一家起家于智能驾驶芯片赛道的企业，正持续向外拓展业务版图，发力潜力更大的通用 AI 计算市场。
近期，黑芝麻智能与国内头部 A 股上市公司签订 AI 计算产品销售框架协议，同步敲定配套技术合作条款，这份框架合同总规模约 3 亿元。按照约定，合同签署后的一年内，合作方计划采购以黑芝麻智能自研芯片为核心的 AI 计算相关产品，采购金额约 2.5 亿元。
该订单是黑芝麻智能 AI 计算板块落地的首批商业化订单，也代表企业在智能驾驶赛道沉淀的 AI 算力能力，正式走出汽车领域，开启面向多行业的规模化商业落地。
最近数年，人工智能行业走完了算法迭代、大模型训练再到产业落地的完整发展阶段。AI 技术逐步融入企业生产经营全流程，市场对算力的需求逻辑也随之转变。除硬件高性能指标之外，算力使用效率、落地部署成本、系统长时间稳定运行等指标，越来越成为客户重点考量的因素。
市场需求的这一转变，为黑芝麻智能带来全新增长机遇。依托在车载智能驾驶、具身智能领域多年打磨的技术储备，企业正尝试把自研核心算力能力落地到更多跨行业场景。
3 亿订单落地，切入通用 AI 算力市场
对芯片厂商而言，从底层技术研发到产品实现商业化，往往要经历漫长周期。
AI 计算赛道尤为突出，一款芯片能否在市场建立竞争力，不单单取决于硬件性能，软件生态完善度、场景适配能力、批量交付能力以及终端客户实际使用体验，都会直接影响产品竞争力。
因此，黑芝麻智能拿下这份 3 亿元框架订单，具备行业里程碑意义。
根据双方合作约定，本次合作同时包含产品供货与深度技术协同，双方可以结合实际业务场景持续迭代优化产品方案。其中一年内预计 2.5 亿元的产品采购计划，为这项全新业务带来明确的商业化预期。
从业务布局来看，黑芝麻智能此前的技术体系主要围绕车载智能驾驶与具身智能搭建，进军通用 AI 计算市场后，产品应用场景与目标客户群体都得到大幅拓展。
长期以来，汽车芯片厂商大多依靠车企定点项目获取订单，产品研发节奏和整车开发周期深度绑定。而 AI 计算市场覆盖场景更加多元，客户需求类型也更为丰富。
掌握自研 AI 芯片核心技术的企业，向多行业算力场景延伸，能够最大化释放研发投入价值，培育全新营收增长点。
黑芝麻智能创始人兼 CEO 单记章表示，本次签约是企业依托 AI 计算平台拓展新赛道的实质性重要进展。和头部客户达成深度合作、落地大额订单，有助于优化公司整体业务结构与盈利模型。
这也预示着 AI 计算业务，已经成为黑芝麻智能未来战略布局里的重要板块。
AI 算力需求迭代，催生全新市场机遇
黑芝麻智能选择在这个时间节点入局 AI 计算市场，和人工智能产业所处的发展阶段密不可分。
前几年行业重心集中在大模型训练环节，各大科技企业持续投入高性能芯片与大型数据中心，算力规模一度成为衡量企业实力的核心标尺。
但随着大模型从实验室走向产业真实场景，AI 算力的需求结构也发生明显变化。
对企业客户来说，搭建高性能模型只是其中一环，如何保障模型长期稳定、低成本运行，赋能生产经营，同样至关重要。
举个例子，制造企业利用 AI 完成产线视觉检测任务，除识别准确率之外，还需要兼顾响应速度与系统稳定性;金融机构部署企业内部 AI 知识库，则会重点关注数据安全、部署方式以及长期使用成本。
不同行业场景对算力资源提出差异化需求，AI 计算市场也随之形成多元化格局。大型数据中心依旧承担大规模算力任务，企业本地部署、边缘算力以及各类智能终端，正在持续释放新增需求。
AI 计算市场增长空间持续打开。Gartner 机构预测，2026 年全球 AI 基础设施支出将达到约 1.48 万亿美元，2027 年增长至 1.98 万亿美元。高通方面预估，到 2030 年，包含数据中心、车载、工业、机器人等领域在内的算力潜在市场规模可达 1.7 万亿美元。伴随 AI 应用不断渗透各行各业，手握自研芯片核心技术的企业，有望收获更多增长红利。
在这类市场当中，单纯追求芯片极限性能并不完全匹配客户真实诉求。在满足业务基础要求的前提下，更高算力效率、合理功耗水平、具备竞争力的综合成本，正在成为客户采购决策的关键因素。
而这正是黑芝麻智能长期深耕的技术方向。
和集中式云端算力场景不同，车载场景要求芯片在有限功耗、空间约束下，持续完成复杂 AI 运算。同时汽车行业对系统可靠性、实时响应能力、长期稳定运行能力有着严苛标准。
这些技术积累，和大量本地化、边缘侧 AI 计算场景的需求高度契合，也为车载技术向外迁移创造了条件。从产业逻辑来看，黑芝麻智能布局通用 AI 计算赛道具备清晰的底层支撑。
从车载芯片到通用 AI 算力，技术优势如何迁移?
