大模型芯片落地，「兄弟」助力Momenta抢跑？

撰文 | 青竹 编辑｜周长贤

2026年，头部智驾已经集结完毕。在「大模型+世界模型」范式共识下，大家殊途同归，都实现了软硬一体，虽然来时路各不相同：

华为始于软硬锁定的封闭系统；英伟达从通用芯片出发，客户自己算法适配；而Momenta走了一条独特的路，从软到硬，且兄弟联手……

10月29日，Momenta的兄弟公司XHEART「新芯航途」，抢了一步先手棋——发布大模型芯片：X7 Ultra。

同时，Momenta即将发布R7 Ultra世界模型，并且多次强调一个词汇：双方co-design「协同设计」。

“让大模型定义芯片，让芯片承载大模型的下一次进化。”发布会上，XHEART新芯航途CEO李宗霖这句话，概括了大模型芯片的战略意图。

在卷模型、卷数据、卷算力的同时，一款量身协同打造的大模型芯片，可能意味着事半功倍。

Momenta的CEO曹旭东把新的芯片范式，视为指数级增长的关键引擎，并首次公开他的「第三个洞察」。

曹旭东指出，当智能驾驶迈向L4规模化时，车载系统需要承载百亿、千亿参数的大模型，但现有通用车规芯片陷入了 “不可能三角” 。

破解之道就是专用大模型芯片，从现有智能驾驶大模型需求出发，反向定义和设计芯片的NPU架构、内存层级和技术特点。

这并非普通芯片的「升级版」，而是一种范式转移。官方给出的对照是：相比通用芯片路线，同等成本功耗下性能提升潜力约10倍。

那么这颗大模型芯片X7 Ultra 怎么做到的？

大模型芯片：破解不可能三角

新车发布，往往爱展示参数，多大TOPS算力、多少传感器、多少线激光雷达……但这里有个小陷阱，数字并不必然等于能力。软硬不适配的算力，其实根本用不上。

例如，智驾模型已经到大模型阶段，但在用芯片大多是之前的通用芯片或优化版。某些大算力芯片还能堆冗余来应付，但要付出成本和能耗。

于是通用芯片的结构性困境凸显：L4级百亿甚至千亿参数的大模型，要求海量的矩阵运算和向量运算，通用芯片相当一部分算力给了控制逻辑、缓存管理和通用接口，真正矩阵运算的只是一部分。

更关键的是，这些计算单元往往被拆分成许多个小核，彼此之间通过“核间互联”来交换数据。当模型大了，通用芯片就倒腾不开了，不是在运数据，就是在等数据，损耗时间，损耗效率。

尤其在车端功耗、散热和车规可靠性的多重限制下，大部分算力无法被充分调用。

但是，X7 Ultra的设计逻辑不是堆通用算力，而是从大模型倒推芯片架构，重新组织计算、存储和数据流转。芯片定义阶段就与算法团队共同开发，设计模型架构和关键算子，以承接面向L4的大模型。

X7 Ultra 的第一个设计：把“小核之间的对话”，变成“超大核内部对话”。

专为大模型设计的超大核NPU，将传统小核之间百GB/s级的数据交互，聚合至超大核内部TB/s级的高速互联，实现带宽数量级提升。

数据搬运的功耗和时间被大幅压缩。在大模型推理中，数据搬运本身就是功耗的大头。把交互从核间拉到核内，等于从根源上砍掉了一大部分无效消耗。最终“内存带宽消耗下降80%”，核心来源之一就在这里。

第二：给Transformer 里那几个「磨人」的算子，配专用工具。

Transformer 里并不是所有运算都一样，有一些高频关键算子LayerNorm、Softmax、Transpose 等，很耗资源。X7 Ultra给它们配置高精度专用加速引擎，不再频繁占用通用计算单元，浪费算力。

第三：并行度打开，让计算单元「别闲着」。

计算单元再多，如果调度不当，很多单元会在那里等数据、等权重加载，实际干活的只是一部分。

X7 Ultra 在底层做了软硬协同的并行度解锁，让更多计算单元同时工作，并且让“计算”和“权重加载”并行，减少互相等待的空窗期。

这不是单纯堆硬件，需要对AI工具链做整网级融合，统一编排模型计算任务，减少中间结果反复读写外部内存。

第四：Armv9车规级CPU，一个强大的「管家」。

NPU算得够快，如果控制和调度跟不上，最终还是被卡。X7 Ultra在中国首发量产了Armv9车规级CPU，性能提升20%，能效提升10%，大集群架构提升了多核协同与L3访存性能，并集成了SVE2向量处理引擎，让整颗芯片高效协同。

