主机厂下场做毫米波雷达和UWB雷达芯片这件事要从一个朋友的消息说起。上个月和一个在Tier 1做传感器研发的老同事吃饭他说去年初还觉得主机厂自研芯片是噱头今年已经开始认真评估自家供应链方案了。原因很简单——几家头部新势力已经把雷达天线设计、射频前端版图、基带算法全都攥在手里甚至直接流片。我当时第一反应是完了又要洗牌了。如果你还停留在毫米波雷达就是博世大陆电装的生意、UWB只配做车钥匙这种认知阶段那这篇文章一定要看完。主机厂下场做毫米波雷达和UWB雷达芯片不是简单增加一个供应商选项而是把整条产业链的利润结构、技术壁垒、甚至人才流向全都重新犁了一遍。这篇博客我尽量把这件事讲透为什么主机厂非要从雷达芯片下手、自研和采购的真实成本账怎么算、UWB和毫米波雷达被看上背后的技术逻辑、以及最关键的——这个局面对普通工程师、Tier 1供应商和整个行业分别意味着什么。我不画大饼只讲实在的。1. 为什么偏偏是毫米波雷达和UWB——这两个芯片的门槛真没你想的那么高先说结论主机厂下场做雷达芯片挑的不是最难啃的骨头而是性价比最高的口子。1.1 毫米波雷达芯片的伪门槛早年间做一颗77GHz毫米波雷达芯片确实有非常高的技术壁垒。研发要懂射频前端、毫米波天线阵列设计、CMOS工艺的寄生效应、基带信号处理还要打通AEC-Q100车规认证这条路。这些能力聚集在英飞凌、NXP、TI手里因为它们是传统汽车半导体巨头有几十年的射频技术沉淀和晶圆厂合作关系。但今天的情况已经变了。芯片工艺走到了CMOS和SiGe BiCMOS非常成熟的节点77GHz频段的功率放大器、低噪声放大器、压控振荡器这些核心模块在现有工艺库里已经有了相当高的设计复用度。加上EDA工具进步射频仿真精度大幅提升芯片设计的门槛从极少数人能玩降到了头部大厂射频团队能碰。举个实际案例。某新势力去年招了一个做通信芯片的团队团队成员之前做的是5G射频收发机转做77GHz雷达收发前端上手时间也就一年左右。因为通信芯片和雷达芯片在射频架构上高度相似——都是收发链路、混频器、本振、中频滤波、ADC采样。差异主要在频段更高、天线设计更特殊、以及雷达特有的啁啾波形控制。这些可以用IP核加自研算法组合解决不需要从零发明。1.2 UWB芯片的门槛比毫米波雷达还要低一截UWB超宽带芯片更是如此。UWB本身的频段在3.1GHz到10.6GHz相比77GHz毫米波射频设计难度降了一个量级。而且UWB最大的技术核心——测距测角算法和高精度时间戳同步——更多在基带和软件层面而不是射频硬件层面。苹果iPhone里面那颗U1芯片、恩智浦的Trimension系列、Qorvo的DW3000很多功能都是用现成的射频前端加高性能基带实现的。也就是说UWB芯片的差异化更多体现在算法、协议栈和系统集成能力上这恰好是主机厂比传统芯片公司更有优势的地方——主机厂不缺场景不缺数据也不缺软件团队。所以你看主机厂选UWB下手是一个非常聪明的切入点。车钥匙是UWB最成熟的应用但UWB可以做的东西远不止车钥匙——活体检测、车内手势识别、停车场定位、雷达生命体征检测这些都是主机厂掌握主导权的场景。芯片公司离这些应用场景太远了它们很难想象主机厂真正需要什么样的UWB雷达融合能力。1.3 真正的门槛在于车规思维我不否认芯片设计的物理门槛在降低但有一个门槛是被很多人忽视的那就是车规级思维。做一颗消费级芯片你的设计指标基本围绕性能和成本转做一颗车规级雷达芯片你得考虑的东西完全是另一个量级ASIL-B甚至ASIL-D功能安全等级、-40到125摄氏度全温度范围稳定工作、10年生命周期内的参数漂移控制、复杂电磁环境下不受干扰、大规模量产时的一致性管控。这些不是发现设计bug再改版就能解决的问题——车规芯片改一版的时间成本是按年来算的。一个消费芯片从设计到量产可以压缩到9个月车规芯片18到24个月是常态而且改版一次就要重新做整车验证。所以主机厂要下场做芯片可以招到射频设计大牛可以买齐EDA工具可以找流片渠道但最难的是从一个消费电子思维的团队转变成车规思维的团队。我见过好几个新势力成立的芯片部门前半年都在学习什么是AEC-Q100、什么是FMEA、什么是ASIL分解根本不是在搞设计。2. 