拆解X7 Ultra：大模型定义芯片，智驾算力告别纸面竞赛

过去几年，智驾芯片围绕着峰值算力竞赛的主线一路狂奔，几乎成为车企选型、行业评判的核心标尺。

但随着当前端到端大模型、世界模型开始批量上车，一个反直觉的现象正在行业浮现：纸面算力更高的芯片，在真实量产模型上未必跑得更快、效果更好。在实际场景中，算力跑不满、带宽拖后腿、功耗压不住，成为很多车企落地高阶智驾时共同的难题。

这其中的原因藏在一个被长期模糊的区分里——标称算力和有效算力。芯片厂商标注的TOPS，通常是在特定精度下、所有计算单元满负荷运转、没有任何数据搬运等待的理想状态下测出来的。而真实的智驾推理是低时延实时系统，Batch Size几乎强制为1，大量算力会因为等待数据加载而空转。

在行业实测中，标称算力在真实模型上的实际利用率可能只有百分之六七十，有些甚至更低。更极端的情况下，有效吞吐只有峰值的30%左右。

这就引出了端到端大模型给智驾芯片带来的三道考题：算力能否在真实量产模型中充分发挥？今天设计定兴的芯片能否跟上几个月就迭代一次的模型节奏？在车端严苛的功耗、散热和成本约束下，能否承载持续膨胀的模型规模？

这三道题不是孤立的技术问题。它们指向同一个判断：当更大的模型成为智驾能力进化的主航道，芯片的评价标准正在从“峰值算力”转向真实模型承载效率。峰值是入场券，有效才是答案。

XHEART选择将“大模型定义芯片”作为技术路线，正是在这样的语境和行业拐点下发生的。而本次重磅推出的大模型芯片X7 Ultra，是这条路线第一个接受量产检验的样本。

HEART新芯航途CEO李宗霖

“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李宗霖在苏州发布会上的这句话，道出了这家年轻公司对智驾计算未来的核心判断。

把顺序倒过来：从“模型适配芯片”到“大模型定义芯片”

要理解X7 Ultra，先要理解XHEART改变了什么顺序。

众所周知，传统智驾芯片的研发逻辑，遵循的是“先硬件、后软件”的路径：先定义芯片，再让模型适配芯片。芯片团队基于当时的通用算力和接口标准做架构，算法团队拿到芯片后，再做算子适配、模型裁剪和部署优化。

这条路线在小模型分工协作或模型形态相对稳定的时代尚且可行，但在如今的大模型时代已经出现了根本性的节奏错位。

通常来看，芯片的研发周期基本以年为单位，一款车规芯片从定义到量产往往需要3-5年；而大模型的迭代速度以月为单位，架构、算子、规模都在快速演进。等芯片真正上车时，模型可能已经更新了数代，当初为特定算力场景设计的硬件，很容易与真实需求脱节，造成大量算力闲置与架构浪费。

这正是行业普遍面临的“时间差”困境：芯片设计的终点，才是模型适配的起点。

XHEART的做法是把顺序倒过来。

“我们的出发点很简单，先理解大模型怎么运行，再去设计芯片。”李宗霖的表述很朴素：“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。”团队在芯片定义阶段就让算法团队介入，共同研究模型的计算图、算子分布和访存模式，为未来几年的模型演进预留空间。

两种路线的差异，本质上不是谁更懂芯片、谁更懂模型的区别，而是谁能把模型需求更早、更深地嵌入芯片的架构语言中。

这使得评价标准也随之重构。X7 Ultra标称的700 TOPS大模型算力，并非传统基准测试程序跑出的峰值数字，而是基于真实量产智驾大模型实测得出，并且有一条近乎苛刻的约束：量化部署后的模型输出，与训练阶段FP32浮点模型的相似度必须达到99.99%以上。

换句话说，这700 TOPS是不打折扣、不损失精度的有效算力。当行业还在比拼纸面峰值时，XHEART已经把算力的计量单位，换成了能支撑多大规模的量产模型。这意味着“大模型定义芯片”同时改变了算力的测量标准——一颗芯片的算力值，只有在模型输出保真度被锁死的前提下被测量，才对量产有意义。

