近日，黑芝麻智能与一家头部 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。其中，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，也意味着其在智能驾驶领域积累的 AI 计算能力，开始向汽车以外的市场实现规模化商业拓展。
过去几年，人工智能产业经历了从算法突破、大模型训练到应用落地的发展过程。随着 AI 逐渐进入企业生产和日常经营，市场对计算能力的需求正在发生变化。高性能之外，计算效率、部署成本、运行稳定性等因素也开始受到更多关注。
对于黑芝麻智能而言，这一变化提供了新的市场机会。凭借此前在汽车智能驾驶和具身智能领域的技术积累，公司正在尝试将核心计算能力应用到更多场景中。
一、3 亿元订单切入 AI 计算市场
对于芯片企业来说，从技术研发到产品商业化，往往需要经历较长的周期。
尤其是在 AI 计算领域，一款芯片能否真正形成市场竞争力，除了硬件性能，还取决于软件生态、应用适配、产品交付以及客户的实际使用体验。
因此，黑芝麻智能此次获得的 3 亿元销售框架合同，具有里程碑式的意义。
根据合作内容，双方不仅签署了产品销售框架合同，还同步达成配套技术合作协议。这意味着双方的合作范围涉及产品供应和后续技术协同，有利于根据实际应用需求持续优化产品方案。其中，一年内预计采购约 2.5 亿元 AI 计算产品的安排，为新业务提供了相对明确的商业化预期。
从业务发展来看，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，如今进一步进入 AI 计算市场，意味着其产品应用范围和客户群体正在迅速扩大。
长期以来，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。而 AI 计算市场拥有更广泛的应用场景，客户需求也更加多样。
对于已经掌握核心 AI 芯片技术的企业来说，向更多 AI 计算场景拓展，有助于提高研发成果的利用效率，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。
这也说明，AI 计算正在成为黑芝麻智能未来业务布局中的重要组成部分。
二、AI 计算需求增长的新机会
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 行业的关注点主要集中在大模型训练。为了提升模型能力，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。
但随着大模型开始进入实际业务场景，AI 计算的需求结构也在变化。
对于企业而言，开发出性能强大的模型只是一个环节。如何让模型长期、稳定、低成本地运行，并真正服务于生产经营，同样重要。
例如，一家制造企业希望通过 AI 完成生产线上的视觉检测，除了识别准确率，还需要考虑响应速度和运行稳定性；一家金融机构部署内部 AI 知识系统，则可能更关注数据安全、部署方式以及长期使用成本。
不同的应用场景，对计算资源提出了差异化要求，这也推动 AI 计算逐渐形成更加多元的市场结构。大型数据中心仍然承担重要的计算任务，但企业本地部署、边缘计算和各类智能终端，同样正在产生新的需求。
AI 计算市场的增长空间正在进一步打开。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。随着 AI 应用向更多场景延伸，具备核心芯片技术的企业有望获得新的增长机会。
对于这些市场来说，单纯追求最高性能并不一定符合实际需要。在满足应用要求的前提下，能否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。
这恰恰是黑芝麻智能长期关注的技术方向。
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，持续完成复杂的 AI 计算任务。同时，汽车产品对系统可靠性、实时响应和长期稳定运行都有较高要求。
这些经验与部分本地化、边缘侧 AI 计算场景存在共通之处，也为相关技术向汽车以外的市场延伸提供了条件。
从这个角度来看，黑芝麻智能进入 AI 计算市场，有着相对清晰的产业逻辑。
三、从汽车芯片到 AI 计算，技术优势如何延伸？
当然，汽车智能驾驶与更广泛的 AI 计算场景之间，并不能简单画等号。
不同应用对计算架构、存储能力、软件环境和模型适配都有各自的要求。汽车芯片企业要进入新的市场，仍然需要针对目标场景进行产品开发和技术优化。
黑芝麻智能的基础，在于过去多年围绕 AI 计算建立的技术体系。
在智能驾驶芯片领域，公司已经积累了 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等方面的经验，这些能力共同构成了其向 AI 计算市场拓展的技术基础。
其中，车规级产品开发积累的工程化能力具有一定价值。汽车芯片需要在复杂环境下长期稳定运行，从硬件设计、软件适配到产品验证，都有较为严格的要求。相关经验能够为其他 AI 计算场景中的产品稳定性和系统可靠性提供支持。
此外，AI 计算产品的竞争也并不仅仅局限于芯片本身。
在实际部署过程中，硬件需要与软件框架、开发工具以及具体应用协同工作。只有形成较为完整的软硬件体系，才能降低客户部署和使用 AI 计算能力的门槛。
黑芝麻智能正在将此前积累的自研软件栈和工具链拓展至更多应用场景，推动核心 AI 芯片与系统方案的协同开发。
不过，技术能力向新市场迁移，还需要相应的产业合作体系。此前，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丰富经验的 A 股上市公司协创数据达成战略合作。双方围绕 AI 计算芯片、产品开发、供应链保障、客户资源和算力服务等领域展开合作。
对于黑芝麻智能来说，这种合作模式有助于将自身优势集中在核心 AI 计算技术上，同时借助合作伙伴的产业资源，提高产品商业化效率，建立覆盖更多应用场景的 AI 计算业务体系。
四、汽车芯片企业，开始寻找新的生意
将视角放大到整个汽车芯片产业，黑芝麻智能的业务拓展也反映出一个值得关注的趋势：越来越多的芯片企业，正在寻找汽车之外的增长机会。
汽车智能驾驶芯片仍然具有广阔的发展空间，但这门生意并不容易。
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，通常还需要经过多个环节。与此同时，随着智能驾驶技术普及，芯片企业之间的竞争也日趋激烈。
对于已经具备核心 AI 芯片研发能力的企业来说，如果技术只能服务于汽车市场，其商业价值就受到应用范围的限制。因此，将已有技术拓展到 AI 计算、机器人和工业智能等领域，逐渐成为一条值得探索的发展路径。
尤其是在人工智能应用加速普及的背景下，不同产业对 AI 计算能力的需求开始出现交集。汽车需要智能驾驶计算平台，机器人需要完成环境感知和动作决策，工业设备需要利用 AI 提高生产效率，企业则希望借助本地化计算能力部署更多智能应用。虽然具体产品和技术要求有所不同，但这些场景背后，都存在对高效 AI 计算能力的持续需求。
对于黑芝麻智能而言，汽车智能驾驶、具身智能和 AI 计算正在构成相互关联的业务布局。不同场景可以共享部分底层技术和研发成果，也能够为芯片架构、软件工具和产品方案的持续迭代提供更多实际应用反馈。
这种技术复用和业务协同，有机会提高公司的研发效率，并逐步拓宽收入结构。此次的 3 亿元销售框架合同，标志着黑芝麻智能 AI 计算业务实现了真正意义上的商业化落地。
更值得期待的是，这笔订单之后，黑芝麻智能有望进一步拓展客户群体，形成持续的产品供应能力，并将新增业务转化为长期收入和利润。
随着 AI 计算需求不断向更多行业延伸，芯片企业的市场边界也在发生变化。
过去，黑芝麻智能主要依靠汽车智能驾驶芯片建立技术和市场基础。如今，这些能力正在进入更广泛的 AI 计算场景。
从智能驾驶到具身智能，再到 AI 计算，黑芝麻智能的业务布局正在逐渐扩大。对于这家公司来说，3 亿元订单或许只是新业务发展的开始，真正值得期待的，是随着更多应用场景和客户需求落地，其多年积累的 AI 芯片技术能够释放出更大的商业价值。（本文首发于钛媒体 APP）
