刚从几个行业群的讨论里出来话题又一次落在了“主机厂下场做毫米波雷达和UWB雷达芯片”上。说实话这个标题本身的信息量已经很大了。过去我们聊主机厂自研更多是围绕座舱SoC、自动驾驶计算芯片比如把高通、英伟达的芯片拿来做深度定制或者干脆自己流片。但毫米波雷达芯片和UWB雷达芯片属于相对“小众”的细分赛道以前几乎是Tier 1和芯片原厂的地盘主机厂更多是提需求、定规格最后直接采购模组。现在主机厂开始往芯片层下沉这个信号值得所有做汽车电子、智能座舱、自动驾驶和物联网感知的人关注。这篇内容我会结合日常跟车企、Tier 1、芯片原厂打交道时积累的信息说说我的理解主机厂究竟为什么盯上这两类芯片技术门槛到底卡在哪UWB和毫米波雷达在车里能玩出什么新花样以及这条自研之路真实走起来会踩到哪些坑。不画大饼只讲实际的东西。1. 主机厂突然下场表面看是降本深层是重新争夺供应链话语权很多人第一反应是“主机厂做芯片是不是为了省成本”。省成本确实是一个因素但远不是全部。芯片在整车BOM里的成本占比雷达芯片这种前端芯片通常只有几十到一两百人民币的量级即便一台车用上五六个雷达整组芯片成本也就几百块跟座舱SoC、功率半导体相比并不夸张。真正让主机厂坐不住的是另外几件事。1.1 缺芯危机留下的“创伤记忆”过去两三年全球范围内的芯片短缺让无数主机厂尝到了停产停线的滋味。毫米波雷达和UWB芯片这类射频模拟芯片此前供应高度集中在少数几家原厂手里一旦排产出问题产线就得等。主机厂发现仅仅跟Tier 1维持好关系是不够的因为Tier 1拿不到芯片主机厂一样没货。想要在供应链里拥有更高优先级自己下场、跳过中间层、直接跟晶圆厂和封测厂建立关系是最彻底的办法。这本质上是把“命脉”握回自己手里。1.2 智能化竞争从“软件定义”走向“硬件可定制”现在行业内都在讲“软件定义汽车”但软件跑在硬件上硬件的天花板决定了软件的上限。如果雷达芯片是黑盒方案主机厂拿到的只是一堆点云或目标级数据想做更细的算法优化、场景定制就很吃力。主机厂现在都在自研感知算法、训练自己的大模型喂给模型的数据越原始、越丰富越好。自己定义芯片意味着可以拿到中间层的距离-多普勒数据、微动特征数据甚至是原始ADC数据这些对算法迭代和场景泛化至关重要。1.3 舱内感知和“人体存在检测”成了新的功能战场热搜词里有几个值得注意“基于毫米波人体存在雷达判断有没有人在加班”“毫米波雷达生命体征”“UWB CIR”。这些指向的是同一个方向——车内和室内场景下用雷达感知人的存在、呼吸、心跳、姿态甚至判断“人是不是在加班”。过去雷达主要放在车外做ADAS现在越来越多的雷达被放进座舱内部、放在车门把手、放在B柱用于儿童存在检测、入侵报警、生命体征监测。主机厂如果能把雷达芯片和算法一体化掌握就能在这些新功能上打出差异化。这已经不是简单的“能不能探测到人”的问题而是“能不能用更低功耗、更小体积、更可靠的方式实现探测”的竞争。1.4 法规和安全评级在倒逼欧洲新车安全评鉴协会Euro NCAP已经把儿童存在检测Child Presence DetectionCPD纳入评分体系2023年起相关测试项目开始实施车内雷达成为满足法规要求的主流方案之一。国内C-NCAP也在跟进类似趋势。主机厂为了拿安全评级、为了旗舰车型的卖点必须把车内雷达方案做扎实。这种级别的要求仅靠买现成模组在功耗、体积、算法定制、供应链稳定性上都很难形成长期竞争力。主机厂下场自研是应对法规和评级的一个“预防性动作”。这些驱动力加在一起主机厂对雷达芯片的兴趣就不是一时热度而是智能化竞争和供应链安全两个维度的双重需求。我判断接下来三到五年主流的头部主机厂至少会通过投资、联合定义、自研三条路径中的某一条深度介入毫米波雷达和UWB雷达芯片领域。这不是“要不要做”的问题而是“用什么姿势做”的问题。2. 毫米波雷达芯片的门槛射频只是入场券算法和数据才是分水岭聊到毫米波雷达芯片很多人第一印象是“射频设计很难”。