1. 主机厂下场造雷达芯片这事没那么简单这两年车圈风向变得特别快。前几年大家还在比谁的智能驾驶软件算法强比谁的城市NOA开城多比的还都是“软”的东西。从2023年下半年开始风向悄悄变了越来越多主机厂不再满足于只做整车集成开始往上游的传感器和芯片伸手。尤其是毫米波雷达和UWB超宽带雷达芯片突然成了主机厂自研清单里的热门选项。乍一听有点反直觉。雷达芯片这个赛道传统Tier 1博世、大陆、电装已经做了几十年芯片原厂这边也有NXP、TI、英飞凌这些头部玩家蹲着。好不容易把整车的活儿干明白为什么又要去啃芯片这种又苦又累的硬骨头但如果你真的在智能驾驶或者数字座舱这个圈子里摸爬滚打过几年你会发现这事一点不意外——它本质上是一场关于“定义权”和“成本结构”的博弈只是以前被层层供应链关系掩盖了。这篇文章不打算给你念新闻稿。我想从一个从业者的视角把主机厂为什么盯上毫米波雷达和UWB芯片、这两类芯片到底难在哪、以及自研和采购这笔账怎么算掰开揉碎聊清楚。如果你在主机厂做预研、在Tier 1做系统方案或者正在考虑跳去雷达芯片相关的岗位这篇文章应该能帮你把这盘棋看得更明白。先说一个核心结论主机厂下场自研毫米波雷达和UWB雷达芯片不是想省那几颗芯片的钱而是想拿回对整车体验的定义权。尤其在智能驾驶和数字座舱越来越“内卷”的当下谁能把一个传感器做到和功能深度耦合谁就能在体验上甩开对手半个身位。这个逻辑接下来我用详细的拆解来说明。2. 为什么是雷达芯片成为主机厂自研的“出头鸟”2.1 智能驾驶SAE L2/L3时代雷达传感器正在被重新定义早期ADAS阶段雷达就是个“老实人”角色。ACC自适应巡航、AEB自动紧急制动这些功能对雷达的核心要求就是前方有个障碍物报一个距离和相对速度上去别误报、别漏报就行。那时候毫米波雷达本质是个“一维传感器”横竖都行距离准确就行角度分辨率差一点无所谓反正前融合的算法也不指望它认目标。但到了L2甚至L3级别的智能驾驶事情就变了。城区NOA、高速NOA这些场景要求的是“连续感知、动态预测、稳定跟踪”。摄像头有光线的软肋激光雷达有雨雾天气的软肋而毫米波雷达恰好能补上恶劣天气的短板。可问题在于传统雷达的天线阵列不够密角度分辨率太差在近距离泊车、城市路口这种场景下根本看不清行人和非机动车的轮廓更别提识别他们的运动意图了。于是4D毫米波成像雷达就冒出来了。它靠增加虚拟通道数——把天线阵列做到几十路甚至上百路——实现类似激光雷达的“点云输出”从而让雷达不但看清目标还能把目标的轮廓、形状、微动特征都描述出来。但这个操作的代价是运算量呈指数级上升芯片算力要求水涨船高传统的低算力MCUDSP架构吃不消了。当算法需要更强的芯片来跑而市面上的雷达芯片又不是为你的专属算法量身定制的主机厂就会冒出那个念头要不干脆自己设计一颗算了。2.2 传统供应链模式在新型传感器上开始“失灵”传统模式下主机厂向Tier 1采购的是“一个完整的雷达模组”。Tier 1拿到NXP或者TI的MMIC芯片和MCU做天线设计、板级集成、软件标定最后交付一个黑盒给整车厂。整车厂只负责说“我要一个功能”至于信号怎么处理、跟踪怎么实现一概不管。这个模式在过去十年是顺的但到了今天已经开始卡脖子。卡在哪卡在“功能迭代速度”。智能驾驶的算法迭代周期现在是以月为单位计算的OTA不到两个月就推一版。但Tier 1提供的黑盒雷达其内部算法更新节奏远远跟不上整车厂的需求。你想让雷达对着某类特殊障碍物优化一下识别逻辑Tier 1会说“我们排期在半年后”。你想让雷达和摄像头做像素级的前融合Tier 1说“数据接口不开放”。一次两次忍忍就算了长期下来那感觉就像你想改一桌菜的口味但连厨房门都进不去。主机厂拿不到底层数据就没办法做真正的算法差异化。于是我们看到越来越多的整车厂开始要求Tier 1做“白盒”甚至“裸盒”交付更有魄力的干脆从天线到软件到芯片一路自己搞把主动权彻底拿回自己手里。