从采购转向自研主机厂和Tier 1的账到底怎么算2.1 一针见血的成本账量起来之后自研一定比外购便宜我们先算一笔简单的账一颗77GHz毫米波雷达芯片如果从英飞凌或者NXP采购单价大概在8到15美元之间根据性能不同有差异。一套完整的4D毫米波雷达系统包含天线板、信号处理板、外壳、算法软件整个BOM加上代工成本视配置不同在100到300美元之间。如果你外购整套雷达模组交到主机厂手里单价基本是400到600美元。一个年销量50万辆的中型车企单车上装5个毫米波雷达前向1个长距、四角各1个中短距那就是250万个雷达的需求按每个雷达500美元的采购价算一年就是12.5亿美元。如果自研呢芯片自研一次流片的费用是百万美元级别28nm工艺多项目晶圆大约50到150万美元后面量产掩膜版还得再加加上团队研发成本一支30人的雷达芯片团队一年人力成本大概500到800万美元假设研发周期3年总投入不到3000万美元。但自研芯片量产后一颗芯片的成本可以压到外购的1/3甚至更低雷达模组整体成本能降低20%到30%。12.5亿美元的采购额压掉20%那是2.5亿美元的利润释放。就算研发花了5000万美元那也是5倍的投入产出比。这笔账在主机厂CFO那里一摆几乎没有不做的理由。2.2 数据闭环的账这是纯采购永远买不到的成本只是表面账真正的深水账是数据闭环。雷达芯片不仅仅是发出信号、接收回波、算个目标信息就完事了。在研发阶段你需要用海量的真实路况数据来调试波束成形、杂波抑制、目标检测和跟踪算法。这里的每一个环节都需要:芯片里的原始ADC数据不是处理后的目标列表、天线阵列的相位信息、调频连续波的原始回波这些数据只有芯片和算法掌握在同一个手里时才能完整获取。买Tier 1的整套方案你拿到的是加工后的目标列表——距离、速度、角度、RCS雷达散射截面值算法内部门槛你是碰不到的。而自研芯片你的算法团队可以直接拿到原始数据想在时域做CFAR就做CFAR想在多普勒域做微多普勒分析就做分析想做基于点云的深度学习目标识别那就把点云数据和视觉感知、激光雷达数据做后融合甚至前融合空间非常大。这一层才是终极野心数据主权。以后自动驾驶比拼的不是你有几个雷达、几个摄像头而是你有没有足够高质量、高维度、原始级的传感器数据来训练感知模型。UWB和毫米波雷达的原始数据如果掌握在别人手里你的自动驾驶算法天花板就被锁死了一大半。所以主机厂下场做芯片本质上是把感知数据链路的最后一个环节掐在自己手里。2.3 供应链安全的账芯片荒教会了主机厂什么2020到2023年的芯片荒让所有车企都重新认识了供应链风险。一颗小小的MCU断供就能让一条生产线停摆几个月。更不用说博世、大陆这种Tier 1巨头在缺芯时期对主机厂的配额分配策略让不少车企感受了一把卡脖子的滋味。主机厂做芯片很重要的一个动机就是保证供应链的弹性和安全。虽然自研芯片初期产能规模不够但至少掌握了核心技术后可以在缺货时用自研路线替代外购或者在性能不足时通过算法调优来掩盖差距说话的底气完全不一样。3. 一旦主机厂选择了自研之路Tier 1、芯片厂和算法公司的命运都被改写3.1 Tier 1的尴尬从核心供应商变成代工方传统的汽车供应链模式是芯片厂商英飞凌、NXP、TI把芯片卖给Tier 1博世、大陆、电装、采埃孚Tier 1基于芯片设计出雷达模组和算法再卖给主机厂。整个链条里主机厂的核心技术和数据权益主要被Tier 1掌握。主机厂下场做芯片后这个关系会发生剧变。一种模式是主机厂自己设计芯片让Tier 1做模组集成和代工生产。这时候Tier 1的角色本质上被降级为贴牌代工技术含量和议价能力都快速下跌利润空间被压缩到了组装制造的环节。另一种模式是主机厂和Tier 1成立联合实验室共享芯片设计和算法成果但主机厂占主导。不管哪种模式Tier 1以前靠系统集成和软件算法建立的护城河都会被大幅削弱。这不是预测而是已经在发生的事实——我了解到的某国内Tier 1其传感器部门的利润在过去两年下降了30%以上就是因为几家新势力客户都开始走自研减配路线。3.2 传统芯片厂商的应对要么开放IP要么被绕开传统雷达芯片厂最怕的不是主机厂自研而是主机厂拉着一批从他们那边跳槽的人做一颗功能相似但更定制化的芯片然后把自己变成替补。