XHEART发布X7 Ultra芯片，有效算力才是重点

很多人可能没有听说过XHEART，但搭载其芯片的汽车已经出现在市场上。

上汽大众ID.ERA 9X、荣威家越07等车型采用的X7智驾芯片，就来自这家公司。XHEART成立于2023年，是一家独立运营的芯片设计公司，主要面向智能汽车和机器人等物理AI场景提供计算芯片。芯片通常隐藏在整车和智驾方案背后，这家公司此前很少直接出现在消费者视野中。

10月29日，XHEART在苏州发布X7 Ultra。新芯片的大模型算力达到700 TOPS，但这场发布会没有把重点停留在更高的算力数字上，而是提出了一个更贴近量产的问题：同样受到成本、功耗、散热和内存带宽限制，一颗车端芯片究竟能把多少算力真正交给大模型使用。

“大模型定义芯片”由此成为X7 Ultra最核心的产品思路。

这条路线先研究量产智驾模型怎样计算、如何搬运数据，再反向设计芯片的计算单元、存储结构和软件工具。芯片从设计之初便考虑模型结构和关键算子的变化，为后续参数增长预留空间。

XHEART发布X7 Ultra大模型芯片

从X7量产走到X7 Ultra

X7 Ultra并非一颗从零开始的产品，它建立在X7已经形成的量产基础上。

X7系列量产8个月，累计出货超过20万颗，进入10款量产车型，并获得40余款车型订单。基于双X7开发的L3/L4计算平台，也已经取得多个车型项目定点。

对于一家成立时间不长的芯片公司来说，量产比单项参数更能说明问题。车规芯片从回片、点亮、底层软件适配到整车验证，需要跨过一系列工程门槛。X7回片后不到24小时完成点亮，第17天打通芯片、底层软件和智驾模型的整车闭环，随后进入白天、夜间和暴雨等道路环境测试。

回片后的推进速度反映了团队对芯片、软件和模型部署的熟悉程度，超过20万颗的出货规模则意味着X7已经离开样片和演示阶段，进入持续交付周期。

在量产过程中，XHEART还围绕X7系列提供参考设计，并开展域控制器级PreDV测试。对车企而言，采购芯片只是项目开始，后续还要完成域控制器设计、软件适配、模型部署和整车验证。参考设计和前置测试可以减少重复开发，缩短芯片进入具体车型的周期。

X7 Ultra延续了这些量产经验，目标也更加明确：既要承载现有模型，还要为接下来几年的端到端模型和世界模型留出空间。

700 TOPS之外 真正稀缺的是有效算力

过去几年，TOPS一直是智驾芯片最容易传播的指标。它能说明芯片的理论计算规模，却不能完整反映模型在真实运行中能够调用多少算力。

芯片内部包含大量计算单元，模型运行时还要持续读取权重、交换中间结果，并等待不同任务完成。如果数据供应跟不上，或者计算单元之间需要频繁搬运数据，部分硬件就会处于等待状态。账面算力很高，模型真正使用到的比例却未必理想。

X7 Ultra的700 TOPS采用量产智驾大模型进行测试，同时设置了一项精度约束：量化部署后的模型输出，与训练完成后的FP32浮点模型保持99.99%以上的相似度。

大模型进入汽车之前，通常要经过量化和压缩，把原本精度较高、计算量较大的模型转换成更适合车端运行的形式。量化程度越高，计算压力越小；精度损失过多，车辆对道路、障碍物和复杂场景的判断也可能受到影响。

车端部署需要同时兼顾计算效率和模型能力。把模型输出相似度纳入算力测试，意味着700 TOPS既要跑得起来，也要尽量保留原始模型的能力。

X7 Ultra在量产智驾大模型中的NPU计算利用率达到98.7%。同等模型性能下，其内存带宽消耗较行业旗舰产品下降80%，能效提升100%，可部署的模型参数规模提高10倍。

这几项指标都与有效算力有关：让更多计算单元保持工作，同时减少模型等待数据的时间。

如果把智驾芯片比作一座工厂，TOPS更像机器的理论产能；计算利用率、内存带宽和工具链，则决定原料能否及时送到、设备能否连续运转。对车企来说，后者会直接影响域控制器成本、功耗、散热设计和模型升级空间，也决定一颗芯片的理论能力能否转化为车辆功能。

释放10倍模型参数是怎么实现的

为了让大模型更充分地使用硬件，X7 Ultra首先调整了NPU的组织方式。

传统设计往往使用多个计算小核，任务在不同小核之间执行时，需要持续交换数据。随着模型规模扩大，小核之间的数据搬运会占用大量带宽，也容易让计算单元等待。

X7 Ultra采用面向大模型的超大核NPU，把原本分散在小核之间的数据交互集中到大核内部，以TB/s级互联处理高频数据交换。模型中的关键算子可以在更大的计算单元内部完成，减少数据往返外部内存的次数。部分关键算子还拥有高精度专用加速引擎，高频任务可以交给更合适的计算单元处理。

硬件结构之外，X7 Ultra也强化了并行计算能力。模型计算和权重加载可以同步进行，一部分单元执行当前任务时，另一部分资源提前准备后续数据，减少计算单元等待，让更多硬件保持工作状态。

AI工具链承担的是任务编排工作。芯片拥有再多计算单元，如果模型任务拆分不合理，或者中间结果反复写入外部内存，仍会消耗大量时间和带宽。X7 Ultra采用整网级融合，对整个模型的计算任务统一安排，减少中间数据的重复读写。

