在 AI 算力需求持续爆发的当下芯片行业正经历一场大规模洗牌。GPU 巨头英伟达与芯片设计厂商联发科之间的合作将这种产业整合推向了一个新高度。这次合作涉及的金额和范围都比较广围绕 AI 基础设施、PC 芯片、汽车三大方向展开对整个 AI 和半导体产业链的影响值得认真拆解。本文将从技术视角出发梳理这次合作的背景、技术要点、产业影响以及开发者在其中需要关注的变化。1. 合作背后的行业逻辑1.1 英伟达为什么要找联发科如果只看 GPU 产品线英伟达在 AI 训练和推理市场具备很强的产品覆盖能力。从数据中心里的 H 系列、A 系列到面向消费级的 RTX 系列再到自动驾驶领域的 Orin、Thor 系列英伟达已经建立了从云端到边缘的计算体系。但 GPU 不是唯一的需求点。现代 AI 基础设施需要的不只是强大的并行计算单元还包括 CPU 主控、网络互联、内存子系统、存储架构、整机供电与散热方案。英伟达的 GPU 本身很强但服务器整机系统设计、低功耗高能效的 CPU 设计、车规级芯片的量产管理能力等环节仍然需要合作伙伴补齐。联发科恰恰拥有这些互补能力。联发科在 Arm 架构 SoC 设计上积累深厚长期从事手机、平板、智能电视、物联网、汽车电子等领域芯片的研发与量产。它理解如何把 Arm 核心、GPU、NPU、基带、多媒体单元整合到一颗高集成度芯片上也理解如何在不同功耗约束下做性能调优。这种能力对英伟达进入更广泛的 AI 硬件市场很有价值。1.2 联发科手里有什么牌联发科这些年呈现出的状态是手机 SoC 市场规模庞大但增长趋缓芯片厂商都在寻找第二增长曲线。联发科虽然在天玑系列上站稳了高端手机市场但 AI 服务器、智能汽车、PC 等领域仍属于尝试阶段。通过与英伟达合作联发科可以得到更确定的 AI 技术路线支持。从汽车座舱芯片到 AI 边缘设备从低功耗 PC 芯片到更广泛的端侧 AI 应用英伟达的 CUDA 生态、AI 开发工具链、深度学习加速库都可以成为联发科产品的加分项。对英伟达而言联发科不仅是设计方案的合作者更是连接更多行业客户的通道。尤其是在汽车行业联发科深耕多年与全球主要车厂、Tier1 供应商合作广泛。英伟达想把自动驾驶和智能座舱方案推进更多车型平台联发科的客户网络和量产经验有实际价值。1.3 这更像生态合作而不只是资金交易把这次合作单纯理解为“英伟达花钱投资联发科”是不够准确的。更合理的解读是英伟达通过资本纽带把联发科纳入自己的生态系统让双方在标准制定、产品定义、技术路线选择上更紧密地保持一致。对于芯片行业来说资本投资往往只是合作的起点。后续的技术授权、联合研发、共同客户拓展、产品定义协同才是重点。英伟达与联发科的关系类似于英伟达与众多服务器厂商建立的合作体系但合作关系更深入涉及底层芯片设计层面的协同。2. 三大领域合作的技术拆解2.1 AI 基础设施从加速卡走向系统级方案AI 基础设施领域是英伟达的核心业务。传统认识里AI 基础设施主要包含 GPU 服务器、高速网络、存储系统。但英伟达过去几年的产品布局已经发生了很大变化不再只卖 GPU而是推出整机柜级别方案。以 GB200 NVL72 为代表的产品形态已经将 GPU、CPU、网络、机柜、液冷系统集成在一起。在这种系统级产品中英伟达需要面对整机功耗、散热、结构设计、主板互连等一系列问题这些工作不能全部依赖服务器代工厂而需要有上游芯片设计层的深度协同。联发科在系统级集成方面积累了大量经验尤其在 Arm 架构服务器芯片方向具备可迁移的技术能力。如果联发科能够提供高能效的 CPU 子系统的设计方案或者参与部分专用加速芯片的定制工作英伟达的数据中心方案会更加完整。