小米公布 Xring D100，這是公司首款專為智能駕駛而設的自研 AI 處理器。晶片採用 3 納米製程，配備 20 核高性能 CPU 及 16 核 NPU，支援最多 160GB 統一記憶體。小米更表示，D100 可在車內本地運行參數量高達 2,000 億的大型語言模型。623

消息對小米的晶片策略意義重大，但暫時未足以證明它已超越成熟的汽車計算平台。D100 已完成開發及驗證，計劃於 2027 年商用；然而，小米尚未公布 TOPS 算力、耗電數據、首款搭載車型，亦未交代晶片正式「上車」的詳細時間表。2334

小米今次公布了甚麼？

高記憶體容量，主打車內本地 AI

D100 最受注目的規格，包括 20 核 CPU、16 核 NPU，以及最多 160GB 統一記憶體。小米指，這種配置足以支援在裝置本地運行最多 2,000 億參數的大型語言模型。623

不過，「可以容納多大的模型」不等於「可以多快、有效率地運行模型」。對智能駕駛而言，模型推理速度、耗電量、軟件優化、記憶體頻寬，以及功能安全和汽車級驗證同樣重要。單靠記憶體容量，未能判斷 D100 能否應付安全關鍵的駕駛工作負載。

3 納米「第一」是小米的公司聲稱

小米形容 D100 是中國內地首款採用 3 納米製程的高算力智能駕駛 AI 晶片。這應理解為小米自身的產品定位及聲稱，而不是已經由獨立機構確認的性能排名。623

製程節點較細，的確可能帶來設計上的優勢，例如在晶體管密度或能效方面有更大發揮空間。但 3 納米並不會自動等於更高的實際推理效能、更低耗電，或者更強的自動駕駛能力。現時小米公開的技術資料，仍不足以作出這些結論。

2027 年才商用，暫未有量產車型

據報 D100 已完成開發和驗證階段，商用計劃安排在 2027 年，但小米尚未公布第一款搭載 D100 的量產車型。1223

這個分別相當關鍵。晶片設計完成，代表研發跨過一個重要里程碑；但量產認證、整合入車、軟件部署、功能安全測試，以及長期穩定生產，都是另一輪執行挑戰。

AI Cube：一次展示三款自研晶片如何協作

小米同場展示了 AI Cube Prototype。這是一部以本地 AI 運算為主的緊湊型工程原型，結合三款 Xring 晶片：手機 SoC O3、AI 加速器 O100，以及智能駕駛 AI 處理器 D100。

小米為整套系統標示最高 150W 持續功耗，示範在本地運行「120B + 3B」模型配置。1822

這次示範反映小米希望讓不同晶片在手機、AI 加速及汽車運算等角色之間互相配合。不過，AI Cube 目前只是工程原型，並非已公布售價和上市日期的商業電腦；它在桌面系統上的示範，也不能直接代表 D100 在量產車上的實際性能。1830

與其他車廠自研晶片相比，D100 走到哪一步？

比較時最需要留意的一點，是小米仍未公布 D100 的 TOPS 數字。TOPS 是每秒萬億次運算的常見指標，但不同廠商可能採用不同精度格式、稀疏計算假設及「有效算力」定義，因此數字未必可以完全直接對比。

即使如此，公開資料仍可看出各家公司在量產和部署進度上的差異。

蔚來：自研晶片已經上車

蔚來的 5 納米神璣 NX9031 已經部署到車輛上，蔚來過往亦曾聲稱單枚晶片算力超過 1,000 TOPS。3440

D100 的 3 納米製程在名義上比蔚來的 5 納米設計更新，但製程差異本身不能決定誰勝誰負。小米尚未提供可比的算力、記憶體頻寬、功耗、冗餘設計或真實道路測試結果，因此現階段無法作出可靠的性能排名。

理想：已有公開算力參考

理想汽車的 5 納米魔毯 M100，據報具備 1,280 TOPS「有效算力」，為市場提供了一個小米目前未有提供的公開吞吐量指標。3339

這些數字不應被視為嚴格的同場對決，因為測試條件未必一致。不過，理想已披露分析員常用來比較 AI 硬件的算力數據；小米現階段則較着重模型容量和製程技術。

比亞迪：量產時間較早

比亞迪的 4 納米玄璣 A3 據報已於 2026 年 5 月投入量產，並與 700 TOPS 算力數字相關聯。39

因此，在執行和部署方面，比亞迪目前領先預計 2027 年才商用的 D100。待小米公布量產安排，以及有可獨立驗證的車輛測試結果後，兩者比較才可能出現變化。

小鵬：較早跨過量產門檻

業界報道指，小鵬圖靈晶片算力約 750 TOPS，並於 2025 年第三季開始生產。39

不同晶片的算力未必在相同條件下量度，但小鵬較早投入生產，正好說明公布一款新處理器，與在汽車上大規模穩定運行，中間仍有一段距離。

Nvidia 和 Tesla：小米真正想追趕的是整個平台

小米現有電動車一直採用 Nvidia 硬件，而 D100 則為小米由 2027 年起進一步掌握車載運算核心提供一條路徑。2532

從策略角度看，這與 Tesla 較廣泛的自研方向有相似之處：把計算力、軟件、數據及車輛系統視為一個整體平台，而不是完全依賴外部處理器供應商。20

但策略相似，不代表技術水平已經相同。Nvidia 擁有較成熟的汽車硬件和軟件生態；至於 D100 的性能、能效、開發工具、功能安全驗證及量產規模，小米仍未公開足夠資料證明它已達到 Nvidia 方案的水平。