为了应对这个趋势几个头部芯片厂已经开始变化。比如有些芯片厂开始提供更开放的底层API和原始数据接口让主机厂能用芯片的能力做定制算法还有些选择直接和主机厂深度绑定做独家定制芯片。但这些都只是在延缓趋势无法改变大方向。还有一层更微妙的变化人才流动。过去5年几乎所有头部雷达芯片公司的华人工程师特别是做射频前端、毫米波天线、雷达算法的都被主机厂芯片部门或初创雷达芯片公司挖了一个遍。某公司一个20人的77GHz毫米波芯片团队去年一年走了8个人其中6个去了两家新势力车企剩下2个出来创业。这个人才流向非常说明问题。3.3 初创雷达芯片公司迎来了最好的时代也迎来了最大的竞争主机厂下场做芯片对初创雷达芯片玩家来说短期是利好——因为主机厂需要合作伙伴提供技术验证和早期小批量产品但长期看一旦主机厂的自研芯片成熟初创公司的定位就非常尴尬既没有主机厂的场景和数据又没法在和巨头拼成本最后只能在细分市场里找生存空间。不过也有一个例外就是4D毫米波雷达这个方向。传统3D雷达的量产核心技术已经非常成熟但4D雷达无论是在天线阵列设计、波形设计还是点云后处理算法上都还有大量创新空间。这个领域的主机厂自研起步较晚初创公司如果能和主机厂深度合作一起定义芯片规格和算法框架照样能做出来很强的产品。4. 一支雷达芯片团队从零到量产的完整链路我观察到的真实细节写到这里应该有读者好奇那主机厂到底是怎么把一个芯片部门从0搞到量产的我结合几个实际项目和公开信息把这条路走一遍。4.1 人才拼图这三种人是起步的关键第一个要招的是系统架构师。此人必须同时懂雷达系统、芯片工艺、算法实现和车规要求。他干的事情是从需求出发定义芯片规格传输功率、噪声系数、功耗预算、接口定义、封装形式。找这样一个人是最难的因为他需要的是横跨多个领域的复合经验市面上存量极少。第二个要招的是射频IC设计负责人。负责所有射频前端电路的设计包括LNA、混频器、PA、VCO、PLL。这个人必须有实际流片经验不是光会画版图还必须懂如何做电磁仿真和寄生参数提取。第三个要招的是算法负责人。表面上看算法团队是最后介入的实际上是和硬件团队并行启动的。因为芯片的很多架构决策——比如ADC分辨率、采样率、中频带宽、波形参数可编程性——都需要算法团队全程参与定义。这三个人凑齐了后面的事情基本可以推进。凑不齐那主机厂还不如继续外购。4.2 从需求定义到流片一个18到24个月的完整周期第一步是规格定义。主机厂的智驾团队和芯片设计团队坐在一起定义这颗芯片的性能指标要支持多少个发射通道和接收通道、探测距离多少米、距离和速度分辨率多少、功耗上限多少、工作温度范围、车规等级要求。第二步是IP选型和架构设计。大部分主机厂自研雷达芯片不会从零开始设计所有模块。射频前端可能会基于FFT或芯歌半导体等国产IP供应商的模块做定制数字基带则大概率使用自研的雷达信号处理链路——包括快速傅里叶变换、恒虚警检测、数字波束成形。自研的重点放在有差异化的部分通用的、可采购的部分尽量用成熟IP这是成本最低、风险最小的路线。第三步是版图设计和仿真。这个阶段是最烧钱的因为每次仿真都烧服务器电费每次流片都烧真金白银。一个28nm车规芯片的MPW流片一次费用大概在50到150万美元之间验证测试阶段还得追加预算。第四步是样片测试和算法调优。芯片回来后测试团队要做的是:芯片基本功能验证、ESD测试、射频性能测试、温度循环、老化测试这些。同时算法团队拿芯片跑真实路采数据把目标检测、跟踪、分类的算法在真实芯片上跑通。这一步还涉及非常多的迭代比如发现中频增益不够、ADC饱和、串扰太大等问题都要通过寄存器配置和算法参数调优来弥补实在不行才重新流片。第五步是AEC-Q100认证和整车集成。这是最磨人的阶段。AEC-Q100的每一项测试都包含几百小时的应力测试通过后还要做功能安全认证评估。整车集成阶段要和主机厂自己的域控制器对接跑整套毫米波雷达功能——自适应巡航、自动紧急制动、盲区检测每一个功能都要重新标定。4.3 为什么流片成功不等于量产成功——这是最大的坑很多主机厂高层有个误区认为流片回来测试通过就等于研发成功了。实际上流片成功到量产成功之间的距离可能比从零到流片还要长。