2.2 PC 芯片补齐英伟达的“CPU 缺口”PC 芯片是这次合作中最值得开发者和 PC 玩家关注的领域。英伟达在独立 GPU 市场拥有很高的占有率但在 PC 整机平台上始终缺乏自己的 CPU。当前 PC 市场正在发生一个重要变化越来越多的 PC 开始采用 Arm 架构Windows On Arm 生态已经逐渐走向可用状态。高通与微软紧密合作苹果 M 系列芯片展现出了高度的集成优势这些都在向市场传递一个信号——基于 Arm 的 PC 处理器是未来 PC 市场的重要方向。英伟达自然不希望错过 PC CPU 市场的机会。但 PCIe 总线授权等历史原因让英伟达难以在 x86 领域内绕开 Intel 和 AMDARM 路线成了最合理的选择。而联发科在 Arm CPU 设计、移动 SoC 量产、低功耗管理、基带通信、显示输出等方面的积累恰好是英伟达进入 PC 处理器市场最需要的能力。可以预见如果英伟达与联发科联合推出 PC 处理器大概率会采用“CPU 核心来自联发科设计、GPU 核心由英伟达提供、整体芯片以高集成度 SoC 形态呈现”的合作模式。这种产品在性能释放、能效比、AI 加速能力上会比传统 x86 笔记本有独特优势。2.3 汽车芯片座舱与智能驾驶的融合节点汽车产品是英伟达和联发科已经存在合作基础的领域此前双方在智能座舱方向就有合作方案。这一次将汽车列为三大合作方向之一意味着合作的深度和广度将进一步扩大。英伟达在高端智能驾驶芯片上占据了头部位置其汽车产品线包括Drive Orin上一代主流自动驾驶平台Drive Thor新一代舱驾一体计算平台算力规划达到 2000 TOPS 级别相关软件栈包括自动驾驶操作系统、AI 开发框架、传感器处理中间件。联发科在汽车领域也有独立的产品线布局主要聚焦智能座舱芯片如 Dimensity Auto 系列。传统汽车电子方案中座舱域和智驾域通常是分离的座舱芯片负责仪表盘、中控娱乐、语音交互智驾芯片负责感知、规划与控制。这种架构会产生较高的硬件成本和软件集成复杂度。技术进步驱动了“舱驾一体”或者“跨域融合”的趋势也就是用更少的高性能芯片支撑更多功能降低整车电子电气架构的复杂度提高软件迭代效率。英伟达与联发科在汽车领域合作的潜在方向是清晰的联发科提供座舱、通信、低功耗设计能力英伟达提供高算力智驾平台双方共同打造一套覆盖座舱、智驾、车联网的整车计算解决方案。这种组合让车厂可以向同一家生态体系采购大部分核心计算芯片减少多供应商适配成本。3. 从 GPU 到 AI 基础设施英伟达建了哪些护城河3.1 CUDA 生态是不可忽视的黏性要在技术层面理解英伟达的战略CUDA 生态是最核心的关键词。CUDA 是英伟达推出的并行计算平台和编程模型提供从 GPU 硬件到高层应用框架的完整软件栈。一个 AI 工程师从 PyTorch、TensorFlow 开始写训练代码底层调用的如果是 GPU 加速层实际上很多环节已经和 CUDA 生态深度绑定。CUDA 生态包含以下层次AI 应用层PyTorch、TensorFlow、JAX、MindSpore 深度学习框架加速层cuDNN深度神经网络加速库、NCCL多卡通信库 底层支持环境CUDA Toolkit、CUDA 驱动 硬件层NVIDIA GPU数据中心、边缘、消费级、车规级这种分层结构意味着一旦开发者习惯了 CUDA 的工作方式迁移到其他芯片平台的成本会比较高。这种生态黏性是英伟达敢于从芯片向系统方案延伸的底气。