小米发布了 Xring D100，这是其首款面向智能驾驶的自研 AI 处理器。D100 采用 3 纳米工艺，配备 20 核高性能 CPU 和 16 核 NPU，支持最高 160GB 统一内存。小米称，它能够在车端本地运行参数量最高达 2000 亿的大语言模型。623

这次发布的战略意义不小，但目前还不能据此断言小米已经超越成熟的汽车计算平台。D100 已完成开发和验证，计划于 2027 年实现商用；不过，小米尚未公布其 TOPS 算力、首款搭载车型、详细功耗数据，也没有给出明确的上车时间表。2334

小米究竟发布了什么

面向本地 AI 的高内存芯片

D100 最醒目的参数包括 20 核 CPU、16 核 NPU，以及最高 160GB 的统一内存。小米表示，这套配置能够支持在本地运行参数量最高达 2000 亿的大语言模型。623

但“能够容纳多大的模型”与“运行得有多快”并不是一回事。对于汽车而言，模型规模只是衡量标准之一，推理速度、功耗、软件优化、内存带宽、功能安全和车规级验证同样关键。仅凭 2000 亿参数这一说法，无法证明 D100 已经具备领先的智能驾驶性能。

关于“国内首款 3 纳米”的说法

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。这属于小米的产品定位和公司声明，不等同于经过独立机构验证的性能排名。623

更先进的制程节点通常有助于提升晶体管密度，并为功耗和性能优化提供更多空间。但 3 纳米并不会自动带来更高的有效推理速度、更低的整车能耗或更强的自动驾驶能力。由于小米尚未披露足够的技术数据，目前无法仅凭制程节点判断 D100 的实际水平。

2027 年商用，不等于已经装车

小米表示，D100 已完成开发和验证，预计 2027 年投入商业使用。但公司尚未公布首款搭载该芯片的量产车型。1223

这一区别十分重要。芯片设计完成是一个关键里程碑，但量产导入还涉及生产良率、车载软硬件集成、功能安全、系统冗余、软件持续更新以及规模化制造等多个环节。对于智能驾驶芯片来说，从“验证完成”到“稳定装车”，往往还有很长一段路。

AI Cube 展示了什么

小米还展示了 AI Cube Prototype，一台用于本地 AI 计算的紧凑型工程样机。它将三款 Xring 芯片组合在一起：移动端的 O3、AI 加速器 O100，以及面向汽车的 D100。小米称整机可支持最高 150W 的持续功耗，并演示了本地运行“120B + 3B”模型配置。1822

这场演示体现了小米希望让不同芯片在手机、AI 设备和汽车等场景中协同工作的思路。不过，AI Cube 目前仍是工程原型，不是已经上市的商用电脑，也不能代表 D100 在量产车辆中的实际表现。现有报道显示，该产品尚未公布售价和销售日期。1830

与蔚来、理想、比亚迪和小鹏相比

比较 D100 时，最大的限制是：小米尚未公布 TOPS 算力。TOPS 通常用于表示 AI 芯片每秒可完成的万亿次运算，但不同厂商可能采用不同的数据精度、稀疏计算假设和“有效算力”定义，因此数字本身也未必能直接横向比较。

尽管如此，公开信息仍能反映各家产品所处的阶段。

蔚来：已经实现装车

蔚来的 5 纳米神玑 NX9031 已经应用于蔚来和乐道车型，蔚来此前还宣称单颗芯片算力超过 1000 TOPS。3440

D100 的 3 纳米工艺在制程数字上更新，但这并不能证明它在性能上胜过 NX9031。小米尚未提供可对照的吞吐量、内存带宽、功耗、冗余设计或真实道路测试结果。相比之下，蔚来的优势在于产品已经进入车辆部署阶段。

理想：公开了 1280 TOPS 的指标

理想汽车的 5 纳米魔毯 M100 据报道拥有 1280 TOPS 的“有效算力”，为市场提供了一个公开的吞吐量参照，而小米尚未给出 D100 的对应数字。3339

这并不是严格意义上的同条件对比，因为不同厂商的测试方式可能并不一致。但从信息披露角度看，理想公布了分析人士通常用来比较 AI 硬件的关键指标，而小米目前更强调内存容量、模型规模和制程工艺。

比亚迪：量产节点领先

比亚迪的 4 纳米玄玑 A3 据报道已于 2026 年 5 月进入量产，并与约 700 TOPS 的算力数据相关联。39

即使 D100 采用更小的制程节点，比亚迪仍在产品落地和规模化制造上占据先发优势。等小米公布量产安排和经过验证的车辆表现后，两者才有可能进行更有意义的比较。

小鹏：图灵芯片已进入生产

小鹏图灵芯片据行业报道拥有约 750 TOPS 算力，并于 2025 年第三季度开始生产。39

这些 TOPS 数字未必是在完全相同的测试条件下得出，但小鹏较早进入生产，再次说明“发布一款芯片”和“让芯片在车辆中大规模稳定运行”是两件不同的事。

英伟达与特斯拉：小米的战略参照

小米目前的电动车使用过英伟达硬件，D100 则为公司从 2027 年起进一步掌控车载计算平台提供了路径。2532

从战略上看，这与特斯拉更广泛的自研路线有相似之处：把计算硬件、车辆软件、数据和智能驾驶系统作为一个整体来开发，而不是完全依赖外部芯片供应商。20

但战略相似不代表技术实力相当。英伟达拥有更成熟的汽车芯片、软件工具链和开发者生态。小米目前还没有公布足够的 D100 性能、能效、开发工具、功能安全验证或量产规模数据，因此无法证明它已经达到英伟达汽车计算平台的水平。