当然，车载智能驾驶场景和通用 AI 算力场景不能直接等同。
不同应用场景对计算架构、存储规格、软件环境、模型适配能力，都有着差异化要求。汽车芯片厂商想要开拓新市场，依然需要针对目标行业做产品迭代与技术适配。
黑芝麻智能的底气，来自多年搭建的整套 AI 计算技术体系。
在智能驾驶芯片领域，企业已经沉淀 AI 计算架构、NPU 设计、全套软件栈、开发工具链，以及车规级芯片研发、量产落地等完整经验，构成其开拓 AI 算力市场的技术底座。
其中车规级研发沉淀的工程化能力具备很高价值。车载芯片需要在复杂工况下长期稳定工作，硬件设计、软件适配、产品验证全流程都执行严苛标准，相关经验可以为其他 AI 算力场景的产品稳定性、系统可靠性提供保障。
除此之外，AI 计算产品的竞争早已不局限于芯片硬件本身。
在实际落地部署阶段，硬件需要和软件框架、开发工具、行业应用深度协同。只有打造完整软硬件一体化方案，才能降低客户接入、使用 AI 算力的门槛。
黑芝麻智能正把自研软件栈与开发工具链拓展到更多行业场景，推动自研 AI 芯片与整套系统方案协同迭代。
不过，技术向新市场落地，还需要完善的产业合作生态。此前黑芝麻智能已经和协创数据达成战略合作，这家 A 股上市公司在 AI 算力基础设施、服务器量产、供应链服务领域拥有丰富经验。
双方将围绕 AI 计算芯片开发、产品落地、供应链保障、客户资源、算力服务等方向深度协作。按照合作规划，黑芝麻智能负责输出自研 AI 芯片、配套软件以及开发工具链;协创数据发挥供应链管理、产品制造、算力平台运营、客户服务方面的优势。双方还计划面向不同行业客户需求，探索定制化芯片研发，把合作延伸至芯片架构设计、软硬件适配等底层环节。
这套合作模式，能够让黑芝麻智能聚焦核心 AI 计算技术研发，依托合作伙伴的产业资源提升商业化落地效率，搭建覆盖多行业场景的 AI 计算业务体系。
车载芯片厂商，积极挖掘汽车之外的新增量
放到整个汽车芯片行业来看，黑芝麻智能的业务拓展，也折射出行业一个明显趋势：越来越多芯片企业，开始寻找汽车赛道之外的增长曲线。
智能驾驶芯片赛道依旧具备广阔前景，但行业经营难度不小。
芯片研发需要长期大额资金投入，车载产品开发周期漫长，从拿到车企定点，到批量交付，中间要经过多轮验证环节。与此同时，随着智能驾驶技术普及，芯片厂商之间的市场竞争持续加剧。
对于掌握自研 AI 芯片能力的企业，如果技术只能局限在车载领域，技术价值就会受到场景约束。因此，把成熟技术向外延伸至 AI 算力、机器人、工业智能等赛道，成为行业内一条可行的发展路径。
尤其在 AI 应用加速普及的大背景下，各行各业对算力的需求出现交叉。自动驾驶车辆需要车载算力平台，机器人依靠算力完成环境感知与动作决策，工业设备借助 AI 提升产线效率，企业客户希望通过本地算力部署各类智能应用。虽然各场景技术指标、产品形态不一样，但底层都对高效 AI 算力存在稳定需求。
对黑芝麻智能而言，车载智能驾驶、具身智能与通用 AI 计算，共同构成一套联动的业务布局。不同场景可以复用部分底层技术与研发成果，大量真实落地案例，反过来持续推动芯片架构、软件工具、产品方案迭代优化。
这种技术复用与业务协同，能够有效提升研发投入效率，丰富企业收入结构。本次 3 亿元框架订单，标志着黑芝麻智能 AI 计算业务正式实现商业化落地。
这笔订单落地之后，黑芝麻智能还有望持续拓展客户资源，搭建稳定供货能力，将新业务转化为长期营收与利润。
随着 AI 算力需求持续渗透各行各业，芯片厂商的市场边界正在不断重塑。
过去，黑芝麻智能依托智能驾驶芯片完成技术积累与市场起步。如今，这些算力能力正在走出汽车行业，服务更多场景。
从智能驾驶，到具身智能，再到通用 AI 计算，黑芝麻智能的业务版图持续扩张。对这家企业来说，3 亿元订单仅仅是新业务起步的节点。值得持续关注的是，随着更多行业场景落地，其多年打磨的 AI 芯片技术，有望释放更大的商业价值。
