当智驾进入超大模型时代，通用芯片“不可能三角”如何破？

曹旭东把时间拉回到二十年前。

那时他还在读大二，一本书里的一句话让他记了很久：“大脑使用大量的记忆来构建一个世界模型，你所知道的和学到的一切都储存在这个模型中，大脑利用记忆的模型对未来的事件进行连续的预测。”

在10月29日苏州举行的XHEART新芯航途发布会上，Momenta CEO曹旭东第一次公开讲起这段阅读经历。他把关键词落在两个字上：预测。

“对未来进行预测的能力才是智能的关键。”在曹旭东看来，数字AI里的大语言模型通过预测下一个token，把数字世界的知识压缩进模型；物理AI也类似，通过对未来世界状态的预测，把物理世界的规律压缩进世界模型。

而这场发布会的主角——XHEART此次发布的大模型芯片X7 Ultra，就足以支撑模型更好地实现这种预测的能力。

曹旭东的到场，让外界看清了他所操盘的这套软硬协同布局，及其背后那条从2022年底就开始形成的判断链：模型会越来越大，规模化L4需要更大的模型，而更大的模型，需要专门为它设计的芯片。

所以，这是曹旭东的一次提前落子。一个早在ChatGPT取得突破时就开始形成的判断，经过三年多，如今到了产品兑现阶段。

一个提前作出的判断

Momenta成立之初有两个洞察：一是数据驱动，通过数据驱动自动化解决长尾问题；二是通过量产获得海量数据。曹旭东提到，公司从第一天就做过测算，解决长尾问题需要1000亿公里数据，“相当于100万台乘用车跑一整年的时间”。

这两个洞察，很多Momenta的老朋友已经熟悉。曹旭东当天强调的是第三个洞察：大模型定义芯片。这个洞察并不是今天才有，而是在2022年底、2023年初就已经形成，并与XHEART一起从2023年开始付诸行动。

支撑这个判断的有两点。第一，大模型定义的芯片，相比通用芯片，性能能够提升十倍。第二，要实现规模化L4，需要至少10个B、大概率100个B参数的模型。

曹旭东把通用芯片在车端面临的约束概括为“不可能三角”：功耗、车规可靠性和成本。通用芯片要承载百亿参数模型，相当于在车上放一台巨大的GPU服务器，功耗、可靠性和成本都难以同时满足；反过来，如果一定要满足车端功耗、成本和可靠性要求，通用芯片又很难把模型做到100个B的参数。

在曹旭东的判断里，唯有大模型定义的芯片，才有可能在满足这些约束的情况下，把模型的参数做到100个B，实现规模化的L4。

这与李宗霖2023年决定重新创业时的判断形成了呼应。李宗霖在发布会上把过去自驾系统的问题拆得很清楚：感知、预测、规划各司其职，看起来分工明确，但信息在模型传递过程中维度降低，有效信息丢失，数据利用率被拉低，性能天花板和泛化能力也受限。

小模型时代的自驾，本质上是“人脑驱动”的系统：工程师写顶层规则，机器通过小模型执行规则。随着基于Transformer的端到端大模型发展，海量数据被高效利用，模型开始改变汽车理解世界、做出决策的方式。

模型架构变了，芯片的问题也跟着变了。李宗霖把它拆成三道题：芯片算力能不能在真实量产系统中发挥出来；今天设计的芯片能不能跟得上明天的模型；能不能以合理能耗获得所需能力。三道题要放在一起回答，他的结论是，从真实的大模型需求出发，重新思考计算、存储和数据流动怎么组织。

这就是所谓的“大模型定义芯片”，即不是先做一颗通用芯片再让模型适配，而是从模型需求出发，倒推芯片架构。

把模型需求写进芯片定义

判断要变成产品，难点不在口号，而在协作。

李宗霖在采访中把芯片和算法的关系讲得很直接：芯片开发周期很长，算法迭代速度非常快。如果等芯片研发量产，对应算法可能已经经历数次迭代。所以“大模型定义芯片”的意思，是在架构设计初期，实现算法模型与芯片架构的联合定义和同步迭代。

在他的解释里，在智驾应用里，芯片的用户就是算法模型。算法团队最有价值的输入，是他们在使用芯片上的痛点，以及未来模型算子和模型趋势的判断。但芯片的架构设计、存储带宽、算子设计、工具链，仍然是芯片团队的专业主场。

这套分工在X7系列上体现得很具体。2023年时，XHEART就和算法团队一起围绕持续演进的主线模型，深入讨论模型架构和算子需求；既要分析当时的模型怎么运行，也要结合算法团队研发方向，判断未来几年哪些计算会越来越重要。

最终，团队把优化重点放在NPU上，选择超大核架构，把传统小核之间百GB/s级的数据交互，聚合到超大核内部TB/s级高速互联；同时为关键算子配置专用加速引擎，并重构AI工具链，做整网级融合，减少中间结果反复读写外部内存。

这些设计选择背后有一个非常具体的约束：精度。

李宗霖在发布会上提到，X7 Ultra要求量化部署以后，模型输出与训练后的FP32浮点模型相比，相似度要达到99.99%以上，也就是四个九以上。在这样的精度约束下，再确保芯片性能充分释放。

基于量产智驾大模型实测，X7 Ultra的NPU计算利用率达到98.7%；与行业旗舰产品相比，内存带宽消耗下降80%，能效提升100%。

X7 Ultra的700 TOPS大模型算力，正是在上述精度约束下，用真实量产智驾大模型评测得到的。相比实验室基准测试，这种评测直接面向实际驾驶体验：模型结构不能随意调整，计算精度必须保证，驾驶体验也不能打折。芯片的性能优化，必须在这些前提下完成。