為甚麼小米要自研汽車晶片？

D100 只是 Xring 晶片組合的一部分。小米至今已投資超過 200 億元人民幣發展晶片，半導體設計團隊亦增至超過 3,000 人。12

這項投資的目標，不只是降低某一款汽車零件的成本。小米正嘗試建立可橫跨智能手機、裝置端 AI、家居及桌面運算，以至電動車的內部晶片能力。路透社形容，小米希望加強對關鍵零部件的控制，並減少對外部供應商的依賴。1

這種垂直整合，理論上可以讓硬件和軟件功能更容易協調，亦有助管理供應鏈風險，並在不同產品線之間重用研發能力。不過，這些仍然是策略上的可能性，並非已經證實的財務成果。

商業風險同樣不容忽視

小米投資自研晶片之際，其智能電動車、AI 及其他新業務仍未錄得盈利。該分部在 2026 年第二季錄得 26 億元人民幣經營虧損。213

因此，D100 既是技術里程碑，也是成本高昂的執行賭注。小米仍要證明自己能把一枚完成驗證的晶片，轉化為可靠的量產車載方案；同時還要支援軟件平台、穩定量產，並為駕駛者帶來可量度的實際改善。

結論：D100 證明小米認真進軍車載晶片，但未證明性能領先

Xring D100 的看點，在於它把小米的自研晶片策略由消費電子延伸至汽車，並以 3 納米製程、20 核 CPU、16 核 NPU，以及聲稱支援 2,000 億參數模型的高記憶體配置，展示相當進取的規格。623

但真正決定勝負的證據仍然未出現：D100 沒有公布 TOPS 算力、可比的功耗數據、首款量產車型及真實道路表現。現階段，它還不能與蔚來、理想、比亞迪、小鵬或 Nvidia 作出公平的性能排名。

小米目前證明的是：公司正認真建立由硬件到軟件的垂直整合能力；至於 D100 是否能在實際汽車上帶來性能優勢，仍要等到 2027 年商用及更多測試數據出爐後，才有答案。

小米公布 Xring D100，這是公司首款專為智能駕駛而設的自研 AI 處理器。晶片採用 3 納米製程，配備 20 核高性能 CPU 及 16 核 NPU，支援最多 160GB 統一記憶體。小米更表示，D100 可在車內本地運行參數量高達 2,000 億的大型語言模型。623

消息對小米的晶片策略意義重大，但暫時未足以證明它已超越成熟的汽車計算平台。D100 已完成開發及驗證，計劃於 2027 年商用；然而，小米尚未公布 TOPS 算力、耗電數據、首款搭載車型，亦未交代晶片正式「上車」的詳細時間表。2334

小米今次公布了甚麼？

高記憶體容量，主打車內本地 AI

D100 最受注目的規格，包括 20 核 CPU、16 核 NPU，以及最多 160GB 統一記憶體。小米指，這種配置足以支援在裝置本地運行最多 2,000 億參數的大型語言模型。623

不過，「可以容納多大的模型」不等於「可以多快、有效率地運行模型」。對智能駕駛而言，模型推理速度、耗電量、軟件優化、記憶體頻寬，以及功能安全和汽車級驗證同樣重要。單靠記憶體容量，未能判斷 D100 能否應付安全關鍵的駕駛工作負載。

3 納米「第一」是小米的公司聲稱

小米形容 D100 是中國內地首款採用 3 納米製程的高算力智能駕駛 AI 晶片。這應理解為小米自身的產品定位及聲稱，而不是已經由獨立機構確認的性能排名。623

製程節點較細，的確可能帶來設計上的優勢，例如在晶體管密度或能效方面有更大發揮空間。但 3 納米並不會自動等於更高的實際推理效能、更低耗電，或者更強的自動駕駛能力。現時小米公開的技術資料，仍不足以作出這些結論。

2027 年才商用，暫未有量產車型

據報 D100 已完成開發和驗證階段，商用計劃安排在 2027 年，但小米尚未公布第一款搭載 D100 的量產車型。1223

這個分別相當關鍵。晶片設計完成，代表研發跨過一個重要里程碑；但量產認證、整合入車、軟件部署、功能安全測試，以及長期穩定生產，都是另一輪執行挑戰。

AI Cube：一次展示三款自研晶片如何協作

小米同場展示了 AI Cube Prototype。這是一部以本地 AI 運算為主的緊湊型工程原型，結合三款 Xring 晶片：手機 SoC O3、AI 加速器 O100，以及智能駕駛 AI 處理器 D100。