芯片就是这个链条上最底层、最难啃、但也最能卡住别人的一环。2.3 UWB雷达与毫米波雷达一对互补的“黄金搭档”很多人对UWB的理解还停留在“数字钥匙”上。没错UWB在汽车上最大的应用确实是数字钥匙——靠厘米级的测距精度和极高的抗中继攻击能力取代传统的PKE无钥匙系统。但如果只看数字钥匙你就把UWB看小了。UWB本质上是一个雷达频段IEEE 802.15.4z标准的UWB信号带宽高达500MHz在FCC的法规定义里3.1GHz到10.6GHz这个频段天然具备高距离分辨率。这意味着UWB不仅能做通讯还能做探测感知。比如车内活体检测传统摄像头在黑暗环境或者被遮挡的情况下基本失效而UWB雷达可以通过一组极窄脉冲的反射信号探测到后排座椅上儿童的呼吸动作这个能力在儿童被遗落车内的场景下是真正的“救命功能”。毫米波雷达的优势在中远距离、高速运动目标而UWB的优势近距离、高精度、微动感知。一个管车外一个管车内正好构成了一套完整的感知闭环。所以主机厂自研的时候往往是把这两颗芯片放在同一个战略框架里思考的而不是孤立地看单一应用。3. 毫米波雷达芯片的技术门槛到底卡在哪里3.1 从SiGe到CMOS一条绕不开的工艺路线毫米波雷达芯片的物理核心是MMIC单片微波集成电路它决定了一个雷达能发射多少功率、接收多少噪声、覆盖多宽的频段。长期以来这个领域的主流工艺是SiGe BiCMOS硅锗双极互补金属氧化物半导体因为SiGe器件的高频特性好噪声系数低线性度也够用。NXP和英飞凌的老款雷达芯片基本都走这条路。但SiGe有个致命的问题贵而且不太适合做大规模数字电路集成。现在雷达越做越复杂ADC模数转换器、DSP数字信号处理器、波形发生器都开始往一颗芯片上集成如果用SiGe工艺成本会高到天际。所以行业的大方向是往纯CMOS工艺迁移——28nm RFCMOS、22nm FDSOI之类——因为只有CMOS才能实现真正的“片上系统”集成把射频前端、模拟、数字全部塞进一颗Die。但CMOS做毫米波有个天然的坑衬底损耗大。硅的电阻率低信号在硅片上跑动的时候会耦合进衬底导致增益下降、噪声恶化。这就极其考验设计者的毫米波电路功底。你得会用各种传输线结构、电感补偿技术、去耦网络去跟工艺的特性死磕。我记得之前有个做射频的前同事说过一句话在毫米波频段版图里多走一毫米的线损失可能是零点几个dB的增益这种精度级别没见过几个流片循环的新团队根本搞不定。所以主机厂自研毫米波雷达芯片工艺选型至关重要。选28nm RFCMOS成本和功耗是优势但射频设计难度大选40nm或者更老的工艺设计难度低但集成度上不去。这是一个需要反复权衡的决策不是拍脑袋能定的。3.2 4D毫米波雷达从“测距”到“成像”芯片压力陡增4D毫米波雷达的“4D”指的是在距离、速度、方位角的基础上多了俯仰角高度维度。传统毫米波雷达只有水平角度分辨率目标在地面和高架桥墩上分不清楚所以经常出现车辆在高架桥上行驶雷达却把桥下的车也当成目标的“幽灵刹车”。4D雷达通过增加竖直方向的天线阵元把这个坑填上了。但实现4D的代价是巨大的。一个传统3D雷达可能有12个虚拟通道而一个正经的4D成像雷达虚拟通道数往往做到64个、192个甚至更多。每一个通道的IQ数据都要被采样、转换、波束赋形、CFAR检测角度估计、聚类跟踪这一套跑下来对算力的需求是以前的十倍以上。这就把压力全部压到了芯片上。单个MMIC可能只负责4发4收或者8发8收但系统往往是多颗MMIC级联。级联带来了新的问题本振同步、相位校准、数据同步。稍有不慎各芯片之间的相位就对不齐点云质量一塌糊涂。这部分极其依赖芯片设计时的时钟树设计、同步接口设计以及系统级的校准软件栈。主机厂如果选择自研芯片这些坑一个都躲不过。3.3 4D雷达检测模型的算法算法适配芯片和算法一起定义现在的4D毫米波雷达输出的是稀疏点云不是像素图。如何从几百个稀疏点里识别出“这是一个正在横穿马路的行人”和视觉识别一个完全不一样的问题。