更关键的是，这种协作不是“绑定”。李宗霖明确，XHEART的X7系列芯片和Momenta的算法没有任何绑定关系，合作方案也不排他；芯片面向所有算法厂商和主机厂开放。他用PC时代的英特尔和微软作类比：项目上有很深的协同设计，但商业落地时各卖各的，车企掌握算法和芯片的选择权。XHEART只负责独立销售SoC芯片。

XHEART在流片之前，就跟Momenta一起，用量产大模型算法进行全芯片仿真验证；回片之前，又与客户提前进行域控设计，把芯片在域控上与客户选择的各种器件集成和验证前置，而不是回片后再集成。

李宗霖把这种做法归结为一句话：“我们只有一次机会，所以我们会谨慎、透明、务实。”

这句话背后有创业阶段的现实压力。团队刚成立时资本市场比较不景气，做芯片又需要长期投入，每一次取舍都事关生死。也正因如此，XHEART把软硬集成和优化工作尽量前置，希望回片后的交付更顺利。后来外界看到的“不到24小时点亮全芯片、17天整车闭环、21天向客户开放体验”，都建立在这种前置验证之上。

兑现：从X7 Ultra到R7 Ultra

判断和协作，最终要落到产品指标和量产节奏上。

发布会上，XHEART正式发布大模型芯片X7 Ultra，大模型算力700TOPS。围绕大模型对计算、精度、带宽和系统协同的需求，X7 Ultra形成六项产品能力：专为大模型设计的超大核NPU；硬件并行度解锁；AI工具链重构；中国首发量产Armv9车规级CPU；深度异构计算；软硬兼备的安全能力。

量产数据也开始形成反馈。X7系列芯片已经量产8个月，累计出货超过20万颗，搭载10款量产车型，获得超过40款车型订单。基于双X7的L3/L4计算平台也已获得多个车型项目定点。首款车型为上汽大众ID. ERA 9X，今年3月随客户车型进入量产。

X7 Ultra的支撑作用，落到了Momenta的R7 Ultra世界模型上。

曹旭东透露，基于XHEART大模型芯片X7 Ultra，R7 Ultra的模型参数规模扩大到了原来的5倍，安全性能表现到现在已有5倍提升，推演万物的能力开始涌现；未来还会进一步把模型参数提升到10倍，把安全性表现提升到10倍以上。

发布会现场用两个场景视频说明了这种能力：倒车避让、多把掉头。视频里的车辆在公共道路上倒车避让、在极窄空间辗转腾挪，测试者的惊叹也被保留了下来。

曹旭东表示，从多把掉头、会车博弈到倒车让行、极限泊车这些复杂场景，R7 Ultra展现出来的驾驶能力，感受是媲美甚至能够超越人类老司机。

这背后是世界模型的三根支柱，一是训练：预训练，让模型学习物理世界里的常识；中间训练，用大量自动驾驶数据训练，使模型具备开车的常识；后训练，让模型和金牌司机的行为对齐。二是仿真：可以低成本、短周期地对长尾场景进行演练，获得高质量反馈；三是强化学习：在仿真练兵场里不断利用长尾场景数据进行模拟演练，成功给正反馈，失败给负反馈。

数据规模是另一块底座。Momenta累计量产规模已突破140万台，累计里程达到200亿公里，最新一个“10万台”用了不到一个月，而第一个“10万台”大约用了24个月。这些数据让模型有机会接触到更多场景，学习更多经验。

曹旭东判断，大模型芯片正在加速智驾摩尔定律。2022年到2026年，智驾能力基本每两年提升十倍，推动城市NOA从早期探索走向应用引爆点和加速普及；面向未来，推动这一规律迈向每年十倍提升，关键是“大模型定义芯片”。

更重要的是，他相信L3和L4有望在2028年迎来重要引爆点，并在2030年走向规模化落地；行业领先的头部公司到2028年底有机会做到超越人类驾驶的水平，甚至人类驾驶十倍的安全性，到2030年进一步提升到人类驾驶100倍的安全性。

下一站：X9与物理AI

在X7 Ultra之后，XHEART已经给出下一代芯片的时间表。

X9的核心研发目标是：3000TOPS大模型算力，单芯片内存带宽达到创纪录的700GB/s，计划2027年推出。李宗霖的解释是，计算和访存带宽需要同步大幅提升，才能适配未来更大规模的模型；X9会围绕下一代世界模型的需求，继续推进软硬协同设计。

“我们的工艺已准备好了。”台积电副总经理陈平在发布会上说，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。

图灵奖得主Jack Dongarra教授在圆桌论坛上表示，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。

对李宗霖来说，汽车是起点，但不是终点。他把公司的路径概括为：“智驾，是起点；机器人，是下一站；物理AI全场景，才是我们要去的远方。”XHEART将来一定会进入具身智能、人形机器人方向，现在XHEART已经跟一些机器人公司进行项目交流。

曹旭东也在发布会上提到，大模型定义的芯片不仅能帮助自动驾驶，也能帮助机器人和更多物理AI产品取得突破。

从2022年底形成判断，到2023年付诸行动，再到X7 Ultra发布、X7系列量产、R7 Ultra协同升级，曹旭东的这次提前落子，已经走到兑现阶段。

至于它能否如曹旭东判断的那样，把智驾摩尔定律从“两年十倍”推到“每年十倍”，还要看X9和更多量产车型的检验。但至少在今天，模型与芯片的协作，已经从一句技术路线，变成了可被出货量、车型订单和产品指标检验的现实。

（作者 冯科瀚）