大模型时代，智驾芯片的算力赢学失效了

文 | 数智奔流，作者 | 白芨，编辑 | 沈校

10月29日，XHEART在苏州发布智驾芯片X7 Ultra，CEO李宗霖透露，X7 Ultra具有700 TOPS大模型算力，下一代X9则要冲击3000TOPS。

作为公司首款大模型定义芯片，在量产智驾模型实测中，X7 Ultra跑出98.7%NPU计算利用率、内存带宽消耗下降80%、推理能效提升100%的成绩。媒体报道显示，测试模型即Momenta的R7世界模型。

就在XHEART发布会第二天，地平线创始人余凯发了一条微博，把矛头对准行业的等效算力折算口径：

“现在我们业界竟然又突破了宇宙尺度，标称算力甚至可以吹到6-7倍的稠密算力，号称等效算力。”

余凯拿自家征程6P举例，NV算力口径下有560 TOPS，如果用所谓的等效算力算法，同一块芯片就能写成1960 TOPS。

两方分歧在于口径，余凯要求统一折算方法，杜绝注水；李宗霖要求拿量产模型实测，强调实际利用率。双方侧重点不同，却在一件事上达成一致，即唯TOPS论不可取。

更大的行业背景是，算法和硬件正在互相靠拢。大模型改变了车端的主要计算任务，算法从大量人工规则转向数据驱动，芯片重心从峰值算力转向真实模型下的能效。

就在六天前，千里科技也发布了一款面向AI大模型定制的毫米波雷达。团队在雷达里加了一个10 TOPS的NPU，既可以在雷达端完成目标识别，也可以向中央计算平台传输原始探测数据，让雷达定位从采集传感器，转向有独立判断能力的感知单元。

二者都把算法提前放进硬件设计，减少对标准硬件的被动适配。千里希望自己决定雷达保留哪些信号，XHEART希望让模型决定芯片算力花在哪。

对智驾企业而言，纯软件供应商和纯芯片供应商的边界都在消失，将模型需求前移到硬件定义阶段，更符合行业趋势。

但这条路有物理天花板。算法嵌入硬件无法让摆脱硬件物理上限的局限性。基于Momenta定制的XHEART芯片，以更窄的适配性换取算力效率，但同时又失去了更大的开放和兼容性。

通用芯片算力利用率低，在业内已经有共识了。

英伟达Orin 254 TOPS的标称算力有个条件。这是INT8精度（低精度整数运算）下的最高值，其中87 TOPS来自深度学习加速器DLA。模型只要有一段运算交不到DLA手里，就无法调用全部的254TOPS算力。

何小鹏曾批评，通用GPU芯片的算力利用率只有30%到40%，即便在更乐观的估算下也只有70%到80%。

小鹏通用智能中心负责人刘先明在2026年CVPR上披露的三组实测数据显示，开源模型配通用芯片，计算利用率为22.8%，推理耗时800毫秒；开源模型换上小鹏自己的图灵芯片，利用率升到35.1%，耗时降到300毫秒；图灵芯片再配上小鹏自研的第二代VLA模型，数据变成82.5%和80毫秒。

理想走过另一条路。前理想自动驾驶高级算法专家詹锟透露，2024年理想为了在Orin上部署大模型，团队曾与英伟达协作，重写了PTX底层指令，并开发自研引擎，最终把推理延迟压了一个数量级。

XHEART则在理想的基础上更进一步。

从芯片定义阶段就由Momenta介入开发，将传统NPU的小核切分改为超大核，同时为高频低体量任务配置专用加速引擎，与硬件配套的编译工具可以查看整张网络，安排哪些步骤连续执行，哪些结果值得留在芯上。

XHEART的底气来自Momenta。XHEART脱胎于Momenta芯片项目，二者同源分拆、无直接股权关系、业务深度绑定，现任XHEART董事长李俊是前Momenta芯片负责人，Momenta CEO曹旭东通过XHEART的控股股东间接持有其股份。

按曹旭东10月底披露的数据，Momenta的智驾搭载规模已达约140万辆，相关车辆累计行驶超过200亿公里。这让XHEART能提前拿到长尾场景数据，了解芯片应该预留多少冗余。对于重资产投入，架构确定后无法修改的智驾芯片而言，减少了极大试错成本。

但X7 Ultra也面临难题，即模型与芯片之间的时间差。

芯片从架构到量产需要多年，模型可能几个月就迭代一次，该为未来预留多少空间，很难被量化。

如千里科技的AI毫米波雷达，通过把雷达从固定规格模式改成可OTA升级来延长有效寿命，端侧模型可通过OTA持续更新，下一代模型如果只需要更好的目标分类和轨迹预测，OTA可以延长雷达的使用周期；但涉及采样率、输入带宽等硬件维度的提升，OTA就无能为力。

对XHEART而言，X7 Ultra留给缓存的面积难再调整。在下一轮融资的窗口期，X7 Ultra能否经受住至少一次模型换代检验，这至关重要。

“Momenta搞绑定芯片，本质上是技术路线的收束，没必要多方下注了，可以给自己下重注。”有智驾行业人士对「数智奔流」表示。

作为智驾算法企业，此前智己汽车开发基于Thor的量产智驾方案时，合作名单里也有Momenta。到了上汽大众ID. ERA 9X，Momenta R7世界模型的首发车型用上了XHEART X7。

