当车规级智驾芯片开始给模型“打工”
当车规级智驾芯片开始给模型“打工”
2026年10月30日 10:59
【大河财立方记者丁洋涛文图】 10月29日，Xheart新芯航途CEO李宗霖在苏州发布大模型芯片X7 Ultra，该芯片拥有700TOPS（每秒万亿次运算）大模型算力，NPU（神经网络处理器）计算利用率98.7%。Momenta CEO曹旭东同台，将“大模型定义芯片”列为Momenta第三大核心洞察。
然而，700 TOPS在2026年的智驾芯片市场并非孤例，真正值得关注的是，这颗芯片及其背后的技术路线，正在把“大模型定义芯片”这件事，从方向讨论推向量产检验。
NPU计算利用率达98.7%，意味着什么？
要想理解98.7%的NPU利用率，需要一个参照系才能读懂。
行业第三方实测显示，通用架构芯片运行Transformer（一种以注意力机制为核心的大模型主流架构）智驾大模型时，标称算力的实际利用率普遍明显低于峰值，大量功耗消耗在片外存储与计算单元之间的数据搬运上，标称算力的实际利用率普遍有限。
X7 Ultra的路径并不神秘，超大核NPU将核间数据交互聚合到核内高速互联，针对Transformer关键算子（模型中可被硬件加速的基本运算单元）配置硬件加速引擎，用专用化换效率，让架构对齐模型，而不是让模型迁就通用芯片硬件。
这组数字的行业意义，不在于它能否在任意工况下复现，而在于它把“模型跑起来之后还剩多少有效算力”摆到了评价体系更靠前的位置。通用芯片的“内存墙”（计算单元与存储之间数据搬运速度跟不上计算速度的瓶颈）是真实的，专用化在特定模型上跑出高效率，在工程逻辑上成立。
但专用化是一笔需要被定价的交易。
为Transformer推理优化的硬件，绑定的是当前主流模型架构的相对稳定性。但大模型迭代速度以月计，车规芯片从定义到量产以年计，两者之间存在天然的时间差。X7 Ultra的效率优势越极致，就越依赖“明天的模型仍然长得像今天的模型”这个前提。
软硬协同效率可期，生态开放性仍需观察
发布会现场值得留意的信号，是曹旭东与李宗霖同台时那种无需解释的默契。
这种默契有明确的组织基础。Xheart与Momenta存在明确的人员与股权纽带，其法定代表人李俊为前Momenta芯片负责人，双方在X7规划阶段即深度协作。双方联合打造“算法—芯片—操作系统”的一体化平台，逻辑自洽，效率可期。
但芯片公司的客户是车企，不是算法公司。
X7已获得上汽大众ID.ERA 8X、上汽MG、荣威、通用凯迪拉克、奇瑞等品牌相关车型项目订单，其中不少车企属于Momenta生态或者投资方关联企业。这是一个需要被正视的商业课题，深度绑定带来了极致的软硬协同效率，但也对芯片平台的中立属性提出了更高要求。
其实，行业内有另一种选择，那就是坚守独立第三方定位，以更开放的姿态覆盖更广的客户面。两条路径各有代价，Xheart的长期天花板，不只取决于携手Momenta把芯片做得多高效，还取决于Momenta生态之外的车企是否愿意把高阶智驾的硬件底座交给一个带有明确算法血缘的平台。
世界模型的下一道题
李宗霖在发布会中预告的Xheart下一代芯片X9，拥有3000 TOPS和700GB/s单芯片内存带宽（单位时间内芯片与内存之间可传输的数据量），指向的正是提前卡位。
当智驾模型从分段端到端（感知、决策等模块各有独立网络，通过接口串联）走向DiT（扩散Transformer，一种通过逐步去噪生成未来场景的模型架构）和世界模型（在内部推演环境未来状态演变的模型），车端推理的Batch size（一次同时处理的样本数量）通常很小，通用芯片的大量算力在空转，真正的瓶颈从“算得多快”变成了“搬得多快”。
未来芯片的竞争力，不只在于峰值数字翻了几倍，更在于访存效率能不能跟上模型推演的节奏。
这恰恰是专用化路线最深的赌注。如果世界模型和DiT成为主流，计算图的形状、访存模式和延迟预算都会变化，今天为Transformer推理打磨的超大核架构，届时还能不能保持效率优势，只有下一轮模型迭代能回答。
另一条硬约束同样需要正视。高算力车规芯片普遍会面临量产良率、百瓦级功耗区间的热管理、先进制程满足车规老化与长期可靠性等现实约束，这些是相比纸面利用率，更直接决定商业落地的现实变量。高算力并不是免费的，代价都写在晶圆、热管理和整车成本里。
X7 Ultra的产业价值在于：它证明了从模型需求倒推芯片设计，在车规场景下能够跑通，并且跑出了可量产的利用率数字。这条路线能否在通用平台的生态惯性、车企自研的分流、模型架构的不确定性和单一算法伙伴的绑定之间，长成一个规模可持续的芯片生意，还需要更长时间的交付验证。
（文章来源：大河财立方）