NPU负责大模型的密集计算，CPU承担系统控制和任务调度。X7 Ultra采用Armv9车规级CPU，负责协调模型计算、车辆控制和系统软件，让不同任务保持稳定衔接。

传感器数据则交给专用异构计算单元处理。部分任务可以在本地完成，不必全部进入通用计算模块。芯片的激光雷达处理能力最高达到每秒2000万点，传感器预处理稳定性提升100%。

当车辆同时接收摄像头、激光雷达及其他传感器信息时，提前完成数据筛选和预处理，可以减轻主计算单元的压力，把更多资源留给端到端模型和决策规划任务。

X7 Ultra满足ISO 26262 ASIL-B功能安全要求，内置MCU通过ASIL-D认证。这些安全设计构成芯片进入量产汽车的基础门槛，也为智驾系统后续的安全设计和整车验证提供硬件基础。

超大核NPU、并行计算、AI工具链、Armv9 CPU和异构单元，解决的都是计算效率和数据流动问题。所谓“释放10倍模型参数”，并非简单地把硬件规模增加十倍，而是在相近的车端约束下提高资源利用率，让芯片容纳更大的模型。

X7 Ultra的核心参数与技术能力

开放合作 让模型和芯片更早对齐

大模型快速迭代后，芯片公司很难只根据当前算法需求规划下一代产品。

一颗车规芯片要经历设计、流片、验证和量产等多个阶段，整个周期通常以年计算；端到端模型和世界模型却可能在几个月内发生明显变化。如果芯片设计完成后才开始适配模型，产品落地时很容易面对模型结构和计算需求已经改变的问题。

XHEART选择在芯片定义阶段引入算法合作伙伴，让模型、软件和硬件团队提前交换需求。Momenta是其重要合作伙伴之一，双方围绕模型架构、关键算子和量产部署展开协同。与此同时，XHEART保持独立运营，拥有自己的产品路线、客户体系和经营体系，芯片产品面向不同车企和智驾方案开放。

Momenta即将推出的R7 Ultra，是双方协同的一个落地项目。在X7 Ultra支持下，R7 Ultra计划将模型参数规模扩大5至10倍，安全性能提升5至10倍以上，并推动世界模型从理解道路环境，继续向预测和推演未来状态发展。

两个“倍数”之外，算法与芯片提前交换需求更值得关注。

模型团队可以把未来几年的计算、带宽和关键算子需求交给芯片团队，芯片团队据此安排NPU架构和数据流，工具链再把模型转换成可以部署到车端的计算任务。双方保持各自独立，在具体项目中完成协作。

这种合作也不局限于单一算法公司与芯片公司。XHEART此前还与Momenta、QNX共同推出面向全球市场的自动驾驶平台，将智驾方案、X7车规级SoC和安全操作系统组合在一起。对独立芯片供应商而言，进入不同技术体系并完成量产适配，本身也是产品能力的一部分。

从算法和工具链，到芯片架构和制造工艺，智驾产业链的协作正在向研发前端移动。过去，一场智驾发布会的主角通常是新增功能和可用城市；如今，决定功能上限的模型、计算平台和工程效率也开始走到台前。

Momenta CEO曹旭东分享大模型与芯片协同思路

X9提前亮相 芯片要追赶模型的迭代速度

发布X7 Ultra的同时，XHEART还给出了下一代X9的阶段性研发目标：3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划于2027年推出。

从700 TOPS到3000 TOPS，算力规模明显增加，但X9同时强调700GB/s内存带宽，说明下一代芯片面对的压力不只来自计算量，还有更大模型带来的数据吞吐需求。计算单元增加后，如果内存和数据通路没有同步提升，新增算力仍然可能处于等待状态。

X7 Ultra刚刚发布，X9已经公开研发目标，背后是智驾模型快于传统汽车电子的迭代速度。芯片公司如果只根据当前模型规划产品，等到量产时可能已经落后于新的算法需求。

XHEART X9的阶段性研发目标

智驾芯片的竞争 正在从账面算力走向系统效率

过去几年，汽车行业习惯用传感器数量、芯片TOPS和功能覆盖城市衡量一套智驾系统。随着越来越多车型具备高速领航、城市领航和自动泊车，基础功能差距逐渐缩小，行业竞争开始进入更底层的部分。

模型规模会影响系统理解复杂道路环境的能力，但更大的模型也意味着更高的计算、带宽和能耗压力。车企无法无限增加芯片和散热成本，也不能让智驾域控制器长期维持过高功耗。如何在有限资源中运行更强的模型，正在成为新的产品能力。

X7 Ultra更强调有效算力：计算利用率、量化精度、内存带宽、工具链和异构处理能力，共同决定一颗芯片能够承载多大的模型。

软硬件更早协同，可以帮助车企缩短模型上车时间，为后续功能升级留下空间；算法公司也可以减少量产前对模型的过度压缩，把更多能力带到车端。

消费者最终感受到的不会是一串芯片参数，而是车辆处理复杂场景是否稳定、功能更新能否更快到来，以及车辆能否在合理功耗下运行更强的智驾模型。

从X7的规模交付，到X7 Ultra强调有效算力，再到X9提前公布研发目标，XHEART正在形成自己的产品节奏。衡量这套路线的标准，不只有某一项参数，还包括芯片架构、软件工具和量产服务能否持续支持不同车企与算法方案。

当越来越多智驾芯片拥有数百甚至上千TOPS的账面算力，单纯比较数字的意义会逐渐减弱。减少计算和数据搬运中的浪费，更快适配持续变化的模型，把理论性能稳定交付给量产汽车，可能才是下一阶段智驾芯片竞争的关键。