2026 年 7 月 22 日，一家叫 Tier IV（ティアフォー）的日本公司在东京证券交易所 Growth 市场挂牌。三周后，它宣布了一件看起来和“自动驾驶软件公司”不太搭的事：要设计一颗面向 L4 的自动驾驶 AI 芯片，并且把逻辑设计、编译器和工具链全部开源。

如果只把 Tier IV 当成又一家自动驾驶初创公司，这个动作很难理解。但顺着它的来路看，造芯并不突兀。这家公司从第一天起做的就不是某一款自动驾驶产品，而是一套任何人都能拿去用的自动驾驶底座：先是开源软件 Autoware，然后是数据和 AI 开发平台，现在一路往下延伸到芯片。

01. 从名古屋大学实验室走出来的公司

Tier IV 的起点是一套代码，而不是一个产品。

2015 年 8 月，当时在名古屋大学研究自动驾驶的加藤真平，把研究室开发的自动驾驶软件 Autoware 以开源形式公开。同年 12 月，他和合伙人在名古屋成立 Tier IV，并担任 CEO。公司的使命是“创造与破坏”，愿景是“自动驾驶的民主化”（自動運転の民主化），用它自己的话说，就是把安全自动驾驶所需的一切技术开放出来，让各种组织和个人都能参与。

Autoware 后来走出了一家公司的范围。2018 年，Tier IV 牵头成立非营利的 The Autoware Foundation（AWF），由基金会管理这套代码。公司上市资料显示，目前已有超过 100 家组织加入基金会，代码贡献者中约 68% 来自 Tier IV 之外。这个比例说明，Autoware 已经是一个真正有外部参与的社区项目。

这也决定了 Tier IV 的角色：它既是 Autoware 最主要的开发者和维护者，又是把这套开源软件变成商用产品、推向量产的那家公司。

十年间，它从一个高校团队长成了约 420 人的公司，总部搬到东京品川。股东名单几乎就是一份日本产业界的合作地图：SOMPO、雅马哈发动机、五十铃、KDDI、铃木、JR 东海、丰田、索尼等都在其中，其中不少和 Tier IV 有具体的业务合作。

02. 软件走向端到端，硬件一路做到芯片，依旧坚持开源

Tier IV 的技术路线可以概括为两条线：软件上，从传统模块化自动驾驶转向数据驱动的端到端 AI；硬件上，从适配他人的芯片，延伸到自己设计芯片。软件：从“积木”到“端到端”

早期的 Autoware 是典型的模块化架构，感知、定位、规划、控制各自独立，像积木一样可以替换。这种结构对开源社区很友好：研究机构可以只改感知，车企可以只用定位。Tier IV 自己把这套思路称为“微自治（Micro Autonomy）架构”：用同一套共通要素技术，分别做出巴士、物流车、特殊用途车辆的 L4 系统。

这套架构已经拿到了日本的 L4 许可。2024 年 10 月，Tier IV 在长野县盐尻市取得日本首个在行人与普通车辆混行的一般道路上、最高 35km/h 的 L4 许可；2025 年 3 月又在石川县小松市取得 L4 许可。封装成产品后，车端软件叫 Pilot.Auto，云端开发平台叫 Web.Auto，面向嵌入式边缘设备的版本叫 Edge.Auto。

但要把可运行的场景从固定线路扩展到更复杂的交通，靠人工规则堆叠会越来越吃力。

近两年，Tier IV 的重心明显转向端到端：

数据平台：2024 年推出 Co-MLOps，让多家企业共享和利用自动驾驶数据；与日本交通合作，用加装传感器的出租车采集路测数据；参与政府主导的生成式 AI 项目 GENIAC，用生成式 AI 合成虚拟数据。

架构：2025 年发布面向“L4+”的端到端架构；2026 年 3 月发布面向 L4 的数据驱动 AI 软件栈。“L4+”是 Tier IV 自己的提法，指在 L4 基础上更安全、更灵活的自动驾驶。

外部大模型：把 NVIDIA 的 VLA 模型 Alpamayo 集成进 Autoware，并在平台上使用 NVIDIA Cosmos 世界基础模型；与松尾研究所合作生成式 AI，与卡内基梅隆大学、慕尼黑工业大学合作在日、美、欧三地测试。

值得注意的是，转向端到端后，Tier IV 没有把模型闭源，而是把“参考 AI 模型”和数据平台也做成可以授权给别人的东西。这是它商业模式的关键。

自动驾驶要在巴士、搬运车甚至更小的设备上大规模落地，功耗和成本都绕不开芯片；端到端模型对算力的要求更高，让这个问题更加迫切。Tier IV 做芯片并非从今年开始，而是已经有约 7 年、三代的积累：