确实77GHz频段的射频电路设计、天线阵列、封装天线AiP技术都有相当高的工程门槛。早期主流方案用SiGe工艺近几年CMOS工艺开始发力成本大幅下降集成度也越来越高。但如果你深入接触这个行业就会发现硬件设计只是入场券真正让主机厂不敢轻易上手的是后面那一长串看不见的功夫。2.1 从芯片到模组再到感知算法每一环都有学问毫米波雷达芯片通常集成了射频前端、波形发生器、ADC、部分DSP或MCU。芯片出来之后要做成模组模组里天线设计和芯片的匹配、散热、电磁兼容都需要大量调试。模组再往上是信号处理距离-多普勒矩阵的生成、CFAR检测恒虚警率检测、目标聚类、航迹跟踪、微多普勒特征提取。每一环都有大量工程细节。所以即便拿到了同一颗芯片不同团队做出来的雷达模组性能可能天差地别。我见过不少初创公司拿着原厂的开发套件跑通了Demo觉得“雷达也就这样”结果一到车规级验证、一到真实道路场景问题全冒出来了。雨中目标、隧道多径反射、摩托车和行人区分、静止目标检测——这些真实场景对算法和标定的要求极高。主机厂自研芯片表面上是把硬件攥在手里但真正的护城河必须是整条感知链路的能力否则芯片做得再漂亮装上车不能用也是白搭。2.2 4D毫米波雷达的诱惑与陷阱热词里频繁出现“4D毫米波雷达”和“4D毫米波雷达检测检测模型”。4D雷达在传统距离、速度、水平角度之外增加了俯仰角维度可以做到“高分辨率点云”甚至接近低线束激光雷达的感知体验。这让很多主机厂心动认为用4D雷达可以替代部分激光雷达实现高阶辅助驾驶的降本。但4D雷达有一个非常尴尬的现状硬件指标已经能做到很高的水平比如角度分辨率做到1度以内、检测距离做到300米以上但算法和数据集并没有跟上。传统3D雷达时代目标识别主要靠RCS雷达散射截面和航迹特征到了4D雷达点云稠密了理论上可以做类似激光雷达的深度学习和语义分割但高质量的4D雷达标注数据积累还非常少。很多团队发现花大价钱买来的高分辨率4D雷达跑出来的点云质量反而因为“点太多、杂点不少”而难以直接套用传统算法。这里就出现了一个机会窗口主机厂如果能在芯片设计阶段就把数据接口、点云格式、片上预处理逻辑定义清楚同时用自家量产车辆的影子模式持续采集数据就能形成“芯片算法数据”的闭环。这是买现成芯片做不到的差异化优势。但反过来说如果主机厂只是“为了自研而自研”没有同步建设算法和数据团队4D雷达芯片做出来也大概率是“高配低能”。2.3 车规认证和量产一致性是隐形的硬成本一颗毫米波雷达芯片要上车走完AEC-Q100可靠性认证、ISO 26262功能安全认证再到模组级的DV/PV验证周期往往在一年半到两年费用投入不小。很多新势力或初创团队低估了这部分成本和时间以为芯片design好就万事大吉。实际上车规认证对芯片的工艺稳定性、失效模式分析、封装可靠性都有极高要求。特别是雷达芯片涉及射频和天线哪怕晶圆工艺有一点波动天线辐射性能就可能偏移导致探测距离和角度精度变化。量产一致性更是“看不见的杀手”。同一批晶圆位置不同、工艺角不同芯片性能会有差异。传统Tier 1有几十年的量产经验知道怎么通过筛选、校准、出厂测试来保证模组一致性。主机厂如果从零开始建这套体系投入非常巨大。我看到一些主机厂自研雷达芯片的真实策略其实是“芯片定义自己做生产测试找专业伙伴”不然很容易掉进“流片成功、量产失败”的坑。3. UWB雷达从“精准测距工具”到“车内生命体征感知主力”相比毫米波雷达UWB超宽带雷达的热度是这几年才突然起来的。以前大家聊UWB更多是数字钥匙、无钥匙进入、室内定位。但UWB本身是一种雷达技术它发射纳秒级窄脉冲带宽通常超过500MHz具备极高的距离分辨率同时有很强的抗多径干扰能力。这两年UWB雷达在车内场景的价值被越来越多主机厂重视尤其是生命体征检测这个方向。3.1 CIR数据UWB雷达的核心资产热词里出现了“UWB CIR”这是理解UWB雷达的关键。