比如你的雷达芯片设计出来了但天线板上的微带天线阵列设计和芯片封装方式没有协同优化导致量产时每个雷达之间的相位一致性有偏差。这在实验室里可以通过人工调校解决但在年产100万个雷达的产线上靠人工校准根本来不及。再比如车规级的大规模量产对良率要求极高。你以为设计阶段性能很完美但晶圆厂在生产过程中会有工艺角漂移芯片性能会跟着变化。要保证环境温漂、电源电压波动、晶圆自身工艺偏差三种因素叠加起来后芯片性能仍然满足规格书里的所有参数这非常考验设计余量。余量留大了芯片变大变贵余量留小了量产良率上不去成本反而更高。这个平衡是真正用钱砸出来的经验。5. 我观察到的主机厂雷达芯片落地现状以及三个最值得关注的衍生方向5.1 目前行业的真实状态声量大、量产少但格局已定说实话到今天为止真正把毫米波雷达芯片自研量产装在量产车上的主机厂掰着手指头数还是很少。大部分所谓自研更准确地说是定制和深度合作——主机厂定义规格芯片公司提供设计和流片能力双方共享技术权益。但格局已经变了。这个变不在于谁已经量产而在于几个头部玩家已经把几十人甚至上百人的芯片团队搭起来了而且都已经流片验证过至少一轮。这就像赛跑起跑枪已经响了后面还会有大量玩家跟进但第一梯队和第二梯队的差距就是从现在开始拉开的。我自己比较看好的是两条路线。一条是UWB加毫米波雷达的融合感知路线用UWB做近距离高精度定位和活体检测用毫米波雷达做中远距离的目标检测和跟踪两者共享天线和基带资源形成一个成本可控的高性价比传感器组合。另一条是面向L3级以上自动驾驶的4D毫米波雷达路线通过多发多收天线阵列和数字波束成形雷达不再是一个只输出一坨点云的低级传感器而是能输出更高分辨率、更丰富语义信息的感知主力。这两条路线都依赖主机厂掌握底层芯片的定义权它们也是主机厂下场做雷达芯片最合理的两个原因。5.2 我最想提醒的三件事第一不要低估雷达算法的难度。很多主机厂觉得芯片做出来就完事了但雷达真正的大头工作量在量产后的调参和标定。同一个雷达芯片跑在不同车型、不同安装位置、不同天线罩材质下性能表现可能完全不同。算法团队要去做的杂波抑制、干扰消除、多径处理、慢速目标检测优化每一项都费时费力而且极其依赖场景数据。芯片是硬件基础算法才是最终决定用户体验的东西。第二UWB雷达不要只做车钥匙。UWB雷达的差异化价值在于非视距感知和微动感知。它可以穿透薄层材料探测到座椅上坐着一个小孩活体检测可以感知呼吸频率生命体征可以识别手势动作因为UWB波长大约几厘米对微小的距离变化非常敏感。这些功能放在智能座舱和数字钥匙的安全场景里附加值远高于简单的一脚开门。第三供应链多样化依然是长期策略。就算主机厂自研芯片已经量产也不要砍掉所有的外购供应商。原因很简单自研芯片通常绑定一个晶圆厂和一个封测厂一旦那个厂出现问题你的供应链就断了。保持一供自研、二供外购的双轨策略才是成熟供应链管理者的做法。5.3 未来三年值得每个从业者关注的方向对于在雷达、芯片、汽车电子相关行业工作的工程师朋友我认为有三个方向值得花时间深耕第一个是数字波束成形和稀疏阵列设计。这是4D毫米波雷达的价值高地也是绝大多数传统雷达芯片公司的技术盲区。谁掌握了低成本高分辨率的数字波束成形方案谁就掌握了下一代毫米波雷达的根基。第二个是UWB和毫米波雷达的射频前端融合设计。UWB频段偏低毫米波频段很高两者在射频前端的工艺选择上差异巨大但如果能在封装级甚至单芯片级把两者集成在一起考虑到共享电源管理、时钟管理、基带处理器那成本会显著降低性能却会大幅提升。这个方向国内和国际上都还没有真正的领头羊机会很大。第三个是雷达原始数据的AI处理。传统雷达数据处理链路是CFAR加卡尔曼滤波加挂载逻辑这是一套固定流程旱涝保收但上限很低。现在越来越多的团队在探索直接在原始ADC数据或距离多普勒频谱上跑深度学习模型跳过传统信号处理的中间环节让模型自己学习提取目标特征。这个方向在所有传感器里潜力最大因为原始雷达数据还没被AI真正“吃透”。主机厂下场做毫米波雷达和UWB雷达芯片这件事说到底不是一条新闻而是一个信号。它意味着汽车传感器行业已经进入了“算法定义硬件、数据定义芯片”的新阶段。能在这条赛道上提前卡位的团队和个人未来五年会吃到这一波红利。而那些继续抱住传统Tier 1饭碗不愿转型的公司时间真的不等人了。