破解智驾算力困局Momenta曹旭东：以大模型反向定义芯片
破解智驾算力困局 Momenta曹旭东：以大模型反向定义芯片
2026年10月30日 06:49
作者：
● 本报记者 龚梦泽
当 智能驾驶 迈入物理AI阶段，端到端大模型正在成为高阶智驾的主流技术方向，L4级自动驾驶的规模化落地，却受制于车载算力的现实约束。Momenta创始人兼CEO曹旭东提出，百亿至千亿参数的大模型，很难在现有通用车规芯片上平衡功耗、可靠性与成本。
针对这一行业矛盾，Momenta联合新芯航途落地“大模型定义芯片”的技术路线。10月29日，新芯航途对外披露X7 Ultra大模型芯片完整技术方案，这套反向定义硬件的思路，试图为物理AI时代智驾算力瓶颈提供产业解法。
算法加速迭代
倒逼芯片设计逻辑重构
智能驾驶 技术路线的迭代，正在传导至上游芯片研发环节。此前行业普遍遵循“先开发芯片硬件，再由算法完成模型适配”的开发范式，在多套分立小模型并行的阶段，这套模式基本可以匹配量产需求。但随着行业全面转向端到端大模型，原有开发路径的局限性不断暴露。
立足于车载量产的现实约束，新芯航途CEO李宗霖抛出行业必须直面的三个命题：芯片纸面算力能否在真实量产大模型中充分释放？硬件架构能否承接后续模型持续迭代升级？在严苛车规标准之下，推理能耗能否控制在整车可接受范围？在他的评估中，传统芯片先行的开发模式，已经难以同时满足上述三项量产条件。
为此，X7 Ultra应运而生，该芯片基于反向设计逻辑打造，具备700 TOPS大模型算力，运行Transformer量产大模型场景下，计算利用率达到98.7%，内存带宽消耗相较行业旗舰产品下降80%，推理能效实现翻倍，量产模型对齐精度达到99.99%。
从商业化交付看，X7系列芯片量产8个月，累计出货超20万颗，已经配套10款量产车型，拿下40余款车型定点订单，覆盖上汽、奇瑞等多家主机厂。常规车规芯片开发周期普遍在三至四年，该项目不到三年完成从定点到上车，核心在于Momenta的算法理解被前置融入芯片架构设计环节。
算力天花板显现
L4级自动驾驶规模化面临现实约束
过去几年，Momenta在智驾落地过程中沉淀出两条已经经过量产验证的产业洞察：依靠数据驱动解决道路长尾问题，依托规模量产积累海量真实路测数据。依靠这套数据飞轮，Momenta智驾搭载规模一年内由约30万台增长至约140万台，累计行驶里程突破200亿公里；此前完成10万台装车需要24个月，如今新增同等硬件搭载规模，周期被压缩至不足一个月。
不过数据飞轮的持续放大，很快触碰到算力层面的天花板。曹旭东告诉记者，想要实现L4级自动驾驶规模化，车载系统需要承载百亿乃至千亿参数的大模型，但当前通用芯片很难同时达成车规可靠性、功耗控制、商业化成本三项硬性指标，这也就是他提出的通用芯片的“不可能三角”。曹旭东测算，由大模型需求反向定义的专用芯片， 综合 性能较通用芯片最高可提升10倍，也是车载端稳定运行千亿参数模型的可行路径；算力底座成熟之后，相关能力还可以向外延伸至 机器人 等其他物理AI场景。
这并非停留在纸面的技术构想。早在2022年底，Momenta就确立了“大模型定义芯片”技术方向，之后携手新芯航途推进联合研发。目前新芯航途战略轮融资已经收官，累计融资约50亿元，投资方囊括上汽、奇瑞、 长鑫科技 等产业资本，同时汇集多家国资平台与市场化投资机构。产业资本集中加注，背后看重的正是算法与芯片深度绑定带来的差异化竞争壁垒。
技术路线切换，也正在改写整个智驾行业的竞争规则。李宗霖透露，过去市场习惯于把TOPS纸面算力作为芯片能力的核心标尺，大模型上车之后，算力在真实场景下的实际利用效率，权重已经远高于参数纸面数字。当算法企业深度参与芯片定义，纯软件算法供应商的议价空间被持续挤压，软硬一体化的准入门槛不断抬升，国内多家车企相继布局自研智驾芯片，同样印证这一产业风向。
需要指出的是，软硬深度耦合也拉长技术链条，放大试错成本。“大模型定义芯片”给出一条破局路径，但最终价值仍需要大规模量产来检验。对行业参与者而言，接下来真正的考验，在于打通芯片、大模型、整车交付三者，这也将直接决定物理AI周期下 智能驾驶 赛道的竞争格局。
（文章来源：中国证券报）