小米為整套系統標示最高 150W 持續功耗，示範在本地運行「120B + 3B」模型配置。1822

這次示範反映小米希望讓不同晶片在手機、AI 加速及汽車運算等角色之間互相配合。不過，AI Cube 目前只是工程原型，並非已公布售價和上市日期的商業電腦；它在桌面系統上的示範，也不能直接代表 D100 在量產車上的實際性能。1830

與其他車廠自研晶片相比，D100 走到哪一步？

比較時最需要留意的一點，是小米仍未公布 D100 的 TOPS 數字。TOPS 是每秒萬億次運算的常見指標，但不同廠商可能採用不同精度格式、稀疏計算假設及「有效算力」定義，因此數字未必可以完全直接對比。

即使如此，公開資料仍可看出各家公司在量產和部署進度上的差異。

蔚來：自研晶片已經上車

蔚來的 5 納米神璣 NX9031 已經部署到車輛上，蔚來過往亦曾聲稱單枚晶片算力超過 1,000 TOPS。3440

D100 的 3 納米製程在名義上比蔚來的 5 納米設計更新，但製程差異本身不能決定誰勝誰負。小米尚未提供可比的算力、記憶體頻寬、功耗、冗餘設計或真實道路測試結果，因此現階段無法作出可靠的性能排名。

理想：已有公開算力參考

理想汽車的 5 納米魔毯 M100，據報具備 1,280 TOPS「有效算力」，為市場提供了一個小米目前未有提供的公開吞吐量指標。3339

這些數字不應被視為嚴格的同場對決，因為測試條件未必一致。不過，理想已披露分析員常用來比較 AI 硬件的算力數據；小米現階段則較着重模型容量和製程技術。

比亞迪：量產時間較早

比亞迪的 4 納米玄璣 A3 據報已於 2026 年 5 月投入量產，並與 700 TOPS 算力數字相關聯。39

因此，在執行和部署方面，比亞迪目前領先預計 2027 年才商用的 D100。待小米公布量產安排，以及有可獨立驗證的車輛測試結果後，兩者比較才可能出現變化。

小鵬：較早跨過量產門檻

業界報道指，小鵬圖靈晶片算力約 750 TOPS，並於 2025 年第三季開始生產。39

不同晶片的算力未必在相同條件下量度，但小鵬較早投入生產，正好說明公布一款新處理器，與在汽車上大規模穩定運行，中間仍有一段距離。

Nvidia 和 Tesla：小米真正想追趕的是整個平台

小米現有電動車一直採用 Nvidia 硬件，而 D100 則為小米由 2027 年起進一步掌握車載運算核心提供一條路徑。2532

從策略角度看，這與 Tesla 較廣泛的自研方向有相似之處：把計算力、軟件、數據及車輛系統視為一個整體平台，而不是完全依賴外部處理器供應商。20

但策略相似，不代表技術水平已經相同。Nvidia 擁有較成熟的汽車硬件和軟件生態；至於 D100 的性能、能效、開發工具、功能安全驗證及量產規模，小米仍未公開足夠資料證明它已達到 Nvidia 方案的水平。

為甚麼小米要自研汽車晶片？

D100 只是 Xring 晶片組合的一部分。小米至今已投資超過 200 億元人民幣發展晶片，半導體設計團隊亦增至超過 3,000 人。12

這項投資的目標，不只是降低某一款汽車零件的成本。小米正嘗試建立可橫跨智能手機、裝置端 AI、家居及桌面運算，以至電動車的內部晶片能力。路透社形容，小米希望加強對關鍵零部件的控制，並減少對外部供應商的依賴。1

這種垂直整合，理論上可以讓硬件和軟件功能更容易協調，亦有助管理供應鏈風險，並在不同產品線之間重用研發能力。不過，這些仍然是策略上的可能性，並非已經證實的財務成果。

商業風險同樣不容忽視

小米投資自研晶片之際，其智能電動車、AI 及其他新業務仍未錄得盈利。該分部在 2026 年第二季錄得 26 億元人民幣經營虧損。213

因此，D100 既是技術里程碑，也是成本高昂的執行賭注。小米仍要證明自己能把一枚完成驗證的晶片，轉化為可靠的量產車載方案；同時還要支援軟件平台、穩定量產，並為駕駛者帶來可量度的實際改善。

結論：D100 證明小米認真進軍車載晶片，但未證明性能領先

Xring D100 的看點，在於它把小米的自研晶片策略由消費電子延伸至汽車，並以 3 納米製程、20 核 CPU、16 核 NPU，以及聲稱支援 2,000 億參數模型的高記憶體配置，展示相當進取的規格。623

但真正決定勝負的證據仍然未出現：D100 沒有公布 TOPS 算力、可比的功耗數據、首款量產車型及真實道路表現。現階段，它還不能與蔚來、理想、比亞迪、小鵬或 Nvidia 作出公平的性能排名。

小米目前證明的是：公司正認真建立由硬件到軟件的垂直整合能力；至於 D100 是否能在實際汽車上帶來性能優勢，仍要等到 2027 年商用及更多測試數據出爐後，才有答案。