当智驾迈入大模型时代，行业竞争的边界，正从软件层延伸至硬件芯片层。

10 月 29 日，Momenta 的 " 兄弟公司 "XHEART 新芯航途在苏州举办发布会，推出大模型芯片 X7 Ultra。XHEART 是一家年轻的芯片公司，脱胎于 Momenta 的内部芯片项目，2023 年 12 月开始独立运营。早在 2022 年年底，Momenta CEO 曹旭东便意识到，智驾的竞争不能局限在软件层面，他们需要启动芯片研发，为算法搭建适配的硬件底座。如今，曹旭东的软硬协同布局到了落地的时候。

同步亮相的，还有 Momenta 即将发布的 R7 Ultra 世界模型。相似的命名似乎暗含着芯片与模型之间紧密的协同关系，用 XHEART CEO 李宗霖的话来说，就是 " 让大模型定义芯片，让芯片承载大模型的下一次进化 "。

要理解这一思路背后的取舍，就得先回到 Momenta 对于规模化 L4 的底层判断。

必须要有专用的大模型芯片，才能实现规模化 L4

Momenta 从成立之初就把目标定在规模化 L4，要让百万台、千万台无人车在不同国家和地区跑起来。要实现这一目标，智驾系统必须解决数百万个长尾场景问题。这也是 Momenta 从一开始就押注数据驱动和量产路线的原因。目前，Momenta 累计量产规模已突破 140 万台，量产交付的节奏还在持续加快，最近 10 万台的落地用时不到一个月。

但在曹旭东看来，数据继续增加（Data Scaling）还不够，模型本身也需要变大（Model Scaling）。发布会上，他分享了一个早已成型但一直未公开的判断：要实现规模化 L4，智驾模型的参数量至少要达到 10B，长期看大概率需要 100B。其实，早在 2022 年年底 ChatGPT 爆发时，曹旭东就已经意识到大模型范式的潜力，预判智驾领域将迎来模型能力快速迭代的拐点。

而当车端模型向百亿、千亿参数跃迁，继续依靠通用 GPU 提供算力，将面临越来越大的挑战。" 相当于要在车内放一台巨大的 GPU 服务器 "，曹旭东说，" 这个功耗车端是受不了的，何况还要满足车规的要求，成本同样很高。" 但反过来，如果强行压缩算力资源，模型能力又会被限制。由此，曹旭东认为，行业需要一类从大模型真实业务需求出发、专门为之设计的车规芯片，而不是让大模型被动迁就已有的通用硬件架构。

和曹旭东有着相近思考的是深耕芯片行业 20 多年的李宗霖。李宗霖曾任 OPPO 旗下芯片公司 " 哲库 "COO，更早之前，他在联发科任无线通信事业部负责人，主导过 Helio 与天玑系列芯片的研发。2023 年 5 月，" 哲库 " 关停，经过多轮交流，李宗霖与曹旭东在大模型重塑智驾芯片的方向上达成共识。2 个月后，李宗霖带领哲库核心骨干加入 Momenta，牵头芯片项目。

" 我们跟旭东做了大量的讨论，我们相信智驾会从传统的规则判断，剧烈转向数据驱动，模型会变成一个快速转动的飞轮。" 李宗霖在发布会上回忆。但即便有这个共识在前，对芯片路线的抉择，依然充满不确定性。摆在团队面前的是两条路：一条是当时行业的主流选择，即开发通用型芯片，更稳妥，但性能上限不高；另一条路则是围绕大模型重新设计芯片，算力利用效率更高，但要承担技术路线判断错误的风险。2023 年的资本市场并不景气，李宗霖的芯片团队体量尚小，而芯片研发又是重投入、长周期的事，" 在资源很有限的情况下，我们只能做一次选择，只有一次机会了 "，李宗霖说。

最终，他们选择了后者——大模型定义芯片。

重构芯片设计范式

所谓大模型定义芯片，本质是从大模型的推理诉求出发，重新组织芯片内部的计算、存储与数据流，让芯片资源真正消耗在模型运算上而不是反复的数据搬运上。

目前，主流芯片仍沿用冯 · 诺依曼架构，计算与存储分离，这就导致数据搬移消耗的时间与能耗高于计算本身。哪怕是简单的一位数加法，也要经历 2 次取数、1 次运算、1 次回写的流程—— 4 步里面只有 1 步是在做计算，其他时间都消耗在了数据搬移上。大模型出现后，参数量暴涨，模型推理大量用到乘累加运算（Multiply-ACcumulate，MAC），进一步放大了这个问题。

XHEART 的核心解决思路是采用超大核 NPU，让大部分数据交互在核内完成，并为 Transformer 模型中频繁出现的算子配置专用加速器；与此同时，重构 AI 工具链，尽量减少中间结果反复读写外部内存带来的带宽开销。根据 XHEART 基于量产智驾模型做的实测，X7 Ultra 的 NPU 计算利用率达到 98.7%，在大模型性能相当的前提下，对比行业旗舰产品，X7 Ultra 内存带宽消耗下降 80%，能效提升 100%。

在这样的设计下，X7 Ultra 可释放 700 TOPS 大模型算力。这一性能来自真实量产智驾模型实测，且以量化后模型输出与 FP32 模型的相似度达到 99.99% 以上为前提：模型结构不能随意调整，精度和驾驶体验不能打折，性能优化必须经得起量产检验。