3.2 CPU 是 AI 基础设施中不可缺失的一环GPU 负责并行计算但 AI 服务器并不是只有 GPU。一台典型的 AI 训练服务器中CPU 至少要承担以下工作加载和启动操作系统管理 PCIe 总线上的各种设备执行数据预处理和 host 侧任务调度承担网络、存储控制器的管理在 GPU 之间搬运训练数据。可以说一个简单的大模型训练 batch 的输入 pipeline往往要经过硬盘、CPU 内存、网卡、GPU 显存等多个环节CPU 在其中扮演数据调度员的角色。英伟达在 CPU 方向已经推出了基于 Arm 架构的 Grace CPU并广泛应用于 Grace Hopper、Grace Blackwell 等超级芯片平台。Grace CPU 不是传统意义上的通用服务器 CPU而是专为 AI 工作负载优化的 CPU通过高带宽一致性接口与 GPU 连接减少 CPU 与 GPU 之间的数据搬运瓶颈。在 Grace 这样的产品方向中联发科积累的 Arm CPU 设计经验可以直接发挥作用。3.3 网络互联从单卡算力走向集群算力大型 AI 模型的训练已经无法依靠单张 GPU 完成分布式训练是必经之路。GPU 与 GPU 之间需要高速交换数据英伟达为此建立了 NVLink、NVSwitch、InfiniBand 等互联方案。NVLink 用于 GPU 与 GPU 之间的高带宽直连通道传统 PCIe 带宽已经无法满足大规模并行计算的需求。NVSwitch 则是 NVLink 网络中的交换单元负责将多个 GPU 连接成高带宽的互联拓扑。在更大规模集群中InfiniBand 被用于跨服务器的高性能网络。这套互联体系把大量 GPU 组合成一台“逻辑上的超级计算机”。但随之而来的是对板卡、交换机、顶部结构管理、高速铜缆/光缆方案的集成需求。联发科在高速通信接口、物理层处理方面有很强积累理论上可以协助英伟达在互联子系统上做更多定制。4. PC 芯片市场摆在这对合作面前的机会与门槛4.1 Arm PC 的历史发展脉络ARM 架构进入 PC 市场其实不是一个全新话题。基于 ARM 架构的 PC 芯片已经发展多年早期 Windows RT 设备因兼容性和应用生态不完善市场表现比较平淡。苹果在自家电脑上全面转向 M 系列芯片借助统一内存架构和优秀的能耗比向 PC 行业证明了 ARM 架构在生产力场景的可行性。高通推出了面向 Windows 笔记本的骁龙系列芯片通过与微软深度合作持续提升 Win 平台上的 ARM 原生应用生态覆盖范围。这一系列事件带来的结果是越来越多的用户开始接受 ARM PC 在办公、网页浏览、影音娱乐方面的体验对 x86 平台的依赖在逐步放松。4.2 联发科的 PC 尝试早已开始联发科并非 PC 领域的新手。其 Kompanio 系列芯片长期用于 Chromebook 等教育市场产品支持轻薄本、翻转本等不同形态。Kompanio 系列在低功耗、长续航、安全启动、快速响应等方面得到了市场验证。这类产品虽然在性能上无法与高端 x86 笔记本 CPU 正面对抗在消费级 PC 市场中的高端需求上覆盖有限却让联发科积累了 PC 主板的整体设计方案能力包括内存和存储方案的设计显示输出与触摸屏支持无线网络与蓝牙通信BIOS/固件与操作系统的适配电源管理与发热控制。如果英伟达和联发科打造 PC 处理器联发科可以贡献上述完整 PC 平台工程能力英伟达则提供 GPU 和 AI 加速单元。最终产品形态大概率是类似苹果 M 系列这样的高集成度 SoC而非“CPU 独立显卡”的组合。