第一代：自研原型。时间是2019–2023，主要合作方是Axell、东京大学、埼玉大学（NEDO 项目）。28nm 原型，物体检测和定位加速器 + RISC-V 众核；传感器侧加速器功耗为现有装置的 1/10；2023 年上自动驾驶出租车完成基本测试。

第二代：实证芯片与加速器。时间是2024–2027，主要合作方式DENSO、OTSL（NEDO 项目）、imec；构建 SoC 平台及实证用芯片，项目至 2027 年 3 月；已完成 LiDAR 点云加速器，下一步做 AI 加速器

第三代：开源推理芯片。时间是2025.12–2030.12，主要合作方是东京大学、庆应大学（JST 项目），专为 Transformer 端到端推理设计，逻辑设计和工具链开源。

第一代的目标，是用先进工艺制造后，用一颗 150W 以下的 SoC 支撑自动驾驶出租车。2024 年 10 月，加藤真平曾在社交媒体上说，上一颗是 28nm 试制，这次要按量产前提流片。

与此同时，Tier IV 并没有把宝全押在自己的芯片上。交付给客户的系统仍跑在商用芯片上：与五十铃合作的 L4 巴士采用 NVIDIA DRIVE AGX Thor；2026 年 8 月，它与瑞萨合作，把 Autoware 和参考 AI 模型部署到 R-Car Gen 5，覆盖 L2+ 到 L4；10 月又加入 Arm 的 Total Design for Physical AI 生态。

03. 开源之后，怎么变现

开源公司怎么赚钱，是理解 Tier IV 的关键。它的答案是：开源的 Autoware 负责扩大生态和用户基数，Tier IV 负责在这个生态里卖“能落地的那一部分”：整车、量产开发、工具和平台。三类服务

Tier IV 把业务分成三类：

出行服务（Mobility Service）：从车企采购底盘，加装自动驾驶系统后，提供给地方政府、公交公司和 MaaS 运营商。最典型的是自动驾驶巴士：截至 2026 年 3 月，它已在 39 个都道府县、127 个市町村做过实证；它用比亚迪的小型 EV 巴士自行改装，已售出 26 台；6 个市町村已实现全年运行。这部分常通过合作伙伴推进，比如 Aisan Technology 负责与地方政府对接、实证和车辆销售，Tier IV 负责系统开发。

开发服务（Development Service）：为车企和行业客户开发面向量产的自动驾驶系统。代表项目包括：与五十铃合作大型 EV 巴士 Erga EV 的自动驾驶，与丰田合作 e-Palette 的自动驾驶开发，与日本制铁在名古屋制铁所做大型特殊车辆自动化，与小松制作所合作工程机械自动驾驶，以及与雅马哈合资的 eve autonomy 做工厂内自动搬运。

解决方案服务（Solution Service）：基于 Autoware，通过生态伙伴销售开发套件和工具。这部分最能体现“底座”思路：2026 年 8 月，Tier IV 与 Astemo 签署备忘录，把 Co-MLOps 授权给 Astemo 构建端到端 AI 开发平台，目标约 2030 年商用。

按公司披露，2025 财年这三类服务的收入占比分别约为 35%、21% 和 44%。

Tier IV 的长期设想，是改变收入的性质。目前开发服务的收入主要是共同开发的工程服务费和开发许可费，属于一次性的项目收入。公司在上市文件中表示，随着市场扩大，要把收入主轴转向“随量产车销售产生的经常性收入”，也就是按车收费。上市募资中的量产与业务扩张费用，用途就写着“为数千至数万台规模的供货搭建供应链”。

它的研发方法也服务于这个模式。Tier IV 称自己采用“参考设计”的思路：它提供一套已经跑通的参考方案，合作伙伴在此基础上定制。参考 AI 模型、参考芯片平台、Co-MLOps，都是这个思路的产物。把生态扩到自动驾驶之外

公司还列出了几个周边方向：保险和金融类的企业解决方案（第一大股东 SOMPO 本身就是保险集团），铁路等干线运输的接驳交通（JR 东海已于 2025 年底入股），宇宙场景的自动驾驶，以及把半导体等周边技术也开放出来。它还以技术伙伴身份参与了日本防卫省的驻地警备无人车验证。海外方面，出行和解决方案服务已在澳大利亚、英国等 10 多个国家落地。

芯片也遵循同一套逻辑。Tier IV 并不打算自己卖芯片，而是希望半导体厂商用它的设计和工具链做产品。加藤真平在 X 上解释过这层关系，大意是：车企和半导体厂商的竞争力越强，Tier IV 的竞争力也越强，而关键在于开源。

04. 技术差异化

在自动驾驶这个重金投入的行业，Tier IV 在规模和资金上都不占优势。它的差异化不在比谁的模型更强，而在四个选择。

1. 开源带来的透明度。Tier IV 在上市文件里这样描述自己的定位：其他对手专注于特定领域，源代码保持黑箱；而 Tier IV 的优势在于基于开源的高透明度，以及可对应硬件的广度。