芯片的研发流程同时被改写。过去，芯片公司先完成设计工作，算法团队再做适配；现在则需要在芯片设计之初就从模型的运行逻辑出发做规划，并且每一个关键节点都要评估软硬协同的效率。在这个过程中，Momenta 的算法专家会把模型在芯片上运行的瓶颈、对关键算子未来演进趋势的判断同步给芯片团队，" 这个输入是最关键的 "，李宗霖说。然后，XHEART 负责把这些需求落实到具体的芯片架构开发、存储带宽配置、算子和工具链设计等环节中。

今年 2 月，XHEART 的首款产品 X7 系列芯片量产，由台积电代工，首发客户为上汽大众——从公司成立到量产，用时两年多。截至此次发布会，X7 系列累计出货超 20 万颗，落地 10 款量产车型，包括 ID.ERA 9X、荣威家越 07、MG07 等，并拿到 40 多款车型的定点。此外，基于双 X7 的 L3/L4 计算平台也已获得多个项目定点。

让市场意外的是 X7 的回片上车速度（注：" 回片 " 指芯片完成流片后，晶圆厂把封装好的样片交回设计方）。据李宗霖介绍，他们只用了 17 天就跑通了智驾全链路闭环。他在媒体交流环节中解释说，这主要是因为他们把软硬集成和优化的工作前置了，" 在流片之前，就跟 Momenta 一起用量产大模型做全芯片仿真验证 "。

这恰好击中了通用芯片时代的行业痛点。曹旭东提到，由于通用芯片的设计面向广泛应用场景，软硬件不匹配是常态。客户拿到通用芯片之后，运气好的能在 3 到 6 个月内实现 " 跑通、跑稳、跑对、跑好 "，部分项目要 6 到 12 个月，甚至更长，这也是主机厂往往不愿意充当 " 第一个吃螃蟹的人 " 的关键原因。

不过，芯片研发周期往往长达几年，而模型迭代以月为单位，如何确保当下提出的芯片需求在几年后依然成立始终是一道难题。曹旭东承认，他们 " 没有一个固定的公式 "，这要求相关团队对行业具有前瞻性的洞察，这种洞察，一方面来自 Momenta 十年智驾行业的积累，另一方面也源于和车企客户在中长期产品规划上的持续对齐。

专用也不等于和某个模型 " 锁死 "。李宗霖称，X7 Ultra 面向的是 Transformer 这一模型架构，而不是某一个固定版本。只要模型仍在这一范式内演化，新模型就可以继续部署和优化。对一辆可能使用十年的汽车来说，这种余量与当下的性能同样重要。

软硬一体加速 " 智驾摩尔定律 "

2024 年 6 月，曹旭东对外提出 " 智驾摩尔定律 " ——智驾的安全性和性能每两年提升 10 倍。在他看来，行业过去 4 年的演进轨迹已初步印证这一定律。2022 年，智驾还多是尝鲜功能，用户基数和渗透率都不高；2024 年，产品体验逐渐成熟，城市 NOA 迎来爆发；中金公司研究部数据显示，截至 2026 年 5 月，中国城市 NOA 渗透率达到 25%。

随着大模型芯片的落地，曹旭东认为智驾体验的迭代节奏还将进一步加快，从每两年提升 10 倍，提速至每年提升 10 倍。他表示，过去 4 年，车端模型的规模增长了 5 到 10 倍，在大模型芯片的 " 助力 " 下，未来两年有望实现 10 到 100 倍的扩张。"2028 年有望复刻 2024 年在城市 NOA 的引爆，成为 L3、L4 的引爆点，而 2030 年将迎来 L3、L4 规模化落地 "，曹旭东在发布会上说。

这套软硬协同的思路，将率先在 X7 Ultra 和 R7 Ultra 上得到验证。Momenta 称，以 X7 Ultra 为硬件底座，R7 Ultra 世界模型参数量将扩容至原来的 5 倍，未来他们还会进一步把模型参数扩大到 10 倍，让世界模型从 " 理解世界 " 走向 " 推演世界 "。

针对更大的模型，XHEART 也在发布会上公布了下一代芯片 X9 的研发目标：3000 TOPS 大模型算力、700GB/s 单芯片内存带宽，计划于 2027 年推出。值得说明的是，XHEART 的芯片同时面向 Momenta 之外的客户供货，李宗霖将他们和 Momenta 的关系类比为 PC 时代的英特尔与微软——研发上深度协同，产品各自独立，交由客户自主选配。

另外，曹旭东提到，软硬一体的能力不止局限于智驾领域。" 最近好多机器人领域的朋友都找到我，现有通用的芯片很难满足他们的需求，所以他们在寻求下一代解决方案 "，他说。

就在本次发布会两周之前，XHEART 披露完成战略轮融资，欧洲车企雷诺集团首次参投，奇瑞汽车追加投资，国产存储龙头长鑫科技也有入股，历史累计融资额约 50 亿元。产业资本的加持，将为其芯片的持续迭代和后续的大规模交付提供资金与供应链层面的支持，也间接夯实了 Momenta 软硬一体路线的长期底盘。