黑芝麻智能近日与一家头部A股上市公司签署AI计算产品销售框架合同及配套技术合作协议，合同总金额约3亿元。根据协议安排，自合同签订一年内，合作方预计采购以黑芝麻智能自研芯片为核心的AI计算产品约2.5亿元。这是黑芝麻智能AI计算业务的首批订单，标志着其智能驾驶领域积累的AI计算能力开始向汽车以外市场实现规模化商业拓展。
对于芯片企业而言，从技术研发到产品商业化通常需要较长周期。在AI计算领域，芯片的市场竞争力不仅取决于硬件性能，还与软件生态、应用适配、产品交付及客户实际使用体验密切相关。此次合作同时包含产品销售框架合同与配套技术合作协议，合作范围覆盖产品供应与后续技术协同，为根据实际应用需求持续优化产品方案提供了空间。其中一年内约2.5亿元的采购安排，为新业务提供了相对明确的商业化预期。
黑芝麻智能此前主要围绕汽车智能驾驶和具身智能构建AI计算技术体系。汽车芯片企业通常依靠汽车制造商的定点项目获取业务，产品开发与整车研发周期紧密相关。相比之下，AI计算市场应用场景更为广泛，客户需求也更加多样。对于已掌握核心AI芯片技术的企业而言，向更多AI计算场景拓展有助于提高研发成果利用效率，并逐步建立新的收入来源。黑芝麻智能创始人兼CEO单记章表示，此次合同的签订是公司基于AI计算平台拓展新业务的重要实质性进展，与头部客户的深度合作及大额订单，有利于公司业务和盈利结构的优化。
黑芝麻智能选择此时进入AI计算市场，与人工智能产业的发展阶段密切相关。过去几年，AI行业关注点主要集中在大模型训练，科技企业持续投入高性能芯片和大型数据中心，算力规模一度成为衡量竞争力的重要指标。随着大模型进入实际业务场景，AI计算需求结构正在发生变化。企业在开发性能强大的模型之外，还需要让模型长期、稳定、低成本运行并真正服务于生产经营。制造企业的生产线视觉检测需要兼顾识别准确率、响应速度和运行稳定性，金融机构部署内部AI知识系统则更关注数据安全、部署方式及长期使用成本。不同应用场景对计算资源提出差异化要求，推动AI计算形成更加多元的市场结构。大型数据中心仍承担重要计算任务，但企业本地部署、边缘计算和各类智能终端同样在产生新的需求。
市场研究机构的数据印证了这一趋势。Gartner预测，2026年全球AI基础设施支出约1.48万亿美元，2027年将增至1.98万亿美元。高通预计，到2030年，涵盖数据中心、汽车、工业及机器人等领域的计算相关潜在市场规模约1.7万亿美元。在这些市场中，单纯追求最高性能并不一定符合实际需要，能否在满足应用要求的前提下提供更高的计算效率、更合理的能耗和更具竞争力的成本，正在成为影响客户采购决策的重要因素。
这一技术方向与黑芝麻智能长期关注的领域存在共通之处。与部分集中式计算场景不同，汽车需要在有限的功耗和空间条件下持续完成复杂AI计算任务，同时对系统可靠性、实时响应和长期稳定运行有较高要求。这些经验与部分本地化、边缘侧AI计算场景存在相似性，为相关技术向汽车以外市场延伸提供了条件。不过，汽车智能驾驶与更广泛的AI计算场景之间并不能简单划等号，不同应用对计算架构、存储能力、软件环境和模型适配各有要求，芯片企业进入新市场仍需针对目标场景进行产品开发和技术优化。
黑芝麻智能的技术基础在于过去多年围绕AI计算建立的体系。在智能驾驶芯片领域，公司已积累AI计算架构、NPU设计、软件栈、开发工具链以及车规级芯片研发和量产经验。其中，车规级产品开发积累的工程化能力具有一定价值，相关经验可为其他AI计算场景中的产品稳定性和系统可靠性提供支持。在产业合作层面，黑芝麻智能已与在AI算力基础设施、服务器产品化及供应链服务等领域拥有经验的A股上市公司协创数据达成战略合作。按照合作安排，黑芝麻智能主要提供自研AI芯片、配套软件及开发工具链，协创数据则发挥供应链管理、产品制造、算力平台运营和客户服务方面优势。双方还计划根据不同行业客户需求探索定制化芯片开发，将合作延伸至芯片架构设计和软硬件适配等环节。
从汽车芯片产业整体来看，黑芝麻智能的业务拓展反映出一个值得关注的趋势：越来越多芯片企业正在寻找汽车之外的增长机会。智能驾驶芯片市场仍有广阔发展空间，但芯片研发需要持续投入，汽车产品开发周期较长，从获得客户定点到正式量产交付通常还需经过多个环节，芯片企业之间的竞争也日趋激烈。对于已具备核心AI芯片研发能力的企业而言，将技术拓展至AI计算、机器人和工业智能等领域，逐渐成为值得探索的发展路径。在人工智能应用加速普及的背景下，汽车、机器人、工业设备和企业本地化部署对AI计算能力的需求开始出现交集，具备核心芯片技术的企业有望在这一过程中获得新的增长空间。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
