作者 | 王凌方
编辑 | 邱锴俊
3000TOPS 算力,700GB/s 内存带宽——
一家名不见经传的芯片公司,立了一个震动智驾行业的 flag,下一代芯片要达到如此算力,将 是芯片霸主英伟达旗舰芯片的 1.5 倍算力,也将是特斯拉下一代 AI5 芯片算力的 1.2-1.5 倍。
时间还很紧迫 —— 2027 年就计划推出 。
这家公司是新芯航途( XHEART),智驾企业 Momenta 的兄弟公司。10 月 29 日,XHEART 举行了第一次发布会,发布大模型芯片 X7 Ultra。
X7 Ultra 拥有 700 TOPS 大模型算力,是 XHEART 与 Momenta 基于「大模型定义芯片」的理念,一同打造的强力新品。
基于 X7 Ultra, Momenta 的下一代世界模型 R7 Ultra,模型参数规模将扩大 5-10 倍 ,推动世界模型从 「理解世界」走向「推演世界」。
X7 Ultra 不是从天上掉下来的。实际上,在 XHEART 举行这次首场发布会之前,首款产品 X7,已经量产 8 个月,累计出货超过 20 万颗 。
从 X7 到 X7 Ultra,再到 X9,XHEART 和 Momenta 试图在车端「堆」上越来越高的算力和带宽,这是为什么?
答案也很简单,云端智驾大模型已经展现出 Scaling Law(缩放规律),部署到车端之时,同样要求有能跑大模型的芯片。
以 L4 自动驾驶为例,想真正解决长尾场景,Momenta CEO 曹旭东认为,车端模型规模得冲到 10B-100B 参数这个级别。

Momenta CEO 曹旭东
这就意味着大算力、高带宽,以及专门为大模型设计的芯片架构。
目前,基于双 X7 的 L3/L4 计算平台,XHEART 已获得多个车型项目定点,从辅助驾驶向更高等级自动驾驶拓展。
但是, 要将 L4 泛化应用于更多场景,还需要进一步提升模型规模,也需要更大芯片,这就是 X7 Ultra 和 X9 的使命,也是 Momenta 冲向 L4 的杀手锏。
X7 Ultra:一鸣惊人

XHEART CEO 李宗霖发布 X7 Ultra
X7 Ultra 这款芯片怎样?
首先还是要讨论算力,但和市面上很多芯片比拼纸面峰值 TOPS 不一样,X7 Ultra 强调有效的实际算力。
在量化压缩之后,依旧保证模型输出相似度维持 99.99%,也就是行业常说的「四个九」严苛精度约束条件下, X7 Ultra 实测算力达到 700 TOPS。这组数字不是实验室跑出来的虚标参数,直接对应车辆上路之后真实的智驾推理表现 。

而我们知道,行业主流英伟达芯片,比如 Thor U,虽然算力号称 500TOPS,但 算力利用率仅在 30%-40%左右。
其次,对于智驾芯片而言, 通信速度有时比算力还要重要 ,因为新一代智驾模型是 访存密集型任务,不是计算密集型任务 。 X7 Ultra 采用超大核 NPU,直接把模型内部的数据交互带宽, 从传统芯片百 GB/s 的水准提升到 TB/s 等级 ,再配上大容量的多级片上缓存。尽可能把数据留在芯片内部处理,减少芯片和外部存储之间来回搬运,把功耗和带宽资源留给真正的计算任务。
相比而言, X7 Ultra 内存带宽消耗较行业旗舰产品下降 80%,能效提升 100%
CPU 部分,X7 Ultra 搭载 Armv9 车规级 CPU ,一举拿下国内首发量产。对比上一代,性能提升 20%,能效提升 10%。
而且, X7 Ultra 针对不同任务,分配了深度的异构计算单元。像激光雷达,也是内置了加速器 ,支持最高 2000 万点每秒的点云处理,完全 hold 住千线级激光雷达的海量数据输入。
安全层面, X7 Ultra 同时满足 ISO26262 ASILB 功能安全,以及国密二级信息安全标准。
当然, X7 Ultra 的成功,是站在 X7 的肩膀上的。
X7 系列芯片如今量产 8 个月,累计出货超 20 万颗,落地 10 款量产车型,拿下超过 40 款车型项目订单。
基于两颗 X7 搭建的双大脑冗余 L3/L4 计算平台,也已经拿到多个车型定点。
可以说, X7 的成熟和稳定表现,为 X7 Ultra 奠定了基础。
为什么需要 「大模型定义芯片」?
X7 Ultra 亮眼的表现背后,核心是「大模型定义芯片」,而不是通用芯片。
英伟达目前是全球智驾芯片龙头,但很遗憾,它们提供的一直都是通用芯片。
通用芯片算力利用率低,算法团队想优化的很多想法,被芯片厂商的排期和硬件固有框架死死束缚,根本施展不开。
尤其端到端大模型,迭代极快,芯片厂商 3-5 年才出一代产品,等算法团队的需求排上队,模型早更新换代好几轮了。靠多片并联硬堆算力,又带来 BOM 成本、散热、电车续航一连串连锁问题,高阶智驾很难下放到主流走量车型。
这不只是 XHEART 和 Momenta「一家」的判断。
放眼整个行业,蔚来、小鹏、理想,再加上特斯拉,一众深耕高阶智驾的企业,都纷纷下场布局自研智驾芯片。背后是同一个现实:端到端大模型快速迭代,通用芯片的弊端越来越突出。各家选自研,本质上就是不想让自家算法迭代的天花板,被通用芯片锁死。
其做法也异曲同工,基于要跑的大模型,来反向定义芯片。比如理想提出的数据流架构;比如小鹏图灵芯片,硬件原生为 VLA 世界模型 做算子固化优化。
Momenta 和 XHEART 一同打造的 X7 系列,有哪些「大模型定义」的特征呢?
XHEART CEO 李宗霖介绍: 「拿 X7 Ultra 来说,整套硬件是面向 Transformer 这一类模型范式做设计。哪怕后续模型持续迭代演化,这套底座依旧能承载新模型部署,还能持续优化利用率,跟上算法演进的脚步。」
也就是说, X7 Ultra 赌的不是某一个具体模型,而是 Transformer 这个范式本身。只要模型还在这个范式内迭代,芯片就能一直跟得上节奏。
那更根本的问题来了:怎么保证 「赌」对了范式?
Momenta 曹旭东坦言,这件事没有万能公式。
「只能靠超一流的团队,加上超一流的行业洞察。我们在智驾赛道摸爬滚打十年,积累了大量一线实战经验,才有能力对未来几年的行业需求做前瞻性预判。这份预判也不是关起门空想,更多来自和车企客户一起联合定义未来 3 到 5 年的战略规划、产品规划。多方对齐之后,就能大幅降低算法需求的不确定性,给漫长的芯片研发注入确定性。」
R7 Ultra 铺就 L4 能力新台阶
对于 X7 Ultra,Momenta 的诸多客户应该是乐见其成。
如今, Momenta 已经成为诸多车企的选择,国内车企上汽、比亚迪、广汽等等不消说, 宝马、奔驰、奥迪等豪华外资品牌同样也采用 Momenta 的智驾方案。目前 Momenta 主要交付的,还是 R6 强化学习大模型以及 R7 世界模型,能够支持高阶 L2++辅助驾驶。

