智驾芯片的“新战事”，不再只堆算力

导读：大模型定义芯片，智驾隐形战场的新打法。

作者| 小趣姐 编辑 | 顾适

智能驾驶芯片的竞争，或许正在换一种打法。

过去，芯片厂商先做出一颗通用硬件，算法团队再想办法把模型“塞进去”。芯片是主角，模型是配角。现在，一家成立仅两年的公司试图把顺序倒过来：先看懂大模型需要什么，再倒推芯片该怎么设计。

10月29日，XHEART新芯航途发布大模型芯片X7 Ultra：700 TOPS算力、六大产品优势，以及量产8个月出货超过20万颗的成绩单。

英伟达的护城河是生态和制程，高通的护城河是座舱与通信的协同，Mobileye的护城河是算法与芯片的垂直整合。XHEART选择的路径是：用大模型的需求倒推芯片架构，这不是又一个“算力数字更大”的故事。它真正值得琢磨的地方，是研发逻辑的换挡。当行业还在讨论算力数字时，XHEART把问题换成了：这颗芯片能让多大的模型跑出多好的效果？

芯片等模型，还是模型等芯片

要理解XHEART在做什么，先得看清智驾行业正在发生的变化。

过去几年，智能驾驶系统由多个小模型分工协作：一个模型识别车道线，一个模型检测车辆，一个模型预测行人轨迹。每个模型各干各的，芯片设计也沿着这个思路走——堆更多小计算核心，让它们分别处理任务。

但端到端大模型正在取代这套分工体系。一个统一的大模型吃掉传感器数据，直接输出驾驶决策。模型架构变了，对芯片的要求也随之改变：算力能不能在真实量产模型中跑满？架构能不能跟上模型迭代的速度？在车里有限的能耗和散热条件下，能不能撑住更强的智能？

这三个问题，传统芯片设计思路很难回答。因为传统做法是先设计通用芯片，再让算法团队想办法把模型适配进去。芯片是天花板，模型在下面找空间。

XHEART选择反过来：从真实应用中的模型需求出发，倒推芯片架构，重新组织计算、存储和数据流转。2023年创业之初，团队就从芯片定义阶段和算法团队坐在一起，研究模型架构和关键算子，为未来几年的模型演进提前铺路。

“让大模型定义芯片，让芯片承载大模型的下一次进化。”XHEART新芯航途CEO李宗霖说。

这句话听起来简单，做起来难。它要求芯片团队在流片之前就赌对模型未来的走向，还要和算法团队保持同步迭代。但一旦做成，芯片就不再是模型的天花板，而是模型进化的地基。

在传统芯片开发流程里，这种做法并不常见。芯片设计周期长、流片成本高，通常追求“通用性”，以覆盖更多场景。但大模型时代的特殊之处在于，模型演进的速度已经快过芯片迭代的节奏。如果不在设计之初就把未来几年的模型需求考虑进去，芯片落地时就可能已经落后。

X7 Ultra的700 TOPS算力，正是基于真实量产智驾大模型评测得出的，并以量化部署后模型输出与训练后FP32浮点模型相似度达到99.99%以上为约束。这个约束条件值得细品：它意味着芯片的优化目标不是跑分好看，而是量产部署后的模型效果不打折扣。算力数字再大，如果模型跑上去精度掉了、体验差了，对车企来说就没有意义。

当一家芯片公司选择从模型需求倒推设计，而不是从通用算力出发，它实际上是在赌一件事——未来的智驾竞争，属于那些能把模型和芯片放在同一张设计桌上的人。

六大优势背后，是一条因果链

当芯片“追”大模型，智驾隐形战场谁先卡位呢？

X7 Ultra的六大产品优势，单看每一条都是技术指标，串起来则是一条清晰的因果链。

第一环，是大模型计算集中化。传统小核之间百GB/s级的数据交互，需要聚合到超大核内部TB/s级的高速互联，带宽数量级提升。为此，芯片要专为大模型设计超大核NPU，为关键算子配置高精度专用加速引擎。