CIRChannel Impulse Response信道冲激响应描述了发射脉冲经过环境反射后到达接收机的时间、幅度和相位信息。UWB雷达通过分析CIR可以精确测量目标的距离甚至感知目标的微动。人体呼吸时胸腔的起伏是厘米级甚至毫米级的传统雷达很难把这个微动从环境杂波里分离出来但UWB凭借极高的距离分辨率可以在CIR里观察到这个微小的变化。这也是为什么UWB雷达在生命体征检测上表现突出。放在车内它可以通过分析CIR的相位变化提取出呼吸频率和心跳频率。相比摄像头雷达不涉及隐私可以在完全黑暗、遮挡情况下工作相比毫米波雷达UWB的带宽优势带来更高的距离分辨率和更低的功耗。做儿童存在检测时UWB雷达甚至能区分“车里有活生生的儿童”和“安全座椅上放了一个包”这一点传统压力传感器做不到。3.2 从“防遗忘儿童”到“加班检测”与“入侵报警”UWB雷达在车内的典型应用场景首先是儿童存在检测。法规推动下几乎所有主流主机厂都在评估UWB雷达方案。它能做到在车辆熄火、锁车之后以极低功耗持续检测车内是否有人。检测到儿童被遗留系统会通过手机App推送报警甚至自动打开车窗、启动空调通风。热词里那句“基于毫米波人体存在雷达判断有无人正在加班”其实描述的是UWB/毫米波雷达在办公场景的“人员存在感知”应用。放在车里完全可以推演车辆停在公司停车场雷达检测到车内有生命体征系统判断是车主在车里午休或者加班后小憩自动调整空调、座椅按摩、香氛甚至播放助眠音乐。这种“懂你的车”的体验靠摄像头会让人觉得被监视UWB雷达则自然得多。另外UWB雷达还非常适合做车辆防盗和入侵报警。它能够感知车内和车辆周围近距离的人体微动比传统的震动传感器误报率低很多。有人砸窗进入车内或者有人藏在车后座UWB雷达都能及时察觉。3.3 多模式复用UWB的“一鱼多吃”价值UWB相比其他雷达方案还有一个独特优势它是通信和雷达一体化的技术。同一个射频前端既能做数字钥匙的测距定位也能做雷达感知。也就是说主机厂花一份硬件成本可以同时实现无钥匙进入、车内儿童存在检测、入侵报警、手势识别、生命体征监测多个功能。这种“功能复用、硬件共享”的思路正好契合主机厂降本和精简整车线束、降低系统复杂度的需求。而且UWB在手机生态里有天然的联动优势。苹果从iPhone 11开始内置U1芯片后续安卓阵营也在跟进UWB。车内的UWB雷达可以和手机的UWB能力联动实现更智能的靠近解锁、迎宾灯联动等功能。主机厂选择UWB某种程度上也是在押注一个从手机到汽车的生态协同逻辑。3.4 UWB雷达要真正做好还需跨过几道坎不过UWB雷达上车并不是没有挑战。首先是车内多径环境极其复杂座椅、人体、安全带都会产生反射CIR数据里往往混杂了各种静态和动态反射分量如何精确分离目标信号和环境杂波需要大量实测数据做算法训练。其次是车规级UWB芯片的成熟度目前真正符合车规、支持雷达模式、同时做通信和测距的UWB芯片方案还不多主机厂可选的余地有限。最后是系统集成问题UWB雷达天线需要合理布置在座舱内位置选择直接影响探测范围和盲区这需要大量的仿真和实际测试积累。4. 主机厂自研的三种姿势全自研、深度定制、生态共建主机厂下场做雷达芯片方式和深度可以很不一样。完全从零开始做一颗芯片周期长、投入大、风险高不是所有主机厂都适合。我观察到行业里已经出现了几种典型的路径各有各的取舍。4.1 全自研设计适合体量足够大的头部玩家全自研意味着主机厂自己定义芯片架构、自己设计射频前端、自己写信号处理链路可能借助EDA工具和晶圆厂的PDK但核心设计团队是自建的。这种模式的好处是自由度最大可以实现完全定制化的功能、功耗、接口和算法加速器。但代价是团队门槛极高。目前国内能够组建完整射频毫米波芯片设计团队的主机厂少之又少因为这类人才过去都集中在少数头部芯片公司和Tier 1那里。另一个问题是战略投资回报周期很长一颗车规级雷达芯片从定义到量产顺利的话也要三到四年。