毫米波雷达点云的特点一是稀疏二是多径干扰严重三是目标的微多普勒特征丰富。这意味着你不能直接套用点云网络的思路而是要想办法利用微多普勒特征、RCS雷达散射截面的时间序列、目标在距离-多普勒图中的轨迹等等来做识别。这就涉及到一个关键问题芯片架构是为算法服务的。如果你打算在点云层面做深度学习推理那MMIC之后的那颗MCU或者NPU就得设计得足够强大如果你打算在原始ADC数据上做端到端学习那需要的带宽和算力更是天文数字。不同的算法选择决定了芯片的架构设计方向而反过来芯片的能力边界也约束了算法能跑到什么程度。这种“芯片-算法-功能”的深度耦合恰恰是主机厂自研的最大优势。Tier 1给你一个通用平台芯片你只能在它的边界内跳舞自己定义芯片你是拿着自己的算法去定制硬件两者完全不在一个维度上。这也是为什么主机厂宁可前期投入巨大的人力物力也要把芯片定义权握在手里的根本原因。3.4 车内生命体征雷达一个被低估的大场景热搜词里有一个细节特别有意思——“基于毫米波人体存在雷达判断有无人人在加班”。这听起来像是办公室场景但放到汽车领域其实也同样成立车内生命存在检测。现在的法规趋势越来越严格比如欧洲的Euro NCAP计划从2023年开始把车内儿童存在检测作为评分项中国的新版C-NCAP也在讨论类似规则。传统的方案是摄像头加重量传感器但摄像头有隐私问题重量传感器误报率高。毫米波雷达是个完美的替代方案它可以发射微弱的毫米波信号探测到人体胸腔的起伏从而判断车内是否有生命体存在甚至能检测到呼吸频率和心率。这个功能听起来不难但对雷达芯片的要求却十分刁钻它必须在极低的发射功率下工作因为车内是近距离场景处理的是纳瓦级别的回波信号信噪比极差它需要对微动信号极其敏感因为胸部的起伏可能只有几毫米它还需要极低的功耗因为车辆熄火后可能要连续监测几个小时。这一系列要求在传统ADAS雷达芯片上根本得不到满足需要专门优化过噪声系数、功耗和探测算法的专用芯片。主机厂如果看中了这个功能不想被Tier 1牵着鼻子走自研几乎是唯一的路。4. UWB雷达芯片高精度定位之外的“第二曲线”4.1 UWB测距的核心原理时间飞行ToF和到达相位差PDOAUWB的技术底座是脉冲无线电。它发送纳秒级别的极短脉冲通过测量信号从发射端到接收端的飞行时间来计算距离。由于脉冲极短、带宽极大时间分辨率极高所以UWB的测距精度能做到10厘米以内这比蓝牙低功耗的米级精度高了一个数量级。在汽车数字钥匙场景里手机和车端各装一个UWB模块手机靠近车辆时两边通过双向测距机制计算相对距离。为了防止中继攻击UWB协议栈里还有一套加密测距机制叫SCRScrambled Timestamp Sequence简单说就是每次测距的跳频序列只有两端知道中间截获也无从伪造。这也是为什么苹果在U1芯片上力推UWBCarKey体验比传统蓝牙钥匙安全得多。主机厂自研UWB芯片重点不只在物理层的脉冲收发更在算法层如何融合ToF和PDOA。TOF测距精度高但只能测距离不能测方向PDOA能通过到达相位差计算角度进而实现“指向手机的方向”让数字钥匙体验更像“对着车门掏出手机就能解锁”而不需要把手机在口袋里转个角度。4.2 UWB雷达从车载通信到感知雷达的跨界UWB既能当通信设备又能当雷达设备关键在于它的超宽带信号能提供极高的距离分辨率。你发一个带宽500MHz脉冲理论上距离分辨率能到30厘米以内。这个分辨率用来“成像”不够但用来检测“有没有东西在动”、 “那个东西离我多远”是绰绰有余的。车里放一个UWB雷达模块就可以实现舱内定位检测到驾驶位有人坐、副驾没人、后排左侧有一个人但右侧没人的粗粒度占位信息。这比座椅压力传感器的成本更低精度更高而且不涉及摄像头隐私问题。另一个被反复提及的场景是脚踢感应尾门传统方案用电容传感器容易受地面金属干扰误报率感人UWB方案可以精细测量“腿的扫过轨迹”做到更准确的触发判断。说实话这个场景有点花哨但在SUV市场确实能成为营销亮点。