带宽上去了，还要让更多计算单元同时工作。通过底层软硬协同，计算与权重加载并行，减少等待。基于量产智驾大模型实测，NPU计算利用率达到98.7%。这是第二环：硬件并行度解锁。

硬件能力释放出来之后，工具链必须跟上。通过整网级融合，对整个模型的计算任务统一编排与优化，减少中间结果反复读写外部内存。结果是内存带宽消耗较行业旗舰产品下降80%，能效提升100%。这是第三环：AI工具链重构。

三环叠加，700 TOPS大模型算力才真正落到量产模型中。再加上中国首发量产的Armv9车规级CPU承担复杂控制与系统调度、深度异构计算实现本地任务本地处理——激光雷达处理带宽最高达2000万点/秒，传感器预处理稳定性提升100%——以及满足ISO 26262 ASIL-B功能安全要求并内置通过ASIL-D认证MCU的安全能力，六项能力指向同一个结论：先理解大模型，再设计芯片，支持可部署模型参数量实现10倍提升。

这里有一个容易被忽略的判断：芯片行业习惯用算力峰值和制程节点讲故事，但大模型上车之后，有效算力取决于架构与模型的匹配度。X7 Ultra的98.7%计算利用率和80%带宽消耗下降，比700 TOPS这个数字更能说明问题——它意味着芯片不是“有算力”，而是“算力能用上”。

技术路线再漂亮，量产才是硬道理。

X7芯片回片后不到24小时完成点亮，主要数据通路全部打通；第17天，芯片、底层软件和智驾模型实现整车闭环，在真实道路上跑白天、夜晚和暴雨场景。随后，向客户和合作伙伴开放体验。

这个节奏在芯片行业里意味着什么？传统车规芯片从回片到整车闭环，动辄数月。17天打通，说明芯片设计阶段就把软件和模型的适配问题想清楚了，而不是流片后再补课。

据悉，X7系列量产8个月，累计出货超过20万颗。基于双X7的L3/L4计算平台已获得多个车型项目定点。从辅助驾驶向更高等级自动驾驶拓展的路径，已经铺开。

跑通大模型定义芯片

“大模型定义芯片”这件事，一家公司做不成。

“大模型定义芯片，这个判断形成于2022年底，并由Momenta与XHEART共同付诸行动。”Momenta CEO曹旭东说。

曹旭东给了一个量化判断：大模型定义的芯片，相比通用芯片，性能能够提升10倍。而实现规模化L4，需要百亿至千亿参数模型。在车端成本、功耗和可靠性约束下承载这样的模型，通用芯片的路走不通，必须从模型需求出发协同设计。

即将发布的R7 Ultra是这套协同逻辑的最新产物：基于X7 Ultra的支撑，模型参数规模扩大5—10倍，安全性能提升5—10倍以上，推动世界模型从“理解世界”走向“推演世界”。

曹旭东表示，2022年至2026年，智驾能力每两年提升十倍，推动城市NOA从早期探索走向应用引爆点与加速普及。面向未来，推动这一规律迈向每年十倍提升，关键就是“大模型定义芯片”。他判断，L3和L4有望于2028年迎来重要引爆点，并在2030年走向规模化落地。

图灵奖得主Jack Dongarra教授认为，让算法、软件与芯片团队在设计定型前紧密协作，是面向大模型时代更加行之有效的研发方式。他指出，XHEART改善了芯片内部及芯片之间的数据搬运效率，这是软硬协同优化的重要方向。

台积电副总经理陈平博士的表态则更直接：先进工艺通过持续提升性能、能效与集成度，为大模型提供计算基础。台积电已为X7 Ultra提供工艺支持，并表示将持续以先进工艺支持XHEART创新——“我们的工艺已经准备好了。”

XHEART与Momenta的协同、台积电的工艺支持，以及量产车型的订单数据，构成了一个初步闭环：从模型需求出发设计芯片，芯片量产上车，真实数据反馈迭代下一代模型和芯片。这个闭环跑通一次，逻辑就成立一次。跑通的速度，就是“大模型定义芯片”这条路线最有说服力的证据。