主机厂如果有魄力坚持下来长期确实能形成很强的技术壁垒但这个过程里组织耐心和资源投入都是巨大考验。4.2 深度定制与联合开发最现实的中间路线目前看更多主机厂会选择“深度定制联合开发”模式。具体来说就是主机厂提供需求定义、系统架构、算法Spec芯片原厂负责射频实现和流片双方共同定义芯片的寄存器、数据接口、片上加速器。这种模式下主机厂不需要亲自组建庞大的射频团队但能拿到一颗“半定制”芯片关键的数据接口和算法加速逻辑都按自己的需求来。这种做法的价值在于它把“芯片能力”和“算法需求”之间的鸿沟填平了。主机厂不必被迫接受原厂的“通用芯片”而是可以得到真正适合自己的“专用芯片”。典型例子是一些主机厂会要求UWB芯片原厂在SoC里加入针对CIR特征提取的加速单元用来做生命体征检测时计算呼吸频率和心跳频率。芯片原厂也乐见其成因为通过联合开发他们能绑住一个大客户后续量产订单长期锁定合作几家头部主机厂后可以逐步把定制能力平台化。4.3 投资孵化初创团队把风险转移出去把能力纳入生态第三种路径是主机厂通过产业资本和战投部投资早期的毫米波雷达或UWB芯片初创团队。这种“体外孵化”的好处是风险可控初创团队拥有敏捷的技术迭代能力和灵活的激励体系主机厂作为核心客户和战略股东可以获得优先供应权和联合定义的话语权。等初创团队跑通量产主机厂甚至可以并入自身体系或者控股整合。这个策略兼顾了“长期自研”的愿景和“短期务实”的现实。站在芯片初创公司的视角能拿到一家主机厂的投资和联合开发意向价值不亚于几轮融资。因为芯片公司最怕的不是技术做不出来而是车规产品没有足够的量产规模来摊销研发成本。绑定一家头部主机厂就相当于拿到了量产出海口“以战养战”的路径清晰顺畅。4.4 主机厂到底应该怎么选一个经验判断从我接触的案例来看决定选哪条路的关键变量是主机厂对雷达感知战略价值的判断。如果只是把它当成“降本零部件”那完全没必要自研第三、第四条路径即可。如果是想做L3以上自动驾驶的头部玩家那毫米波雷达芯片的深度定制几乎是必选项如果是想在座舱体验、儿童遗留、数字钥匙这些功能上做出差异化那UWB雷达芯片的联合定义就非常值得投入。我个人的一个倾向性建议是不要一上来就追求“全自研流片”那对组织能力的考验远超想象。更务实的做法是用“深度定制”的方式快速建立对芯片的掌控力同时在算法、数据和系统集成层面自建纵深。芯片本身会越来越标准化真正让主机厂拉开差距的还是手里积累的场景数据和算法迭代速度。5. 芯片原厂和Tier 1的位置要变了从“卖芯片”到“卖解决方案”再到“卖服务”主机厂下场最先感受到压力的不是传统Tier 1反而是芯片原厂。过去芯片原厂只管卖芯片Tier 1把芯片做成模组再配套给主机厂。这种“三层结构”分工明确各赚各的钱。但主机厂深度介入芯片层之后这个链条开始松动。5.1 原厂和主机厂的关系重构如果主机厂选择深度定制芯片原厂的角色就从“供应商”变成了“代工技术合作伙伴”。利润结构会变化芯片的IP和定义权部分转移到主机厂手里原厂更多赚的是设计服务费、流片和量产的制造利润。这种模式下原厂的技术护城河会变浅但客户粘性会极大增强一旦达成定制合作后续同类产品基本就锁定在这一家原厂了。所以很多头部芯片原厂的态度其实是矛盾的既怕主机厂自研抢了自己的地盘又怕不合作就失去进入头部主机厂核心供应链的机会。目前看多数原厂选择“主动拥抱”把联合定制能力做成自己的竞争壁垒。5.2 Tier 1的“空心化”风险传统Tier 1的价值主要在模组设计、标定、量产测试和系统集成。如果主机厂自己定义芯片、自己掌握算法Tier 1就只剩下“代工模组”和“做产线测试”的角色利润空间会被大幅压缩。更让Tier 1焦虑的是主机厂往往会跳过Tier 1直接联系芯片原厂做联合定义Tier 1在中间的附加值越来越少。