小米为什么要自研芯片

D100 是小米 Xring 芯片版图的一部分。小米已在芯片研发上投入超过 200 亿元人民币，半导体设计团队规模也已扩大到 3000 多人。12

这项投入的目标并不只是降低一款汽车零部件的采购成本。小米希望建立横跨智能手机、端侧 AI、家庭和桌面计算，以及电动车的自研芯片能力。路透社将这一策略概括为：通过掌握更多关键零部件，增强供应链控制力，并减少对外部供应商的依赖。1

如果能够顺利推进，垂直整合可能帮助小米更好地协同硬件与软件、降低供应链暴露，并在不同产品线之间复用研发能力。但这些是潜在的战略收益，还不是已经得到财务数据证明的结果。

这是一场昂贵的执行考验

小米推进芯片和电动车业务的同时，其智能电动车、AI 及其他新业务仍未实现盈利。该业务板块在 2026 年第二季度录得 26 亿元人民币的经营亏损。213

因此，D100 既是一次技术里程碑，也是一项成本高昂的长期押注。小米接下来需要证明的，不只是能否完成芯片设计，而是能否把经过验证的芯片可靠地装进量产车，持续维护软件栈，以足够规模生产，并最终为驾驶者带来可衡量的体验改善。

结论：重要的是自研突破，而不是暂时的性能冠军

Xring D100 的意义在于，小米正把自研芯片战略从消费电子延伸到汽车。3 纳米工艺、20 核 CPU、16 核 NPU、最高 160GB 统一内存，以及对 2000 亿参数本地模型的支持，都是颇具野心的规格。623

但决定 D100 成色的关键证据仍然缺失：TOPS 算力、可比的功耗数据、明确的量产车型，以及真实道路表现都还没有公布。在这些信息出现之前，D100 还不能被可靠地排在蔚来、理想、比亚迪、小鹏或英伟达的平台之前。

就目前而言，小米证明的是自己正在认真构建一个覆盖硬件与软件的垂直整合体系，而不是已经取得了智能驾驶芯片的性能领先。

小米发布了 Xring D100，这是其首款面向智能驾驶的自研 AI 处理器。D100 采用 3 纳米工艺，配备 20 核高性能 CPU 和 16 核 NPU，支持最高 160GB 统一内存。小米称，它能够在车端本地运行参数量最高达 2000 亿的大语言模型。623

这次发布的战略意义不小，但目前还不能据此断言小米已经超越成熟的汽车计算平台。D100 已完成开发和验证，计划于 2027 年实现商用；不过，小米尚未公布其 TOPS 算力、首款搭载车型、详细功耗数据，也没有给出明确的上车时间表。2334

小米究竟发布了什么

面向本地 AI 的高内存芯片

D100 最醒目的参数包括 20 核 CPU、16 核 NPU，以及最高 160GB 的统一内存。小米表示，这套配置能够支持在本地运行参数量最高达 2000 亿的大语言模型。623

但“能够容纳多大的模型”与“运行得有多快”并不是一回事。对于汽车而言，模型规模只是衡量标准之一，推理速度、功耗、软件优化、内存带宽、功能安全和车规级验证同样关键。仅凭 2000 亿参数这一说法，无法证明 D100 已经具备领先的智能驾驶性能。

关于“国内首款 3 纳米”的说法

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。这属于小米的产品定位和公司声明，不等同于经过独立机构验证的性能排名。623

更先进的制程节点通常有助于提升晶体管密度，并为功耗和性能优化提供更多空间。但 3 纳米并不会自动带来更高的有效推理速度、更低的整车能耗或更强的自动驾驶能力。由于小米尚未披露足够的技术数据，目前无法仅凭制程节点判断 D100 的实际水平。

2027 年商用，不等于已经装车

小米表示，D100 已完成开发和验证，预计 2027 年投入商业使用。但公司尚未公布首款搭载该芯片的量产车型。1223

这一区别十分重要。芯片设计完成是一个关键里程碑，但量产导入还涉及生产良率、车载软硬件集成、功能安全、系统冗余、软件持续更新以及规模化制造等多个环节。对于智能驾驶芯片来说，从“验证完成”到“稳定装车”，往往还有很长一段路。

AI Cube 展示了什么

小米还展示了 AI Cube Prototype，一台用于本地 AI 计算的紧凑型工程样机。它将三款 Xring 芯片组合在一起：移动端的 O3、AI 加速器 O100，以及面向汽车的 D100。小米称整机可支持最高 150W 的持续功耗，并演示了本地运行“120B + 3B”模型配置。1822

