智能驾驶的下一场决战，或许不只在算法，更在芯片。

当自动驾驶向规模化 L4 迈进，世界模型正成为推动技术突破的重要力量。然而，模型参数规模从十亿级迈向百亿级乃至千亿级，车端算力、功耗与成本之间的矛盾也愈发突出。更强大的模型，如何真正装进汽车，并实现大规模量产？这不仅是智能驾驶产业面临的新挑战，也可能成为影响下一轮竞争格局的关键。

10 月 29 日，XHEART 新芯航途发布大模型芯片 X7 Ultra，Momenta 同步展示 R7 Ultra 世界模型的最新进展。双方以 " 大模型定义芯片 " 的技术路线，推动模型需求与芯片架构深度协同，为规模化 L4 自动驾驶提供新的技术支撑。对于 Momenta 而言，这也意味着其正尝试构建从算法、芯片到整车应用的系统性竞争能力。

规模化 L4 竞赛开启

大模型倒逼芯片架构升级

此前，Momenta CEO 曹旭东提出，2028 年有望成为 L4 自动驾驶的重要引爆点。他将智驾安全性与性能每两年提升十倍的趋势概括为 " 智驾摩尔定律 "，并认为世界模型、数据规模扩展（Data Scaling）和模型规模扩展（Model Scaling），将加速 " 智驾摩尔定律 "，提升至每年十倍。

对于规模化 L4 而言，真正的挑战不仅是让汽车在常规道路环境下完成驾驶任务，更在于能否应对数量庞大、难以穷尽的复杂长尾场景。Momenta R7 世界模型，正是围绕这一方向展开探索。其通过预测学习物理世界的运行规律，结合真实驾驶数据和后训练掌握驾驶知识，并利用仿真与强化学习提升应对复杂长尾场景的能力。

不过，更强的模型能力也意味着更高的计算需求。按照 Momenta 的判断与估算，为支撑规模化 L4 所需的复杂场景理解与决策能力，未来模型参数规模可能需要达到 10B 至 100B，即百亿至千亿参数级别。

模型规模扩大，对车端计算平台提出的挑战不仅是算力增长，还涉及存储容量、数据传输带宽及实时推理效率。与云端数据中心不同，汽车计算平台必须在满足实时性、安全性和可靠性要求的同时，兼顾功耗、散热与硬件成本。

由此，行业面临一个现实矛盾：不断增加计算资源，可能推高整车成本和能耗；压缩计算资源，又可能限制模型能力发挥。如何让更大规模的模型以合理成本实现车端部署，成为智能驾驶规模化落地的重要课题。

值得关注的是，在 10 月 29 日的发布会上，曹旭东首次公开分享了 Momenta 的第三个洞察—— " 大模型定义芯片 "。据其介绍，Momenta 早在 2022 年底便提出这一技术方向，并与 XHEART 共同推进相关技术落地。在曹旭东看来，规模化 L4 需要百亿至千亿参数级别的大模型，而通用芯片在满足相关需求时，面临功耗、车规可靠性与成本难以兼顾的 " 不可能三角 "。

XHEART 提出的 " 大模型定义芯片 " 技术路线，正是从模型的实际运行需求出发，针对性优化芯片的计算架构、存储资源及数据传输路径。" 在智驾这一应用领域里，用户就是算法模型。"XHEART 新芯航途 CEO 李宗霖表示，芯片开发周期较长，而算法模型迭代较快，因此需要在架构设计初期就考虑未来模型的发展趋势。

李宗霖介绍，XHEART 在架构评估阶段便引入真实大模型的运行需求，并将计算、存储、带宽和工具链纳入整体设计。针对大模型推理过程中频繁出现的数据搬运问题，XHEART 选择超大核 NPU 架构，对高频算子及数据传输路径进行优化，以提升计算效率并降低系统功耗。

这一技术路线也有了实际测试数据支撑。李宗霖透露，基于真实量产智驾模型的实测，X7 Ultra 的 NPU 计算利用率达到 98.7%；据 XHEART 披露，在大模型性能相当的条件下，与行业旗舰产品相比，其内存带宽消耗降低 80%，能效提升 100%。

在李宗霖看来，智能驾驶从 L2 向 L4 演进，并非算力的简单叠加，而是计算方式与系统架构的升级。除了峰值算力，内存带宽、片上存储容量、推理时延及功能安全能力，都需要系统性考量。