透明度对自动驾驶有实际价值。对车企来说，能看到并修改源代码，意味着可以自己做安全证明和定制，也不会被单一供应商锁定。对政府和监管来说，开放的软件也更容易评估。Tier IV 参与了日本多项自动驾驶制度和规则的讨论，这和它的开源定位是互相强化的。

2. 不绑定任何一家芯片。Autoware 同时跑在 NVIDIA、瑞萨和 Arm 生态的芯片上。加藤真平在 imec 合作时的说法是，不论底层计算架构如何，都要让 Autoware 和 AI 模型发挥最佳性能。对想要自主选择芯片的车企和 Tier 1 来说，这种中立性本身就是卖点。

3. 先做别人不挤的场景。Tier IV 对竞争格局的判断是：海外对手主攻 Robotaxi、卡车和乘用车，而它在巴士、接驳车、工厂和工地里的特殊用途车辆等竞争较少的领域布局。这些场景速度低、线路固定、客户多为地方政府和工业企业，对大模型能力的要求不如开放道路乘用车那么高，却更看重本地许可、运营经验和政府关系。日本司机短缺和地方公交线路萎缩，恰好给了这类场景实际需求。

4. 软件定义的开源芯片。Tier IV 的第三代芯片是它最有辨识度的技术选择。它在 JST“次世代边缘 AI 半导体”课题中负责端到端自动驾驶推理芯片的逻辑设计，公司自己把方案归纳为四个关键词：

能效：只针对 Transformer 推理，简化通用计算所需的复杂控制；模型所需的数据预先放在片上反复复用，减少外部内存搬运；为矩阵乘法和注意力机制配置专用电路。优化目标不是芯片峰值算力，而是包括 Autoware 在内的整个系统的每瓦性能，覆盖从几瓦的嵌入式设备到几十瓦的车载 ECU。

适应性：在模型和芯片之间加一层标准中间表示 TOSA。PyTorch 模型先转成 TOSA，再优化和生成代码。模型架构变了，主要靠更新编译器和运行时来适配，不必重新设计芯片。它的判断是，智驾 AI 变化太快，围绕某个特定模型设计的架构很难长期跟上。

透明：开源芯片的逻辑设计、编译器和工具链，让芯片厂商和开发者可以检查内部结构并修改、复用。据日经报道，设计技术计划于 2027 年免费公开。

可验证：模型上芯片要经过格式转换、量化、舍入等变换，可能引入数值差异。Tier IV 以 TOSA 的算子规范为基础，对编译变换引入形式化验证，用数学方法证明变换前后的数值一致性或误差容限。加藤的说法是，自动驾驶进入安全关键场景后，能看懂模型如何被变换并验证其正确性会越来越重要。

放在日本的产业里看，这条路线很少见。日本本土的车载计算芯片厂商以瑞萨为主；本田与瑞萨、电装与联发科各自在做定制 SoC；丰田牵头的 ASRA 联盟在做面向 2030 年后量产车的芯粒平台。另一家曾宣布自研芯片的自动驾驶初创公司 Turing，据日经报道已在 2025 年冻结了半导体业务。由一家软件公司来设计芯片并开源，Tier IV 是其中的异类。有意思的是，它和 ASRA 都加入了 imec 的汽车芯粒项目，两条路线未必对立。

总结.

把 Tier IV 十年的动作串起来看，它一直在做同一件事：把自动驾驶里本该由每家公司重复建设的部分，变成一层大家共用的公共底座。先是软件（Autoware），然后是数据和开发平台（Co-MLOps），现在是芯片设计。

Tier IV 的路线虽然清晰，但几个关键问题还没有答案。

首先是芯片何时走出实验室。其实早在2024年就透露自研芯片计划，但截止到目前为止，依然没有看到具体的进展。更为关键的是，芯片开源之后，车规功能安全认证、流片成本和十年以上的供货责任由谁承担？软件开源的成功经验，能否复制到硬件上，还需要验证。

其次是开源后怎么变成持续收入。开源能带来生态和信任，但也让最核心的东西可以被免费使用。Tier IV 的答案是卖量产开发、工具和平台，并最终按车收费。但公司自己在上市文件中也承认，自动驾驶车辆和系统的商用化实绩“有限”。

最后是大模型时代，开源还有没有护城河。在模块化时代，开源代码本身就是核心资产。到了端到端时代，竞争力更多来自数据、算力和训练能力。Tier IV 一边用 Co-MLOps 汇集多家企业的数据，一边集成 NVIDIA 等外部大模型，尝试把开源思路延伸到数据层。这套做法能否缩小与头部玩家的差距，还要看它的车在更复杂场景里的表现。