新世代 BMW iX3 搭载 Momenta 辅助驾驶
Momenta 的雄心当然不止于此。从创立至今,Momenta 一直把规模化 L4 作为终极目标,战略从来没有改口。
Momenta 的下一个模型,有望带来 L4 的曙光,那就是 R7 Ultra 世界模型。
依托 X7 Ultra 芯片 700TOPS 实测算力,R7 Ultra 参数量比旧版本提升 5-10 倍,安全性能同步提升 5-10 倍以上,涌现出更强的物理世界推演、预判能力。 在窄路倒车避让、极限空间脱靶掉头这类人类司机都觉得棘手的复杂交互场景,它能表现出比肩、甚至优于老司机的驾驶水准。
这套世界模型有三大技术支柱:预训练阶段学习物理世界基础常识,中间训练消化海量真实行车数据、习得驾驶逻辑,后训练对齐金牌司机的驾驶行为。它自带生成式仿真能力,能在虚拟环境低成本复现百万公里、甚至亿公里才偶遇一次的极端长尾场景,不必全靠上路碰运气采集案例,极大压缩迭代成本。再靠强化学习在仿真环境反复演练,持续打磨决策逻辑。
背后是高速转动的数据飞轮。 Momenta 累计量产装车突破 140 万台,最近新增 10 万台只用了不到一个月,累计真实道路行驶里程突破 200 亿公里。海量真实数据源源不断回流,持续给世界模型补充罕见的长尾样本。
曹旭东特别强调,世界模型基座平台化,价值才能充分体现:同一套模型底座,不只服务乘用车城市 NOA,还能无缝适配 Robotaxi、无人配送车、无人卡车等多条业务线。一套底座做多场景复用,能摊薄各个业务板块的研发投入,构筑平台化竞争壁垒。
也就是,不仅做乘用车的辅助驾驶,还要做 L4 自动驾驶。
在 L4 的落地进展上,Momenta 已经在上海、苏州、无锡、深圳开展开放道路测试,拿到上海浦东无人驾驶示范运营牌照,携手享道出行落地示范载客试运营。海外也在中东、欧洲多个城市落地 Robotaxi 测试运营项目。

Momenta Robovan 已经落地苏州
何时走出示范、测试,大面积推广呢?
曹旭东给出了判断:过去行业的智驾摩尔定律,是性能每两年提升 10 倍。随着「大模型定义芯片」这条路线成熟,迭代会进一步提速,从每两年 10 倍加速为每年 10 倍。海量真实数据、大模型算法、大模型原生芯片三者互相驱动,共同推着行业往前走。
曹旭东推演的时间表如下:
2028 年将成为 L3、L4 的行业引爆点,到 2030 年迎来规模化落地,智驾系统安全性有机会达到普通人类驾驶员的 100 倍以上。
可以看到,规模化 L4 的竞争,早就不再是算法单方面的比拼,而是算力底座、大模型、真实场景三者长期同频迭代的长跑。
要让大模型跑得起来,跑得高效,并且能够应付复杂的长尾场景,大模型定义的芯片就是必需。拥有了 X7 Ultra,未来还将拥有 X9 等更强大的芯片,补强软硬一体的 Momenta,在冲刺 L4 的赛跑中,占据了先机。