早期的硬件设计需要明确的模型和场景，芯片需要真实车辆数据验证，车规认证需要稳定的量产项目，整个链条需要数据和现金流持续回流，这时候跨平台适配的安卓模式效果较好。

这是Momenta相较地平线的优势所在，不需要押注任何一颗芯片，可以无视硬件格局的变化去跑模型。在路线不确定的阶段，把筹码分散在各个芯片平台上下注，风险较低。

但车企价格战正在压低单车软件授权费用，留给软件供应商的议价空间在减少。2026年半年报业绩会议上，Momenta提到价格战正在冲击单车软件许可售价，但公司不会无底线降价。

曹旭东把芯片筹码押给自己，有一条清晰的时间线。

2023年，Momenta将两段式端到端方案带入量产，同期确认大模型定义芯片的判断并开始推进芯片协同；2024年完成基于模仿学习的一段式端到端技术；2025年推出R6，提升强化学习地位；到2026年R7世界模型量产首发，技术路线从分段式端到端方案转向一段式端到端驾驶模型，加世界模型。

如今曹旭东在发布会上明确，端到端大模型、世界模型已经成为确定的智驾技术主线，智驾从规则驱动转向数据驱动。沿着这条路走，模型需要怎样的硬件计算，已经可以交付芯片团队讨论。

跨平台这笔生意，Momenta也没放。除了英伟达Orin和Thor，它和高通公布的合作横跨骁龙Ride的多个计算平台，X7 Ultra只是给Momenta多了一套参与原生设计的选择，模型本身仍保留跨平台能力作兜底。

换言之，Momenta算法正从完全开放转向分层开放，底层提供跨品牌芯片适配；顶层提供性能最优、体验一致性最好的X7 Ultra+R7组合。

按照李宗霖的说法，X7 Ultra会单独销售，和Momenta的算法没有排他关系，车企可以分别采购，并拿智己LS6搭载自研IM AD系统做反例。这款车型中，智驾算法上与Momenta深度绑定，但系统使用智己自己的IM AD品牌，芯片则选择英伟达Orin X。

对比地平线模式，企业正从芯片侧向算法和整套智驾方案延伸。

从征程2到征程5，它向客户提供芯片、算法授权和硬件参考设计，到征程6P又下场做全套HSD软件，随后推出的HSD Together允许合作伙伴获得基座模型授权和算法适配服务，车企与供应商可以自己做车型适配、功能定制和系统集成。

两家公司都在谈开放，在软硬一体里找平衡点，区别在于，余凯要用一套已经跑通的软件，降低客户选征程芯片的门槛；曹旭东要用一颗提前参与设计的芯片，降低自家模型上车的难度。

要挑战英伟达，XHEART面对的不只是一颗Orin。

理想的工程师在Orin上改写PTX指令，证明了通用芯片的优化空白，但也能证明Orin的生态优势。

工程师可以借CUDA写自己的计算程序，TensorRT负责优化推理执行，DRIVE OS提供车端软件基础。一个算子不适合交给专用加速器，开发者可以评估是否转给GPU，再评估产生的额外开销。

这个办法可能耗时、费电，却让工程师有机会在原芯片上交付新功能。车企明知Orin的算力存在大量浪费仍然买，也在确保智驾算法能以更快速度、更低不确定性落地。

当车企要为未来OTA功能升级预埋空间，冗余算力就成为对冲不确定性的方式。

当前智驾功能迭代极快，几个月不上车就可能被对手甩开，通用GPU架构能最大限度保持对不同算法的适应性，CUDA生态已经完成工具绑定和开发者积累，能确保算法团队的训练流程稳步推进，这是车企选择的重点所在。

一部分冗余算力也难以完全解释为浪费。GPU为了保持什么都能算的通用性，须预留大量调度和冗余逻辑，这在智驾场景下本身就在消耗资源。另一些余量，则是为了在多个摄像头同时送来数据、泊车任务与障碍物检测争用资源时，最慢的那几帧仍然按时完成。

同时，系统要为故障检测、冗余计算和降级接管预留资源。这些平时闲置的资源，构成了智驾系统的安全冗余。

这是X7 Ultra的真正难题，专用芯片再高效，如果换上去要花时间适配、重写工具链，省下的算力很快会被工程成本吞掉。

对X7 Ultra来说，它要把单一模型的深度优化转成多模型可迁移能力，开放编译器、算子库和SDK，降低第三方算法团队的适配成本，公开同条件下的延迟、功耗、模型覆盖和持续运行数据，证明架构可以跨模型复用。

当前XHEART已进入量产节奏。公司披露X7系列量产八个月，累计出货超过20万颗，已搭载10款量产车型，并获超过40款车型订单。

雷诺、奇瑞、长鑫等产业投资者入场，台积电和上汽出现在发布会，表明XHEART的产业位置初步稳固。而能否迈出这一步，将决定XHEART仍是Momenta的芯片部门，还是真正独立的芯片企业。