双“7Ultra”的智驾方案，为什么如此受汽车厂商欢迎？

当两个“7Ultra”结合在一起，将会爆发出多大的Ultra能力？在10月29日下午的苏州国际会议中心，这种奇妙的化学反应发生了。

当天发布会的主角无疑是主办方XHEART新芯航途CEO李宗霖，这位国内芯片行业的宿将，曾经发布过无数款重量级的芯片。而在当天，他的手里高高举起了一款足以改变汽车产业的芯片——X7 Ultra。

而与X7 Ultra双剑合璧的，则是即将推出的R7 Ultra大模型，它由随后上台的Momenta CEO曹旭东发布，模型参数规模将扩大5-10倍，安全性能提升5-10倍以上。

如今，做芯片的李宗霖，做大模型的曹旭东，两人联手做同一件事情，那就是：用“大模型定义芯片”，推动L3和L4走向规模化落地。

大模型定义芯片

早在2022年底，Momenta就已经对产业的未来形成了第三个洞察——“大模型定义芯片”。曹旭东认为，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。如何在车端成本、功耗和可靠性约束下承载这样的模型，要求双方从模型需求出发，协同设计芯片。

曹旭东的看法，完全符合汽车行业的发展趋势。在发布会的圆桌论坛环节，上汽副总裁、总工程师祖似杰慨叹：由于行业竞争的压力，汽车厂商必须做到既要又要还要：产品要好，成本要低，还要足够安全！

面对即将到来的L4级，智能驾驶的难点，不仅是处理常见道路场景，更在于应对低频、复杂、组合式的长尾情况。Momenta认为，这就需要百亿乃至千亿参数规模的大模型能力，并通过更强的环境理解与推理能力，提升系统对复杂场景的处理水平。

而且，模型规模大了，还要考虑怎么把它搬进汽车里。车规芯片必须同时满足功耗、散热、可靠性、成本和供应链等约束，车辆还需要考虑长期使用中的稳定性、软件更新与系统安全。即便云端能够运行这样的千亿级参数大模型，也不代表它就可以直接、经济地部署到量产车辆。

因此，L4规模化的技术路径至少包含两个相互关联的任务：一方面提升模型对复杂场景的理解和决策能力，另一方面降低模型在车端运行的成本与资源消耗。若只追求参数规模和峰值算力，可能会把压力转移到功耗、带宽和整车成本上；如果过度压缩模型，又可能影响复杂场景下的能力上限。软硬件协同的价值，正在于尝试同时优化这两个方向。

对行业而言，这也意味着智驾芯片的评价维度需要更加贴近实际工作负载。峰值TOPS仍然重要，但还需要结合有效算力利用率、存储带宽、数据搬运效率、能效、模型精度以及量产成本综合判断。

需求倒推出来的芯片

2023年，经过与Momenta的反复交流之后，XHEART同样认可并确立了“大模型定义芯片”的技术路线：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。团队从芯片定义阶段就与Momenta的算法团队共同研究模型架构和关键算子，为未来几年的模型演进提前做好准备。

双方密切合作，共同设计了公司创立之后的首颗量产芯片X7。X7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、底层软件与智驾模型实现整车闭环，在真实道路上接受白天、夜晚及暴雨等环境检验，随后向客户和合作伙伴开放体验。

快速上车之后，是与客户共同完成量产交付。XHEART围绕X7系列提供经过充分验证的解决方案参考设计，并开展域控级PreDV测试，帮助客户降低开发难度、提升项目推进效率。

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。在会场外，整整齐齐地展示着数十款搭载了X7系列的量产车型，覆盖了轿车和SUV、高中低端车型。

在发布会上李宗霖还进一步透露，基于双X7的L3/L4计算平台也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。

更像老司机的大模型

与此同时，Momenta的大模型也在加速进化。今年4月25日北京国际车展期间，曹旭东正式宣布，Momenta R7世界模型实现量产首发，标志着智能驾驶从“看见世界”到“理解世界”的全新跨越，物理AI正式从技术理念走向规模化量产落地。

与R6相比，R7最大的特点就是走向物理AI，实现了大语言模型和世界模型的融合。其中，大语言模型依托Next Word Prediction，压缩数字世界常识，让AI具备了文本和自然语言理解的能力；世界模型则通过World Model Prediction预测物理世界未来的状态和交互逻辑，获得理解物体的物理属性、运动的因果关系、交互的潜在可能。

