XHEART与Momenta，重算智驾的算力账

勇砺商业评论 阿桶观察 曾宪勇

“让大模型定义芯片，让芯片承载大模型的下一次进化。”10月29日，XHEART新芯航途CEO李宗霖在苏州发布X7 Ultra时，用这句话概括公司的技术方向。

700 TOPS大模型算力，是这场发布会的一组醒目数字。但读完现场公布的技术资料，我更想追问：一颗芯片里，有多少能力真正用在了计算上，又有多少时间消耗在等待数据？大模型急着上车，芯片内部的路，也得先走得通。

算力也会等数据

我们谈芯片，习惯先看算力。数字简洁，容易比较，也容易形成一种直觉：计算单元更多，模型就能跑得更好。可计算需要数据和模型权重不断送达，中间结果也要存取。一旦这些环节跟不上，计算单元就得等。算得快与送得及时，必须在同一套系统里实现。

这也是我理解X7 Ultra的入口。它的超大核NPU，将传统小核之间百GB/s级的数据交互，聚合至超大核内部TB/s级的高速互联，实现带宽数量级提升。这里改变的是数据交互的组织方式。关键算子则配置高精度专用加速引擎，兼顾执行速度与精度。

数据到了，还要让更多计算单元同时干活。XHEART通过底层软硬协同解锁硬件并行度，使计算与权重加载并行，减少等待。据悉，基于量产智驾大模型实测，X7 Ultra NPU计算利用率达到98.7%。这个指标让算力讨论落到了具体模型如何使用硬件上。

软件也参与了这次疏通。通过整网级融合，AI工具链对整个模型的计算任务统一编排与优化，减少中间结果反复读写外部内存。少一次没有必要的往返，就少一份数据搬运的负担。硬件里的路怎样修，软件怎样安排通行，需要放在一起考虑。

结合全新NPU架构与硬件并行能力，XHEART披露X7 Ultra释放700 TOPS大模型算力，内存带宽消耗较行业旗舰产品下降80%，能效提升100%。数据搬运的改善，开始与模型部署的工程账发生联系。

这里的700 TOPS大模型算力，基于真实量产智驾大模型评测，并以量化部署后模型输出与训练后FP32浮点模型的相似度达到99.99%以上为约束。这层条件很关键：提高运行效率的同时，模型输出也要守住相应的精度要求。

一台汽车能够留给智驾系统的能耗和散热空间有边界。增加模型能力所需的硬件代价，最终会进入车企的成本与工程决策。X7 Ultra这套设计的商业意义，也应放在这里理解：现有硬件能多承载多少模型，新增能力又需要付出怎样的代价？

X7 Ultra的中国首发量产Armv9车规级CPU，承担复杂控制与系统调度；深度异构计算则通过专用计算单元实现本地任务、本地处理。它们共同指向一个朴素目标：让不同任务找到合适的位置，减少协同中的消耗。

值得关注的是，X7 Ultra满足ISO 26262 ASIL-B功能安全要求，内置MCU通过ASIL-D认证。模型的计算效率与芯片的功能安全，需要在同一颗车规产品中接受检验。

把这些设计连起来看，XHEART想解决的问题就清楚了：从计算到访存，再到软件调度，尽量减少模型运行过程中的等待和往返。所谓软硬协同，具体到了每一段数据怎样流动。

在我看来，这比单独多报一组算力数字更有讨论价值。一颗芯片能承载怎样的模型，既取决于它能算多少，也取决于计算、存储和软件能否配合起来。算力的账，必须连同数据走过的路一起算。

据XHEART披露，通过架构与工具链协同创新，X7 Ultra支持可部署模型参数量实现10倍提升。模型由此获得了更大的生长空间。这份空间最终能长出怎样的驾驶能力，还要由模型、系统和道路表现共同回答。

这也解释了“大模型定义芯片”为何需要从研发起点发生。XHEART从真实应用的模型需求出发倒推架构，并在芯片定义阶段与算法团队共同研究模型架构和关键算子。等芯片定型之后再讨论这些问题，许多选择已经做完了。

车企还要算一笔交付账

芯片里的数据跑通了，还要把产品交到客户手里。从公司成立到芯片量产，XHEART用了两年。首颗X7芯片回片后，第17天，芯片、底层软件与智驾模型实现整车闭环。研发速度由此有了具体刻度。

截至本次发布会，X7系列已量产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款车型订单。X7 Ultra的新设计，背后已有X7系列与客户共同推进量产的积累。

对车企来说，采购芯片还意味着后续开发、验证与量产配合。XHEART提供解决方案参考设计，并开展域控级PreDV测试，试图降低客户开发难度。这些工作不如算力数字醒目，却直接影响客户把方案变成产品的过程。

我更愿意把交付看作技术路线的检验。客户要为开发周期、验证工作和后续维护付出真金白银。芯片公司交出的硬件、软件和开发支持，能否让这些投入换来可持续迭代的产品，需要在一个个量产项目中兑现。

给下一代模型留一条路

Momenta CEO曹旭东在发布会上提出，实现规模化L4，需要百亿至千亿参数模型。模型继续扩大，对车端成本、功耗和可靠性的约束也提出了更难的问题。算法与芯片的协作，由此有了持续向前的压力。

模型团队不能只提出更大的需求，芯片团队也需要理解这些需求将怎样落到计算和访存上。双方越早共同设计，越有机会减少后续适配的代价。这是我理解“大模型定义芯片”最实际的一层含义。

按本次发布会上的披露数字，基于X7 Ultra的支撑，即将发布的R7 Ultra模型参数规模扩大5-10倍。它提供了观察软硬协同的新窗口；参数扩大的价值，仍需放回具体驾驶任务中理解。

曹旭东判断，L3和L4有望于2028年迎来重要引爆点，并在2030年走向规模化落地。这个面向未来的时间表，也把压力放在了今天：芯片团队需要提前为尚在演进的模型作出设计选择。

图灵奖得主Jack Dongarra教授在圆桌论坛上强调，算法、软件与芯片团队应在设计定型前紧密协作。他特别提到XHEART对芯片内部及芯片之间数据搬运效率的改善。讨论又回到了那条容易被算力数字遮住的路。

今天疏通的路径，要能接住明天更大的模型。芯片设计需要提前作出选择，而模型仍在演进；如何让两者保持配合，将持续考验这套协作方式。

XHEART公布的X9核心研发目标是：3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划于2027年推出。计算与访存被同时摆上下一代规划，也延续了X7 Ultra提出的问题：模型越大，数据如何及时送达？

这也是我对XHEART的期待：让更大的模型有路可走，让算力的增长经得起交付检验。

坐进汽车的人，无须知道数据怎样穿过芯片，他们会用真实道路上的驾驶体验，判断这项技术值不值得信任。

毕竟，芯片内部那条路，最终连着车里的人。（曾宪勇）