接下来Tier 1必须往两个方向进化一个是向“方案集成商数据服务商”转型帮主机厂做多传感器融合、标定工具链、场景库建设以服务换利润另一个是深入掌握“芯片算法”的垂直整合能力让自己也成为某种程度的“半导体系玩家”。传统只做SMT贴片和模组测试的Tier 1日子会越来越难过。5.3 对创业公司的启示垂直场景是活路这股浪潮对整个雷达芯片创业生态也有影响。过去初创芯片公司靠一颗通用芯片打天下拉上几个模组厂就能铺开市场现在这个逻辑正在失效。头部主机厂要么自研芯片要么跟大的原厂联合定制留给初创公司的通用市场空间在变窄。但垂直场景的机会反而在变大。比如针对“健康监测”场景做“医疗级生命体征雷达芯片”针对“家用人形机器人”场景做低功耗雷达芯片针对“工业安全”场景做高可靠性UWB雷达。这些细分市场对芯片有特殊要求大厂注意力未必覆盖初创公司如果能跟一两家标杆客户深度绑定跑通一个场景再复制到同行反而能建立起自己的根据地。这跟主机厂自研的逻辑有相似之处与其做大而全不如做深做透。6. 雷达芯片上车这件事真正值得关注的是“系统能力”而不是“流片”很多人在聊主机厂自研芯片时特别容易陷入一种“流片崇拜”——好像芯片 tape out 成功就万事大吉。这种看法在消费电子领域还算可行但在车规领域是完全不够的。芯片上车是一次漫长的“系统级工程”流片只是万里长征第一步。6.1 天线和整车集成的经验比想象中重要雷达芯片设计完之后天线怎么排布、雷达模组放在保险杠什么位置、倾角多少、前面有没有遮挡物、和车身金属件之间的距离是多少每一个细节都会影响最终性能。这套经验无法靠看书学来需要在真实车型上反复迭代。主机厂做自研芯片有一个天然优势——自己的车型自己最熟可以针对性地做天线布局和感知盲区优化但优势的前提是真有人懂射频仿真和整车电磁兼容这种复合型人才在市场上非常稀缺单靠高薪挖人并不一定能快速补齐。6.2 数据闭环是最大的长期壁垒我一直认为主机厂下场做雷达芯片最值得关注的是它的数据闭环能力。只要芯片是自研的主机厂就有机会拿到从射频前端到感知结果的每一层中间数据。大量真实路采场景下的距离-多普勒数据、CIR数据搭配车辆自动标注的Ground Truth如摄像头目标、高精地图、车机状态就可以训练出更优的信号处理模型。这套数据资产不像芯片和硬件那样能被快速复制它是真正的“滚雪球”式壁垒。相比之下就算某些第三方芯片原厂也能采集数据但它们的车队数量和场景多样性远远无法跟一家量产百万辆的主机厂相比。6.3 生态协同带来新增量雷达芯片上车之后跟其他车载传感器的协同也是重要课题。毫米波雷达和摄像头已经有很多年的融合实践现在UWB雷达加入进来多传感器融合的维度会变得更加丰富。UWB雷达可以提供近距离的高精度存在感知毫米波雷达负责中远距离的目标检测和跟踪摄像头做语义识别和分类三者协同可以在不同场景下互相校验降低误报漏报。主机厂如果同时在毫米波雷达芯片和UWB雷达芯片上有布局就可以从系统层面做原生融合设计而不用依赖Tier 1来做黑盒融合这会让传感器融合的性能上限更高。6.4 留意隐私合规和数据安全最后提一个容易被忽略的问题生命体征检测意味着雷达芯片正在采集极其敏感的生物数据。这些数据怎么存储、怎么脱敏、怎么加密传输涉及用户隐私和数据安全合规。主机厂自研芯片可以提前在硬件层面设计安全模块把隐私保护内建到芯片里而不是靠后续软件补丁。这一点对于车型出海或者进入更高安全标准的市场尤其重要。UWB和毫米波雷达的射频信号本身也涉及无线通信合规比如发射功率、频段占用、抗干扰要求这些在芯片定义阶段就要同步规划好否则后面会有很多麻烦。从我个人这些年看到的情况来看主机厂下场做毫米波雷达和UWB雷达芯片不只是一次供应链策略调整更是智能汽车核心感知技术从“黑盒采购”走向“白盒自研”的缩影。这个过程中能笑到最后的未必是芯片设计能力最强的主机厂而是那个能把芯片、算法、数据和整车场景完整跑通闭环的团队。流片成功值得庆祝但真正的分水岭永远在后面的量产和持续迭代里。