有了R7的加持，处于智驾状态下的汽车，更像是“老司机”在驾驭：他会在道路狭窄、空间受限的情况下，判断车辆与障碍物之间的距离，选择更合理的通行路线；面对临时施工、道路障碍和交通参与者的行为变化，他能够提前判断风险并调整路线；在空间狭小、周围障碍物密集的环境中，他还能够推演车辆进退路线，规划避障动作。

R7也获得了汽车厂商的广泛认可，已经有上汽大众 ID. ERA 9X、凯迪拉克 XT5 PHEV、荣威家越07等新上市的车型搭载了R7，预装车型还在不断增加之中。

继续Ultra的芯片

曹旭东透露，相对于R6，R7的参数规模已经有了数倍提升，这也意味着对于AI算力的需求也有了更高的要求，而且由于R7引入了世界模型，需要更多针对性的算力优化。此前，搭载R7世界模型的量产车当中，除了一部分采用XHEART X7芯片之外，更多的还是装备了英伟达的芯片。

如今，当参数规模扩大5-10倍、安全性能提升5-10倍以上的R7 Ultra即将到来之际，Momenta更多地采用能够与R7 Ultra适配的XHEART X7 Ultra芯片也就成为必然选择。

围绕X7 Ultra世界模型对计算、精度、带宽和系统协同的需求，X7 Ultra已经形成了六大产品优势。

• 专为大模型设计的超大核NPU。顺应模型计算集中化趋势，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。同时，为关键算子配置高精度专用加速引擎，让计算与数据交互更高效，让算子执行又快又准。
• 硬件并行度解锁。通过底层软硬协同，让更多计算单元同时工作，并使计算与权重加载并行，减少等待，充分释放硬件能力。基于量产智驾大模型实测，X7 Ultra NPU计算利用率达到98.7%。
• AI工具链重构。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。结合全新NPU架构与硬件并行能力，X7 Ultra释放700 TOPS大模型算力，内存带宽消耗较行业旗舰产品下降80%，能效提升100%。
• 中国首发量产Armv9车规级CPU。承担复杂控制与系统调度，提升多核协作能力，让整颗芯片高效协同，支撑持续演进的智驾系统。
• 深度异构计算。通过专用计算单元实现本地任务、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%，为系统及时、稳定响应提供支撑。
• 软硬兼备的安全能力。X7 Ultra满足ISO 26262 ASIL-B功能安全要求，内置MCU通过ASIL-D认证，同时以高效算力与模型迭代空间支撑行驶安全，为智驾系统系好安全带。

这六项能力来自同一个起点：先理解大模型，再设计芯片。通过架构与工具链协同创新，X7 Ultra支持可部署模型参数量实现10倍提升，让更强的模型能力走进量产汽车。

当然，“大模型定义芯片”并不意味着芯片只为某一个固定模型服务。模型会持续升级，汽车平台也有不同的生命周期要求，因此芯片架构仍需在专用优化与一定的可扩展性之间取得平衡。真正的挑战，是让芯片针对当前模型高效运行，同时为后续模型迭代留下空间。

软硬协同共赴L4

在发布会上，李宗霖还透露，2027年将发布下一代产品X9，它的核心研发目标是实现3000 TOPS的大模型算力和700GB/s的单芯片内存带宽，通过计算与访存能力同步提升，继续围绕下一代世界模型推进软硬协同设计。

Momenta与XHEART的协同，体现了一种值得观察的产业路径：让算法需求更早进入芯片设计，让芯片特性反过来推动模型优化，并通过量产车型验证软硬件方案的实际价值。它的成效最终不应只由TOPS、参数量或厂商宣称的提升倍数决定，而要由真实道路表现、可验证的安全能力、整车成本和规模化交付共同检验。

在发布会的圆桌论坛环节，图灵奖得主Jack Dongarra教授对这种模式表示了肯定。他认为，让算法、软件与芯片团队在设计定型前紧密协作，是物理AI时代更加行之有效的研发方式。

从协同设计走向规模量产，先进制造是重要支撑。在发布会上，台积电副总经理陈平博士表示，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。”

技术和产品具备，市场也已经启动。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，推动这一智驾摩尔定律迈向每年十倍提升，关键就是“大模型定义芯片”。曹旭东认为，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。