定的商业回报。

结论：重要的是落地，而不只是 3 纳米

XRING D100 展示了小米试图掌握汽车智能化核心技术的决心。20 核 CPU、16 核 NPU、最高 160GB 统一内存，以及本地运行 2000 亿参数模型的能力，构成了一个颇具野心的规格组合。1012

但在 2027 年正式商用之前，D100 仍有几个关键问题待回答：它的实际 TOPS 和能效是多少？将搭载哪款车型？软件工具链是否成熟？能否通过汽车行业要求的功能安全和可靠性验证？

所以，现阶段最准确的判断是：D100 是小米完成验证、准备迈向商业化的自研智驾芯片，而不是已经被实车表现证明的行业性能冠军。真正决定其成败的，将是从发布会规格走向量产车型的执行能力。

小米正在把“自研芯片”从手机业务进一步延伸到汽车和智能驾驶领域。8 月 24 日，小米正式发布 XRING D100，这是其首款专为智能驾驶设计的自研 AI 芯片。小米称，D100 采用 3 纳米工艺，已经完成全部验证，计划在 2027 年实现商业应用。1012

这次发布的重点，不只是芯片参数本身，也在于小米希望掌握更多从芯片、操作系统到 AI 模型和车辆应用的关键环节。不过，D100 目前仍未在量产车型上交付，因此它还不能被视为已经在实际驾驶性能上击败成熟竞争对手的平台。

XRING D100 有哪些参数？

小米公布的核心规格包括：

• 20 核高性能 CPU：负责通用计算、系统任务和部分智能驾驶相关工作负载。
• 16 核 NPU：NPU 即神经网络处理器，主要用于加速 AI 推理。
• 最高 160GB 统一内存：CPU、NPU 等计算单元可共享同一内存池，理论上有利于在设备端处理大型模型。
• 本地运行最高 2000 亿参数模型：小米称，D100 能够在设备端运行参数规模最高达 2000 亿的 AI 模型。12

这里的“本地运行”意味着模型推理可以在设备内部完成，而不必完全依赖云端服务器。对智能驾驶而言，这有助于降低对网络连接的依赖；但模型能否以足够低的延迟、稳定功耗和符合安全要求的方式运行，还要看后续的软件和实车验证。

3 纳米工艺意味着什么？

小米称，D100 是中国大陆首款采用 3 纳米工艺打造的高算力智能驾驶 AI 芯片。1012 工艺节点通常与晶体管密度、能效和芯片设计空间有关，但“3 纳米”并不等同于自动驾驶能力一定更强。

截至发布时，小米没有公布 D100 的 TOPS 数值。TOPS 是衡量 AI 芯片每秒可执行万亿次运算能力的常见指标，虽然不能单独代表实际驾驶体验，却是进行纸面比较的重要数据。小米也没有披露晶圆代工厂、首款搭载车型，或除“计划 2027 年商用”之外的具体装车时间表。1012

因此，现阶段还无法仅凭工艺节点，严谨比较 D100 与其他平台的推理性能。功耗、内存带宽、功能安全架构、软件工具链、可靠性和真实道路表现，同样决定一款智驾芯片能否落地。

AI Cube 展示了 D100 的另一种用途

在同一技术展示中，小米还展示了 AI Cube Prototype。这是一台工程样机，将三款 XRING 芯片组合在一起：面向手机的 O3、AI 加速器 O100，以及面向智能驾驶的 D100。

据展示信息，这台原型设备采用 80GB 统一内存，持续功耗约为 150W，并在本地运行“120B + 3B”模型配置。5 不过，展示的模型精度、上下文长度等细节没有公开；AI Cube 也只是工程原型，并非已经公布售价和上市日期的商业产品。5

与中国车企自研芯片相比，D100 处于什么位置？

中国电动汽车厂商近年来都在加大对自研计算平台的投入，希望减少对外部芯片供应商的依赖。小米的 D100 也处在这一趋势之中，但各家公司公开的指标并不完全一致。

• 蔚来：蔚来的 5 纳米 Shenji NX9031 已搭载于蔚来和乐道车型，累计出货量超过 30 万颗；蔚来此前还宣称单颗芯片算力超过 1000 TOPS。与之相比，D100 的工艺节点更先进，但由于小米没有公布 TOPS、功耗、带宽或实车数据，目前无法据此排出性能高低。7
• 理想汽车：理想汽车的 5 纳米 M100 有报道称算力达到 1280 TOPS，这为市场提供了一个小米尚未公布的公开吞吐量指标。67
• 比亚迪：比亚迪的 4 纳米玄玑 A3 据报道已经进入量产，因此在产品落地和部署速度上占据先发优势，即使 D100 宣称采用更小的工艺节点。6
• 小鹏汽车：小鹏同样在推进自研智能驾驶芯片，D100 是中国汽车行业减少对商业芯片依赖的更大趋势的一部分。6

小米目前的电动汽车使用过英伟达硬件，而 D100 被视为从 2027 年起降低这类依赖的一条路径。11 在战略思路上，这与特斯拉自研 FSD 计算机的做法相似：将车辆软件、数据、模型和计算硬件更多地整合到同一体系中。

但英伟达拥有更成熟的供应商生态、开发工具和行业基准。小米尚未公布足够的 D100 性能、能效、软件支持和安全验证数据，因此现在还不能据此认为它已经达到英伟达平台的水平。

小米为什么要自研智驾芯片？

小米表示，其在半导体领域累计投入已超过 210 亿元人民币，并组建了接近 3000 名工程师的芯片团队。12 这意味着，D100 并不是一次孤立的汽车项目，而是小米 XRING 芯片体系扩张的一环。

从长期看，自研芯片可能带来几方面好处：

1. 提升软硬件整合能力：小米可以针对自有系统、模型和车辆功能进行协同设计。
2. 增强供应链控制：掌握更多关键组件，有助于降低对外部芯片平台的依赖。路透社报道称，小米押注对关键零部件拥有更强控制力，以强化业务和供应链。1
3. 复用研发成果：手机、端侧 AI、电脑和汽车等产品可以共享部分芯片设计、软件和工程能力。
4. 争取长期成本优势：如果芯片能够实现规模化量产，自研平台有机会改善单位成本和产品差异化，但这仍取决于实际出货量和制造成本。

风险也同样明显。小米智能电动汽车、AI 及其他新业务板块在 2026 年第二季度录得 26 亿元人民币经营亏损。9 在持续投入汽车、芯片和 AI 的同时，公司还需要证明这些项目最终能够形成稳定的商业回报。

结论：重要的是落地，而不只是 3 纳米

XRING D100 展示了小米试图掌握汽车智能化核心技术的决心。20 核 CPU、16 核 NPU、最高 160GB 统一内存，以及本地运行 2000 亿参数模型的能力，构成了一个颇具野心的规格组合。1012

但在 2027 年正式商用之前，D100 仍有几个关键问题待回答：它的实际 TOPS 和能效是多少？将搭载哪款车型？软件工具链是否成熟？能否通过汽车行业要求的功能安全和可靠性验证？

所以，现阶段最准确的判断是：D100 是小米完成验证、准备迈向商业化的自研智驾芯片，而不是已经被实车表现证明的行业性能冠军。真正决定其成败的，将是从发布会规格走向量产车型的执行能力。