这场演示体现了小米希望让不同芯片在手机、AI 设备和汽车等场景中协同工作的思路。不过，AI Cube 目前仍是工程原型，不是已经上市的商用电脑，也不能代表 D100 在量产车辆中的实际表现。现有报道显示，该产品尚未公布售价和销售日期。1830

与蔚来、理想、比亚迪和小鹏相比

比较 D100 时，最大的限制是：小米尚未公布 TOPS 算力。TOPS 通常用于表示 AI 芯片每秒可完成的万亿次运算，但不同厂商可能采用不同的数据精度、稀疏计算假设和“有效算力”定义，因此数字本身也未必能直接横向比较。

尽管如此，公开信息仍能反映各家产品所处的阶段。

蔚来：已经实现装车

蔚来的 5 纳米神玑 NX9031 已经应用于蔚来和乐道车型，蔚来此前还宣称单颗芯片算力超过 1000 TOPS。3440

D100 的 3 纳米工艺在制程数字上更新，但这并不能证明它在性能上胜过 NX9031。小米尚未提供可对照的吞吐量、内存带宽、功耗、冗余设计或真实道路测试结果。相比之下，蔚来的优势在于产品已经进入车辆部署阶段。

理想：公开了 1280 TOPS 的指标

理想汽车的 5 纳米魔毯 M100 据报道拥有 1280 TOPS 的“有效算力”，为市场提供了一个公开的吞吐量参照，而小米尚未给出 D100 的对应数字。3339

这并不是严格意义上的同条件对比，因为不同厂商的测试方式可能并不一致。但从信息披露角度看，理想公布了分析人士通常用来比较 AI 硬件的关键指标，而小米目前更强调内存容量、模型规模和制程工艺。

比亚迪：量产节点领先

比亚迪的 4 纳米玄玑 A3 据报道已于 2026 年 5 月进入量产，并与约 700 TOPS 的算力数据相关联。39

即使 D100 采用更小的制程节点，比亚迪仍在产品落地和规模化制造上占据先发优势。等小米公布量产安排和经过验证的车辆表现后，两者才有可能进行更有意义的比较。

小鹏：图灵芯片已进入生产

小鹏图灵芯片据行业报道拥有约 750 TOPS 算力，并于 2025 年第三季度开始生产。39

这些 TOPS 数字未必是在完全相同的测试条件下得出，但小鹏较早进入生产，再次说明“发布一款芯片”和“让芯片在车辆中大规模稳定运行”是两件不同的事。

英伟达与特斯拉：小米的战略参照

小米目前的电动车使用过英伟达硬件，D100 则为公司从 2027 年起进一步掌控车载计算平台提供了路径。2532

从战略上看，这与特斯拉更广泛的自研路线有相似之处：把计算硬件、车辆软件、数据和智能驾驶系统作为一个整体来开发，而不是完全依赖外部芯片供应商。20

但战略相似不代表技术实力相当。英伟达拥有更成熟的汽车芯片、软件工具链和开发者生态。小米目前还没有公布足够的 D100 性能、能效、开发工具、功能安全验证或量产规模数据，因此无法证明它已经达到英伟达汽车计算平台的水平。

小米为什么要自研芯片

D100 是小米 Xring 芯片版图的一部分。小米已在芯片研发上投入超过 200 亿元人民币，半导体设计团队规模也已扩大到 3000 多人。12

这项投入的目标并不只是降低一款汽车零部件的采购成本。小米希望建立横跨智能手机、端侧 AI、家庭和桌面计算，以及电动车的自研芯片能力。路透社将这一策略概括为：通过掌握更多关键零部件，增强供应链控制力，并减少对外部供应商的依赖。1

如果能够顺利推进，垂直整合可能帮助小米更好地协同硬件与软件、降低供应链暴露，并在不同产品线之间复用研发能力。但这些是潜在的战略收益，还不是已经得到财务数据证明的结果。

这是一场昂贵的执行考验

小米推进芯片和电动车业务的同时，其智能电动车、AI 及其他新业务仍未实现盈利。该业务板块在 2026 年第二季度录得 26 亿元人民币的经营亏损。213

因此，D100 既是一次技术里程碑，也是一项成本高昂的长期押注。小米接下来需要证明的，不只是能否完成芯片设计，而是能否把经过验证的芯片可靠地装进量产车，持续维护软件栈，以足够规模生产，并最终为驾驶者带来可衡量的体验改善。

结论：重要的是自研突破，而不是暂时的性能冠军

Xring D100 的意义在于，小米正把自研芯片战略从消费电子延伸到汽车。3 纳米工艺、20 核 CPU、16 核 NPU、最高 160GB 统一内存，以及对 2000 亿参数本地模型的支持，都是颇具野心的规格。623

但决定 D100 成色的关键证据仍然缺失：TOPS 算力、可比的功耗数据、明确的量产车型，以及真实道路表现都还没有公布。在这些信息出现之前，D100 还不能被可靠地排在蔚来、理想、比亚迪、小鹏或英伟达的平台之前。

就目前而言，小米证明的是自己正在认真构建一个覆盖硬件与软件的垂直整合体系，而不是已经取得了智能驾驶芯片的性能领先。