拆解X7 Ultra：把“大模型定义”刻进每一处芯片架构

“大模型定义芯片”不是一句口号，而是落在了芯片架构的每一处设计选择里。

X7 Ultra的六大产品优势，如果只看名称，它们容易被读成一组技术参数；但如果放到大模型在车端运行的实际链路里，每一项都精准对应大模型上车的核心瓶颈，最终指向同一个目标：让真实大模型在车端约束下高效、稳定地运行。

- 超大核NPU：破解数据交互的核心瓶颈

大模型的计算特征是高度集中化，传统多小核拼接的架构中，核与核之间需要频繁搬运数据，百GB/s级的交互带宽很容易成为整个系统的短板。

X7 Ultra采用专为大模型设计的超大核NPU，将大量数据交互收敛到核内，直接升级为TB/s级高速互联，实现了带宽的数量级提升。同时针对大模型高频关键算子配置高精度专用加速引擎，让核心计算任务兼顾速度与精度。

- 硬件并行度解锁：让98.7%的计算单元真正运转

很多芯片峰值参数亮眼，实际跑模型时却有大量计算单元处于闲置等待状态。X7 Ultra通过底层软硬协同优化，全面解锁硬件并行能力，让计算执行与权重加载并行推进，最大限度减少空转等待。基于量产智驾大模型的实测数据显示，其NPU计算利用率达到98.7%，几乎将硬件能力释放到了极致。

尤其是在行业普遍为标称算力打折扣的背景下，这个数字进一步把模型跑起来之后还剩多少有效算力推到了评价体系的前排。

- AI工具链重构：从根源降低内存带宽消耗

大模型落地的另一座大山是“内存墙”：中间结果反复读写外部内存，既消耗宝贵带宽，又拖慢推理速度。

对此，X7 Ultra重构了AI工具链，通过整网级融合技术对全模型计算任务统一编排优化，不再逐算子优化，大幅削减中间数据的外存读写次数。结合全新NPU架构与硬件并行能力，X7 Ultra在释放700 TOPS大模型算力的同时，内存带宽消耗较行业旗舰产品下降80%，推理能效提升100%。在车端功耗和散热约束下，能效翻倍的意义不亚于算力本身。

- 中国首发量产Armv9车规级CPU：支撑系统级高效协同

大模型推理不是孤立运行的：复杂控制、传感器调度、激光雷达点云预处理、功能安全任务，都需要在同一个芯片上高效共存。因此，大模型智驾系统不仅需要NPU的AI算力，也需要强大的通用算力承担复杂控制与多任务调度。

X7 Ultra搭载中国首发量产的Armv9车规级CPU，显著提升多核协作能力，既保障整颗芯片的高效协同运行，也为智驾系统的持续迭代预留了充足的控制算力空间。

- 深度异构计算：让感知预处理更稳、更实时

多路摄像头、激光雷达等传感器的海量数据预处理，如果全部交由NPU处理，会挤占核心模型推理的算力。

对此，X7 Ultra通过深度异构计算架构让本地任务本地处理，用专用计算单元完成传感器预处理的本地任务，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%，既保障了感知端的实时响应，也让NPU算力更聚焦于核心大模型推理。

- 软硬兼备的安全能力：筑牢车规级双保险

毋庸置疑，对车规芯片而言，安全是不可妥协的底线。

X7 Ultra满足ISO 26262 ASIL-B功能安全要求，内置MCU通过最高等级ASIL-D认证；同时，充足的算力储备与模型迭代空间，能够支撑更完善的行驶安全策略，从功能安全到行驶安全形成双重守护。

图灵奖得主Jack Dongarra 教授在发布会圆桌论坛上也表示，让算法、软件与芯片团队在设计定型前紧密协作，是大模型时代更行之有效的研发方式，而XHEART对芯片内部及芯片间数据搬运效率的优化，正是软硬协同优化的核心方向。

六项能力合在一起，指向同一个结论：X7 Ultra的差异化不在于某一项参数的孤立领先，而是整颗芯片的组织方式，从一开始就以“让真实大模型在车端高效跑完”为目标，而非专注于让跑分数据更好看。