真正硬核的场景还是车内活体检测和乘员占位分类这两个功能在未来几年的车型上会逐步成为标配。4.3 UWB芯片自研的三座大山天线、算法和协议栈UWB芯片的射频前端难度没有毫米波那么离谱但要造好也有三道坎。第一道坎是天线设计。UWB脉冲信号的带宽高达500MHz意味着天线需要在非常宽的频带上保持稳定的辐射特性和相位中心。很多UWB模组做出来定位精度差问题往往不在芯片而在天线的相位中心漂移。一部手机上光UWB天线就有两到三根车端布置的位置又受造型限制天线设计不好整车的测距测角性能直接报废。第二道坎是算法校准。UWB雷达的判断效果强依赖天线间的一致性校准。每颗芯片的相位噪声特性不同每根天线的相位中心不同每辆车装配后的反射环境不同不校准输出就是一团浆糊。自研芯片如果连校准流程都没有成体系产品一致性堪忧。第三道坎是协议栈合规。UWB在FCC、ETSI等全球各地都有频谱和功率限制做芯片不是发出去就完事你还要保证在不同区域的法规框架下工作。这些测试认证周期长、成本高主机厂自研之前如果没做好心理准备很容易被拖垮。5. 自研与采购这笔账到底怎么算5.1 成本账车规级芯片的“规模魔咒”很多人在网上讨论自研芯片第一反应就是“省了多少芯片采购成本”。但对车规级芯片来说这个账在前期根本不成立。一颗车用毫米波雷达芯片如果对外采购成本可能在几十到上百元人民币之间。自研芯片的前期投入呢且不说团队人力成本就光光流片——也就是芯片制造试产——一次28nm的低功耗射频芯片流片费用动辄几千万人民币如果流片失败再来一轮分分钟烧掉一个亿。再加上AEC-Q100车规认证、功能安全ISO 26262认证、电磁兼容测试这些费用加起来是天文数字。但账还有另一面如果你的车型年销量超过百万台每一台车装两颗前向毫米波雷达和三颗角雷达那就是五百万颗芯片的采购量。在这个规模下自研芯片一旦通过验证单颗成本会被摊薄到极致同时还能省掉Tier 1的利润层整体节省的成本确实非常可观。所以这里有个很残酷的门槛自研芯片是典型的“规模游戏”小批量车型根本没有资格上车只有头部大主机厂玩得起。中小车企如果硬要跟风自研很可能死在流片验证和量产的漫长隧道里。5.2 话语权账供应链安全和体验定义权成本之外更重要的其实是话语权。过去两年全球芯片短缺的教训还历历在目多少主机厂因为一颗小芯片停产停工。那之后整个行业都意识到供应链安全不是一句口号而是真金白银的竞争力。自研雷达芯片虽然有风险但一旦成功核心传感器不再被外部供应波动卡住何乐而不为。更隐蔽的一层诉求是体验定义权。同一颗NXP雷达芯片你调出来的ACC手感和博世调出来的能一样吗当然不一样。雷达的波形设计、信号处理算法、目标跟踪策略每一个环节的参数设定都会影响最终体验。自研芯片意味着主机厂可以在任何一个环节做深度定制这在智能驾驶竞争进入“体验为王”的阶段的当下价值是不可估量的。5.3 风险账人才储备和迭代风险的权衡说了这么多自研的好处也得泼几盆冷水。芯片设计是高度依赖人才的领域国内做毫米波射频芯片的资深团队本就稀缺主机厂要自研首先就要从原厂或Tier 1挖人成本极高。而且芯片的迭代周期和整车开发周期是错位的整车开发周期三年但只要芯片流片有问题重新迭代一次至少半年到一年一个闪失就把整车项目的交付拖垮。业内比较合理的做法是“预研先行、自研渐入”。不一定刚上来就要把雷达芯片做成量产件而是先组建团队做关键模块的验证比如MMIC前端或者基带处理跑通一轮流片积累经验和信心再逐步扩大自研范围。这么做的好处在于即使某次迭代失败损失也控制在可接受范围内不会把整车项目拖下水。维度外购Tier 1方案主机厂自研芯片前期投入低立项即可开发极高流片认证团队单车成本包含Tier 1利润较高摊薄后极低迭代速度受排期制约慢完全自主可控功能深度黑盒/灰盒定制有限全栈深入定制供应链风险受外部供应波动影响风险自担人才门槛不需芯片团队需要资深射频/基带团队适用车企几乎所有仅头部大规模车企6. 