第五：深度异构计算：传感器专用计算「随手干活」

其实和“核内数据交互”是同一个逻辑，都是减少数据搬运。

激光雷达和摄像头产生海量原始数据，如果全部先送到NPU“预处理”，会占用大量带宽和时间。X7 Ultra的思路是：用专用计算单元就地完成预处理，减少中央计算负担，激光雷达处理带宽最高达到2000万点/秒，预处理稳定性提升100%。

以上几个动作下来，效果立竿见影：

量产模型实测NPU计算利用率98.7%。意味着这颗芯片的700 TOPS大模型算力不是纸面数字，几乎全部被喂给了模型计算本身。在车端功耗和散热被卡死的前提下，“不浪费”意味着一颗顶N颗。

推理能效提升100%。同样跑一个模型，耗电减半。对电动车来说，智驾芯片的功耗不是实验室参数，直接吃整车能效，影响热管理设计。

可部署模型参数量提升10倍。在智驾大模型时代，这个指标关乎终极兑现。

目前，大算力芯片是世界模型上车的基准算力要求，以后的模型更大，L4 需要百亿到千亿参数的模型，车端和成本约束下，通用芯片塞不下。而X7 Ultra 让更大量级大模型在功耗和成本可接受的车规条件下跑起来。

李宗霖表示，这款芯片700TOPS的大模型算力不是实验室结果，具有量产测评一致性，也预留了OTA的性能冗余。

“智驾摩尔定律”与芯片节点的咬合

发布会上，曹旭东首次公开分享公司的第三个洞察：“大模型定义芯片。”

“大模型定义芯片”的背后，是XHEART与Momenta对技术方向的共同判断，也是联合开发对「智驾摩尔定律」的紧密咬合。

这一判断形成于2022年底，曹旭东认为，相比通用芯片，大模型定义的芯片性能能够提升10倍。

过去四年，智能驾驶的摩尔定律是“两年十倍”，但曹旭东在2026年10月的最新判断是：这一规律正在向“每年十倍”加速。

“2026至2028年，头部企业相关指标每年提升十倍是可能的。”

由此，他判断2028年是L3/L4落地的引爆点；2030年L3/L4有望实现规模化渗透，智能辅助驾驶全面达到并超越人类水平。

在当下节点，一颗大模型芯片将成为关键「加速器」。因为模型、数据、芯片这三件事，必须像齿轮一样咬在一起转，而且转速要同步加快，每一环都不能拖。

即将发布的R7 Ultra，展现了这一协同的最新成果。

基于X7 Ultra的支撑，R7 Ultra的模型参数规模扩大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”。

Momenta的数据侧也在加速，累计交付超过140 万台，最近的10万台用时不到一个月。海量数据在涌进来，模型在变大，如果芯片跟不上，前两环的加速度就会被硬件瓶颈吃掉。

在圆桌论坛上，图灵奖得主Jack Dongarra教授表示，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。

“大模型定义芯片”的技术路线，正在接受规模量产的检验。

从成立到芯片量产，XHEART用了两年。截至发布会，X7系列已量产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。

“每年十倍”不只争当下这一年。面向下一代更大模型，XHEART公布X9的核心研发目标：3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划于2027年推出。

通过计算与访存能力同步提升，曹旭东透露，下一代X9芯片将支持端侧模型规模进一步扩大100倍。

结语

X7 Ultra的定位不局限于车，曹旭东认为，大模型定义芯片的路径要“进一步推动机器人及更多物理AI应用取得突破”。

也不局限于国内，XHEART的战略轮融资里，雷诺集团首次投资，奇瑞追加投资，长鑫科技入局。与此同时，Momenta一侧已与全球27家车企合作，覆盖全球前十大汽车集团，量产方案在10多个国家和地区落地。

X7 Ultra意味着全新定义的大模型芯片时代开启，“co-design”开发范式和100B参数大模型时代的螺旋新起点——接下来的问题是，这个起点到X9的两年窗口，够不够把先手变成胜势。

—THE END—

出行百人会 | AutocarMax

追踪出行与智能产业链进化，关注新产品、新科技、商业逻辑与人物，影响有影响力的人。