4.3 对开发者与软件生态的影响从开发者角度看如果英伟达与联发科联合进入 PC 芯片市场最值得关注的变化是软件开发适配范围的扩展。AI 应用开发者需要更早开始考虑 ARM 指令集兼容性问题。能够运行在 ARM Windows 设备上的 Python、PyTorch、CUDA 环境应该成为产品验证矩阵中的一个选项。跨平台构建工具链的流行程度会进一步提升。针对 x86 与 ARM 混合环境的应用分发策略需要提前规划。PC 游戏与图形应用则对 GPU 驱动适配提出要求游戏厂商在发布前后需要进行 ARM NVIDIA GPU 组合的专项性能调优。这一领域英伟达如果选择在 ARM PC 上内置自己的 GPU 核心那么在 Windows 生态中的驱动适配工作量会相当可观。5. 汽车平台当座舱芯片遇见高阶智驾芯片5.1 智能汽车计算平台走向融合整车电子电气架构的演进经历了一个过程从上百个独立 ECU 到域控制器集中式方案正在演进到中央计算 区域控制器的新阶段。在这个演进过程中座舱域控制器和智能驾驶域控制器有融合趋势传统方案里座舱域和智驾域各自独立演进过程中使用“舱驾一体”芯片或用高速以太网/SERDES 将两个域控制器高速互联。最终方向是中央计算平台统一承载仪表、娱乐、ADAS、自动驾驶、车联网等多种功能。英伟达 Thor 平台本身已经具备这种“舱驾一体”的产品设定。理论上可以在一块 SoC 上虚拟化运行 Linux、QNX、Android 等系统使数字仪表、中控大屏、辅助驾驶和自动泊车共享算力。但实际落地过程中高算力通常伴随显著的功耗和散热挑战。Thor 这类高性能平台的功耗难以用于全部车型市场中还需要相应的中低阶算力方案。5.2 联发科汽车产品线的互补价值联发科相对擅长的是更低功耗场景和成熟的汽车级 SoC 集成能力。在智能座舱领域联发科的 Dimensity Auto 系列拥有较强的多屏显示能力并可配合 HyperEngine 等游戏优化技术在车载场景实现流畅娱乐体验。在车规级质量管理体系建设、AEC-Q100、ISO 26262 流程合规等方面联发科也形成了符合车辆量产要求的管理经验。两者的合作可以形成覆盖面更宽的产品矩阵高端智能驾驶域英伟达 Drive Thor主要覆盖高阶智驾和中央计算场景 中端舱驾融合域英伟达与联发科联合方案覆盖主流车型的舱驾一体需求 入门座舱与网关域联发科独立产品线面向经济型车型、两轮车等扩展场景。这种梯队化布局对整车厂商具备吸引力。5.3 车厂与 Tier1 开发者的适配重点对于从事智能汽车软件开发的技术团队来说如果引入英伟达联发科联合平台项目开发过程中需要关注较多适配细节。座舱 Android 生态的继承性较好部分数据仍需往 SOA 中间件迁移。自动驾驶部分依据 NVIDIA Drive 软件栈需要开发者熟悉 DriveOS 和 CUDA 并行算子所编写的算子库需在座舱与智驾异构资源上尽力复用。多域融合带来了新的功能安全分区挑战对工具链与通信中间件都提出了更高要求。6. 对开发者与 AI 技术栈的直接影响6.1 CUDA 不会消失但使用方式会更丰富不少开发者会有一种担心如果联发科深度加入英伟达生态是否意味着未来会出现其他编程模型打破 CUDA 的局面这种担心目前基本是不必要的。英伟达对联发科的投入围绕扩大市场生态没有动机用新的非 CUDA 方案取代自身核心竞争力。更可能发生的情况是联发科芯片集成的 GPU深度兼容 CUDA 生态以便开发者用已有知识快速使用新平台。这种兼容将帮助 CUDA 扩展至更多原本难以覆盖的领域。