过去几年，智能驾驶的竞争焦点悄然发生了变化。
随着城市辅助驾驶（NOA）逐渐普及，技术路线也开始从感知、决策、规划等多个模块分工协作，转向端到端大模型。近期，世界模型等技术又在推动智驾从识别眼前的场景，走向对未来路况的推演。
这意味着，汽车需要处理更多信息，模型要求也在变高。对于芯片来说，挑战随之发生了变化，既要有足够算力承载更复杂的模型，又要尽可能压低计算延迟，还要在有限的供电与散热空间里控制功耗，同时满足汽车对安全性、可靠性和成本的严苛要求。
这几项要求彼此牵制，几乎难以同时成立，Momenta CEO曹旭东把它称为通用芯片的”不可能三角”。
这也是“大模型定义芯片”开始受到关注的原因。10月29日，一家成立三年的中国AI芯片公司XHEART正式发布了面向大模型的 X7 Ultra，交出了前瞻技术洞察下的阶段性成果。
L4智驾究竟需要一颗什么样的芯片？
2022年底，曹旭东就形成了第三个洞察。前两个是用数据驱动解决长尾问题，以及用规模量产获得海量数据。第三个是大模型定义芯片，他的判断是，规模化 L4 需要运行百亿乃至千亿参数的模型，继续依赖通用芯片做适配，很难同时满足算力、功耗、车规可靠性和成本。
彼时，ChatGPT交出大模型的新范式，但车端还没有人敢将百亿参数直接用于乘用车。Momenta却在思考一个更远的问题，如果自动驾驶要从今天的辅助驾驶走向规模化L4，未来的模型会变成什么样？车上的芯片又应该如何变化？
回看半导体行业几十年的发展，英伟达用 CUDA 定义了 AI 的计算方式，多数时候是模型去迁就硬件。但现在，模型团队开始有机会反向输出，对算子、带宽、精度以及延迟的要求，再反向推动芯片团队负责实现。
XHEART新芯航途CEO 李宗霖做了一个比喻，PC刚出现时，主要是由英特尔做CPU，微软做Windows，项目上高度协同，市场上各卖各的。但今天产业价值链上移，模型公司第一次拿到了硬件的定义权，硬件公司也要为软件范式负责。
2023年，新芯航途成立，开始围绕Transformer端到端大模型设计X7系列芯片。几年后，这次技术押注拿出了阶段性的产品成果，XHEART 正式发布了大模型芯片 X7 Ultra，Momenta 则展示了 R7 Ultra 世界模型的最新进展。两家公司回答了同一个问题，当智能驾驶继续向更高阶的L4演进，模型、芯片和整车应该如何更早地协同起来。
一颗芯片的加速度
一颗芯片从实验室到晶圆厂，再到真正上车，通常是数年的长流程。
X7 系列跑出了不寻常的加速度，2023年立项，2026年2月量产，前后不到三年，芯片回片后不到24小时完成点亮，主要数据通路全部打通；第17天，芯片、底层软件与智驾模型实现整车闭环，开始在真实道路上接受白天、夜晚和暴雨的检验。
李宗霖在接受媒体采访时解释，速度的背后是前期大量工作的前置。流片之前，团队就已经与算法合作伙伴Momenta一起，用真实量产大模型进行全芯片仿真验证，各种场景的数据反复跑过，确认软硬件能够顺利集成，才把芯片送去生产。
车企一侧的工作同样前置，芯片还没回来，新芯航途就与车企开始域控设计，提前完成芯片与其他器件的集成验证。”我们只有一次机会，所以会比较谨慎、透明、务实。”李宗霖说。
这也解释了新芯航途过去几年的工作方式和特别之处，它从创立之初，就是从算法适配、硬件协同的角度考虑开发产品。
为什么需要这样做？原因在于，大模型带来的计算压力呈现爆炸式增长。
过去，智能系统通常由多个小模型分工协作，感知、预测、规划各自完成，再通过模块间传递信息。端到端大模型成为主流后，越来越多的计算任务被放进一个规模更大的模型中。信息越多，参数规模更大，计算过程也更加复杂。
这时，芯片的瓶颈不一定在算力。
最容易被忽视的就是数据搬运。计算产生大量数据，如果芯片内部无法高效处理，就只能不断从外部 DDR 读取、写入，再送回计算单元。理论算力再高，也可能因为等待数据而闲置；反复搬运还会额外耗电，加重整车散热负担。
李宗霖在采访中多次强调，芯片设计必须同时考虑计算、存储、带宽和工具链，不能只看 TOPS。针对 Transformer 模型中使用频率较高的求和、转置、Layer Norm 等算子，新芯航途在硬件架构上做了专门优化，尽量缩短数据搬运路径，让部分数据直接在寄存器级别完成处理，减少对外部 DDR 的访问。
这也是新芯航途选择超大核NPU架构的原因，让完整的端到端大模型在一个更大的计算单元内运行，减少跨核搬运。
但代价是更高的设计与实现门槛，对架构、调度、存储和工具链都提出更高要求。李宗霖透露，团队在选型阶段评估过多种方案，每种都要经过性能建模和仿真，再由软硬件团队共同判断。芯片项目越往后越贵，前期判断一旦偏差，纠正成本极大。
X7 Ultra 的答卷
最终10月29日亮相的X7 Ultra，就是“大模型定义芯片”这条技术路线的集中呈现。