也正是这种底层逻辑的对齐，让 X7 Ultra 实现了可部署模型参数量 10 倍的提升，把更大规模的模型能力真正装进了量产汽车。

李宗霖在发布会上说得很直白：“先理解大模型，再设计芯片，让模型的进步真正转化为产品的进步。”这句话的技术含义，就落在上述每一项“模型需求—设计选择—可验证效果”的对应关系里。

大模型定义芯片路线，已经被“用订单投票”

技术路线的价值，不是发布会说了算，最终要靠量产落地与市场选择来证明。对智驾芯片企业而言，出货量与定点订单，就是车企给出的最实在的投票。

截至发布会，XHEART X7系列交出的答卷足够亮眼：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。

规模化量产交付的背后，源于XHEART技术路线的快速验证。据透露，从公司成立到芯片量产，XHEART用了两年；首颗X7回片后不到24小时完成点亮，第17天实现芯片、底层软件与智驾模型的整车闭环，并在真实道路上接受了白天、夜晚和暴雨的检验。

快速上车的背后有一套可以被理解的工程逻辑：量产模型和实车数据在芯片定义和验证阶段就已经进入研发闭环，而不是芯片做完之后再补适配，省去了大量后期适配的时间。24小时点亮和17天整车闭环，正是“模型先于芯片进入验证”这条路线在工程节奏上的自然结果。

“大模型定义芯片”从来不是XHEART一家的判断。

在发布会上，Momenta CEO曹旭东首次公开了公司的第三个洞察——“大模型定义芯片”。这一判断形成于2022年底，随后双方就将其共同付诸实践。

在曹旭东看来，规模化L4需要百亿至千亿参数的模型，而通用芯片无法同时满足功耗、车规可靠性与成本的三重约束，也就是“通用芯片的不可能三角”；唯有从大模型需求出发定义芯片，才有可能在车端约束下承载千亿参数模型，性能相比通用芯片可提升10倍。

据悉，Momenta即将发布的R7 Ultra世界模型，基于X7 Ultra的支撑，模型参数规模扩大5到10倍，安全性能同步提升5到10倍以上，推动世界模型从“理解世界”走向“推演世界”。

值得注意的是，Momenta的深度协同是XHEART在软硬协同效率上的起点，但XHEART走的并非是绑定单一算法伙伴的封闭路线，其芯片架构面向车企自研智驾方案开放，能够适配不同技术路径的客户需求。其X7系列已经进入上汽大众、上汽MG、荣威、通用凯迪拉克、奇瑞等品牌的相关车型项目；未来，XHEART也将持续推进与更多Tier1和OEM厂商的合作，进一步将芯片覆盖到全球更多车型。

从20万颗出货到40余款车型定点，从算法伙伴的深度协同到车企自研方案的广泛适配，“大模型定义芯片”早已不是实验室里的概念，而是已经跑在真实道路上、进入主流车企供应链的工程事实。

协同深度决定了芯片的上限，开放能力决定了芯片的边界。两者并行，才是“用订单投票”这件事可持续的前提。

结语

智能驾驶的迭代速度，正在被大模型重新定义。

曹旭东把这条协同逻辑概括为“智驾摩尔定律”：2022年到2026年，智驾能力每两年提升十倍，推动城市NOA从探索走向普及；而要让这一节奏进一步迈向每年十倍提升，核心支点就是“大模型定义芯片”。

当芯片与大模型的关系从事后适配转向共同定义，智驾的技术迭代就有了更坚实的硬件底座。这场关于下一代智驾芯片的竞争，本质上也是对技术定义权的争夺。

面向下一代更大规模的世界模型，XHEART也公布了清晰的产品路线图：下一代大模型芯片X9，目标实现3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划于2027年推出。李宗霖表示，公司将保持“量产一代、开发一代、预研一代”的研发节奏，持续围绕模型需求推进架构创新。

从X7到X7 Ultra再到X9，XHEART走出了一条清晰的路径：先读懂大模型，再设计芯片，最后用量产验证价值。

在智驾从高阶辅助驾驶向自动驾驶跨越的关键节点，“大模型定义芯片”不仅是一家公司的技术选择，更为整个车载AI芯片行业提供了一种可参考的范式——当芯片不再被动等待模型适配，而是与大模型并肩进化，智能驾驶的下一轮爆发，才真正有了可以落地的硬件根基。