6.2 端侧 AI 开发将迎来更多选项联发科在手机 SoC 上已经引入了独立的 AI 处理单元如 APU并积累了与之配套的推理框架和算子库。当这些能力与英伟达生态深入融合后端侧 AI 开发者可选择的硬件会明显增多。英伟达 TensorRT 以往主要服务车端与数据中心推理场景。如果联发科芯片获得 TensorRT 兼容支持端侧 AI 应用的优化手段将大幅扩展。开发者可以将训练好的模型转换成 TensorRT 标准推理引擎同时支持桌面与移动边缘设备部署。这种趋势也意味着开发者不能只熟悉 PyTorch 或 TensorFlow 训练层还应该下探至推理优化层学会 TensorRT 模型转换、INT8 量化、层融合等技术。6.3 芯片底层开发岗位需求增加产业合作还会带动底层芯片岗位需求上升。若英伟达和联发科推广 Arm 架构 AI 芯片Arm 平台上的芯片验证、固件开发、内核移植、驱动适配岗位需求会增多具备软硬结合能力的“系统软件工程师”将更受到行业的重视。本文覆盖的主线是三家生态的整合但具体到 35 亿美元投资的交割细节、产品发布时间线等仍然需要留意官方公告和后续阶段信息不宜依据现有信息做过度推断。7. 挑战与风险点7.1 技术整合的复杂度不能低估英伟达与联发科是两家各自独立发展的芯片设计公司尽管拥有不同技术栈互补性真正研发一款融合 CPU、GPU、AI 加速单元的 SoC 过程中面临的仍是 CPU 微架构授权、GPU 核心面积与功耗评估、内存子系统统一设计等复杂工程问题。即使双方签订合作协议产品从立项到规模量产也要经历数年周期。车规芯片量产还要额外完成 AEC-Q100 可靠性验证以及 ISO 26262 ASIL D 等功能安全认证除芯片本身外包含软件工具链等多种资源类别的配合也必须一一到位。7.2 PC 与汽车生态都需要软件适配周期硬件设计完成后真正影响市场节奏的是软件资源铺设。全新芯片适配 Windows 需要与微软合作展开优化工作。面向汽车客户则需帮助车厂和 Tier1 将既有算法迁移至新平台这些工作耗时长、工程化要求高构成不亚于芯片流片的另一道水坝。7.3 生态竞争正在同步加速高通在 Arm PC 芯片市场已经有实际产品出货与微软之间的关系持续加深。Intel 在 x86 笔记本处理器领域构建的软件兼容性壁垒依然坚固。AMD 与多家 ODM/OEM 厂商在 AI PC 产品定义中配合紧密。这意味着即便未来出现基于英伟达 GPU 的联发科 SoC它在产品上市初期仍将面临上游供应链、操作系统授权、OEM 合作等环节不小的竞争压力。8. 后记做技术的人更要关注生态层的变化观察芯片行业的资本合作不能停留在表面不要只看厂商各自宣传中宏大抽象又意义模糊的“AI 赋能”。对每天写代码、调模型、做系统软件的人来说真正重要的是底层指令集与操作系统组合是否出现新增项CUDA 生态是否延伸到以前不太容易覆盖的设备形态开发工具链是否需要适配第二平台车辆、PC、边缘设备的新品是否需要提前预留多方面编译与验证能力。这次合作的实际时间跨度预计会比较长但合作方向本身却透露了一些确定性较高的信息英伟达不满足于只做独立的 AI 加速芯片厂商它正在逐步延伸至系统级完整计算平台包括 CPU 子系统、系统互连、整机硬件方案。这意味着在整个 AI 技术产业链上从“用卡”到“用机柜”再到“用一整套计算生态”的过程正在提速。在未来一段时期里人工智能算法层面依然会围绕训练、微调、推理部署做文章而系统与设备形态层面会持续发生结构变化。对开发者来说完善对 Arm 架构的理解增加对异构计算的实战能力能让自己在巨头交锋的行业格局中保持跟随并趁机提升适配能力。