该芯片拥有700 TOPS大模型算力。新芯航途公布的测试数据显示，NPU 计算利用率达到 98.7%，在大模型性能相当的条件下，内存带宽消耗较行业旗舰产品下降 80%，能效提升 100%；量化部署后，模型输出与训练后 FP32 浮点模型的相似度保持在 99.99% 以上。
为解决模型装车后精度、响应、功耗与可靠性的平衡，新芯航途把优化范围从单个算子扩展到整个模型网络。通过整网级融合，工具链统一编排不同层、不同分支的计算任务，减少中间结果反复读写外部内存。
软硬共同组织，才可能让芯片性能被充分释放。这也是李宗霖坚持从芯片设计阶段就考虑模型迭代的原因：芯片研发周期远长于算法迭代周期，不能只为今天的模型设计硬件。
当然，这种软硬协同并不意味着商业上的绑定。
李宗霖说，双方合作不涉及芯片架构、设计和商业层面的排他安排。Momenta 是重要的战略合作伙伴，算法团队会在研发早期提供模型趋势、算子需求和实际痛点等输入，但芯片架构、存储带宽、算子设计和工具链仍由新芯航途独立负责。
他再次提到英特尔与微软的关系，双方在产品研发阶段有大量协同，到了商业落地阶段，芯片和软件仍然各自销售。车企最终会决定采用哪家芯片，及哪套算法。
新芯航途真正希望建立的，是面向Transformer端到端大模型的通用适配能力。除了Momenta，基于类似架构的车企自研算法，同样可以在其芯片上进行适配。
到今天，新芯航途商业化成绩已经初步兑现。
截至10月29日，X7系列量产8个月，累计出货超过20万颗，搭载10款量产车型，获得超过40款车型定点。首个客户是上汽大众，后续还包括荣威、名爵等品牌。基于双X7芯片的L3/L4计算平台，也已经获得多个车型项目定点。
对于汽车行业，客户看重的是能否持续交付。李宗霖说，主机厂有一套严谨的方案验证流程，新芯航途不只交付芯片，也提供经过验证的参考设计，并与客户同步硬件性能、稳定性和可靠性测试结果。
回过头来看，2023年XHERAT刚刚创业时，资本市场正处于低谷。算法可以一周出一版，但芯片不行，李宗霖说当时公司只有一次选择的机会，设计、流片、回片、上车，重来的成本以年计。
相较于消费电子芯片，汽车芯片的生命周期更长，功能安全和可靠性要求更高。芯片、底层软件、域控制器和整车系统必须经过反复验证，任何一个环节出现问题，都可能影响项目交付。
今天，20万颗出货和40余款车型定点，是XHERAT一个重要的起点。定点需要转化为量产，量产还需要持续爬坡，最终出货规模能否覆盖长期研发投入，才是芯片公司的经营考题，XHEART已经站在一个好的起点了。
李宗霖表示，芯片行业规模效应明显，必须同时控制芯片成本与运营成本；从创业之初，新芯航途就希望建立财务上的正向循环，目前 X7 系列已能支撑公司健康运转。
产业链的集体下注
产业链伙伴的进入，给了这家公司更多想象空间。就在几天前，新芯航途获得长鑫科技、雷诺集团、奇瑞汽车等产业方参与的战略融资。
李宗霖谈到长鑫时特别提到，SoC与DDR内存是系统方案中的关键器件，两者在性能和成本上的关系会越来越紧密。随着DDR技术演进，芯片与内存之间的协同也会更加重要。双方拥有共同的车企客户，目标是交付经过充分验证、兼顾性能与可靠性的整体方案。
这背后也体现了最新的产业变化。智驾芯片的竞争，正在从单颗芯片的性能竞争，向整个计算系统的协同能力延伸。芯片、内存、算法、软件工具链和整车厂之间的关系越来越紧密。
新芯航途与 Momenta 的合作，正是这种产业分工的一种尝试。算法团队更了解模型未来需要什么，芯片团队把需求转化为硬件架构，车企则用实际车型验证方案能否满足量产要求。
而这套合作模式的下一站，正是L4。曹旭东判断，L3 与 L4 有望在 2028 年迎来引爆点，2030 年走向规模化落地。
基于 X7 Ultra 的支撑，Momenta 即将推出的 R7 Ultra 世界模型，参数规模将扩大 5 至 10 倍，安全性能提升 5 至10 倍以上，推动自动驾驶从理解环境走向推演环境。芯片要承载的不只是更大的模型，还有更复杂的计算任务。
新芯航途已公布下一代 X9 的研发目标：算力 3000 TOPS，单芯片内存带宽 700GB/s，计划于 2027 年推出，面向 L4 自动驾驶和具身智能等端侧物理 AI 场景。
更远一些，新芯航途也在考虑将技术拓展到机器人领域。李宗霖提到，公司已经与一些机器人企业进行项目交流。在他看来，自动驾驶和具身智能的技术底座有相当高的相似性，智驾是起点，机器人是下一站，最终希望走向物理AI的更多场景。
三年前，多数人还在讨论如何让模型适配芯片，新芯航途和 Momenta 选择从模型出发重新设计芯片。如今 X7 系列已经量产，X7 Ultra 把这条路线推向更大的模型。
下一阶段，谁能把模型、芯片和整车组织得更紧，谁才更可能把实验室里的能力，变成规模化落地的产品。