从软硬协同到规模量产

Momenta 布局下一阶段竞争

对于智能驾驶企业而言，技术路线能否转化为长期竞争力，最终仍需要接受量产市场的检验。

今年 8 月，Momenta、XHEART 与 QNX 宣布合作，计划将自动驾驶算法、车规级芯片与安全操作系统相结合，共同打造面向量产的自动驾驶平台。

这种合作并非简单的算法与硬件适配。李宗霖表示，Momenta 是 XHEART 重要的战略合作伙伴，双方在芯片架构设计初期便开展技术交流。Momenta 算法团队提供模型实际使用中的痛点、未来算法演进方向及算子需求等信息，XHEART 则负责芯片架构选择与硬件设计。

李宗霖透露，在 X7 系列芯片流片之前，XHEART 就已与 Momenta 利用量产大模型开展全芯片仿真验证，通过不同场景的数据反复测试，将部分软硬件集成与优化工作前置，以降低芯片回片后的集成风险。

此次发布会上，Momenta 也公布了 R7 Ultra 世界模型的最新进展。据介绍，R7 Ultra 的模型参数规模扩大至原来的 5 倍，安全性能表现提升 5 倍。在硬件层面，XHEART 此次推出的 X7 Ultra 提供 700 TOPS 大模型算力，并采用超大核 NPU 架构，为更大规模世界模型的车端运行提供计算支持。

在多把掉头、会车博弈、倒车让行、极限泊车等复杂场景中，Momenta 表示，R7 Ultra 展现出更强的场景理解、推演与预测能力。按照后续规划，Momenta 还将进一步把模型参数规模扩大至原来的 10 倍，并推动安全性能表现提升至 10 倍以上。

量产项目方面，李宗霖介绍，X7 系列芯片于今年 2 月启动量产，相关产品已布局上汽大众 ID. ERA 9X、ID. ERA 8X、荣威家越 07、MG07 等车型。截至目前，X7 系列芯片累计出货超过 20 万颗，已支持 10 款客户车型量产，另有超过 40 款车型获得定点，客户覆盖国内车企及部分国际汽车品牌。

Momenta 自身的量产规模，也为双方技术合作提供了重要基础。截至今年 10 月，Momenta 累计量产交付超过 140 万台，累计行驶里程突破 200 亿公里。其中，首个 10 万台交付用时约 24 个月，而最新 10 万台交付已不足一个月。

从商业竞争角度看，软硬协同的价值不仅在于提升模型性能，也在于增强规模量产的可行性。李宗霖认为，峰值算力只是基础参数，整车企业更关注模型部署后的实际表现，包括响应时延、运行稳定性、持续升级能力，以及芯片的可靠性和量产交付能力。对于整车企业而言，智能驾驶方案能否进入更多主流车型，还取决于计算平台能否在性能、成本和功耗之间取得平衡。

资本层面，XHEART 近期也获得新的支持。10 月中旬，公司宣布完成战略轮融资，历史累计融资额接近 50 亿元。其中，欧洲车企雷诺集团首次投资，奇瑞汽车追加投资，国产存储企业长鑫科技亦参与其中。来自整车企业及半导体产业链的资本支持，为 XHEART 持续研发和规模量产提供了更多资源，也为其与 Momenta 持续开展技术协同提供支撑。

大模型芯片的应用空间还可能向机器人等物理 AI 领域延伸。李宗霖表示，自动驾驶与机器人在环境感知、决策、响应速度和能效等方面具有相似需求，但机器人对功耗、散热及精细动作控制提出了不同要求。目前，XHEART 已将机器人市场纳入未来规划，并与部分机器人企业开展项目交流。

面向下一阶段，XHEART 还规划了 X9 芯片。按照李宗霖披露的技术目标，X9 计划达到 3000 TOPS 大模型算力及 700GB/s 带宽，面向 L4 自动驾驶和具身智能等端侧物理 AI 场景，支持更大规模模型的运行。

从 X7 系列的量产布局，到 X7 Ultra 与 R7 Ultra 的协同探索，Momenta 与 XHEART 正尝试将大模型研发、芯片设计和规模化应用连接起来。对于瞄准规模化 L4 的 Momenta 而言，与 XHEART 的深度合作不仅意味着获得更契合大模型需求的底层计算平台，也为下一代世界模型的持续迭代和量产落地提供了新的支撑。

当大模型成为智能驾驶能力持续进化的重要驱动力，下一阶段的竞争或许不再只是比拼算法能力与算力规模，更在于能否将模型性能、芯片效率与规模量产能力真正结合起来，形成持续迭代的竞争优势。

文 / 张程