主机厂下场之后上下游谁会先坐不住6.1 Tier 1 和传统芯片原厂的两种应对姿态主机厂自研雷达芯片最直接受冲击的必然是Tier 1供应商。以前Tier 1靠“芯片选型算法调校系统集成”吃饭如果主机厂把芯片定义权拿走Tier 1就被打回“代工厂”的角色利润空间被大幅压缩。所以现在头部Tier 1也在两条腿走路一条腿继续开发自己的雷达平台另一条腿开始向主机厂开放更多底层数据试图用“合作伙伴”的姿态拴住客情。芯片原厂的处境则相对微妙。一方面NXP、TI这些龙头并不太担心主机厂短期内抢走自己的市场毕竟车规芯片的技术门槛和认证周期摆在那里另一方面他们也在快速调整产品策略比如推出更有弹性的可编程雷达处理器、提供更开放的算法SDK目的就是让主机厂“有得选”不要觉得只有自研一条路。6.2 对技术路线本身的刺激非车载雷达应用也会加速创新主机厂下场这件事不只是汽车产业内部的一次供应链洗牌。它还会反过来刺激雷达芯片技术本身的发展。比如需要更高分辨率的4D点云就需要更大规模的阵列和更强的片上处理能力这会推动芯片工艺往更先进的节点走。比如UWB需要在更小体积内实现更好的测距测角性能就会推动封装天线技术AiP的进步把天线、射频前端和基带全部封装成一颗系统级封装模块。再比如汽车雷达衍生出来的人体存在检测、生命体征监测这些非驾驶功能会逐渐外溢到智能家居、办公空间管理、康养监测等领域最终可能形成一个新的产业圈层。回看热搜词里提到的“基于毫米波人体存在雷达判断有无人人在加班”其实已经很能说明问题了——雷达传感器正在从汽车专属走向泛在感知从“车辆的感知器官”变成“空间的感知神经”。主机厂在这个时间点切入雷达芯片自研很大概率也是看到了这个外溢价值。7. 一些经验性的看法和操作建议最后聊点实操层面的想法。如果你所在的主机厂刚好在评估要不要自研这类芯片或者你个人想进入这个领域我给几个方向性参考。第一芯片自研的起点不是“我要造芯片”而是“我到底要对什么样的体验做深度定制”。先把手头的传感器痛点列清楚——是雷达角度分辨率不够是UWB在特殊场景下测距误差太大还是想在生命体征检测上做差异化功能把问题聚焦到“体验”本身芯片的定义才有据可依。第二不要一上来就大干快上先找能落地的单点场景。比如先试做一颗用于车内活体检测的UWB雷达芯片或者一颗前向4D毫米波雷达的专用MCU规模小、风险可控、见效相对快。等团队和流程都锻炼出来了再慢慢渗透到更核心的MMIC射频前端领域。第三合作与自研并不矛盾。芯片IP可以外购天线设计可以找第三方射频测试可以外包关键是主机的“定义权”和“系统架构”留在自己手里。现实中很少有主机厂能真的做到从材料级开始全面自研更多是架构自研、IP整合、流片代理的混合模式。能把这些资源整合好就已经算成功了。第四关注空域安全和合规。这不仅是技术问题更是产品能否上市的法务底线。毫米波雷达的频段分配在全球各地有差异UWB的功率谱密度上限在不同区域也有不同的规定。自研芯片如果目标是出海车型从第一天起就要把国际认证需求纳入设计约束里否则后期为了过认证改板子代价远大于前期的合规评估投入。第五如果个人想转行进这个赛道建议优先补射频系统知识和天线基础。很多做嵌入式的同行觉得“芯片不就是写驱动嘛”但雷达芯片不一样它要吃透射频链路预算、灵敏度、相位噪声这些概念才能在系统层面真正理解问题出在哪里。在我这几年的实际观察里主机厂自研雷达芯片这件事最终会分化成三类玩家一类是真的敢砸钱砸人、把芯片做成核心竞争力的头部车企一类是以合作为主、小规模试水的中坚力量还有一类是观望但坚定不跟的务实派。三者的选择没有绝对的对错关键是和自己企业的体量、技术储备、战略野心相匹配。芯片自研这条路从来不是“走就对了”而是每一步都需要算清楚后果。如果你正在评估类似的项目我的建议是别被“自研芯片”的光环冲昏头脑先从最小闭环跑起来。哪怕只是把一颗UWB芯片的测距算法做到同级最优也能让你在未来的供应链谈判里多出不少底气。