大模型时代，智驾芯片的算力赢学失效了
10月29日，XHEART在苏州推出了智驾芯片X7 Ultra，其CEO李宗霖表示，该芯片拥有700 TOPS的大模型算力，而下一代X9的目标是达到3000 TOPS。
作为公司首款专为大模型设计的芯片，在量产智驾模型的实际测试中，X7 Ultra实现了98.7%的NPU计算利用率、内存带宽消耗降低80%，以及推理能效提升100%。媒体报道指出，测试所用模型是Momenta的R7世界模型。
在XHEART发布会次日，地平线创始人余凯在微博上批评了行业内等效算力的计算方式：“我们现在业界竟然又突破了宇宙尺度，标称算力甚至可以吹到6-7倍的稠密算力，号称等效算力。”
余凯以自家征程6P为例，指出在NV算力口径下为560 TOPS，若采用所谓的等效算力算法，同一芯片可被标为1960 TOPS。
双方的分歧在于计算口径：余凯主张统一折算方法，防止数据注水；李宗霖则强调应通过量产模型实测，关注实际利用率。尽管侧重点不同，但双方都同意唯TOPS论不可取。
更大的行业背景是，算法与硬件正趋于融合。大模型改变了车端的主要计算任务，算法从大量人工规则转向数据驱动，芯片重心也从峰值算力转向真实模型下的能效。
六天前，千里科技也发布了一款专为AI大模型定制的毫米波雷达。团队在雷达中集成了一个10 TOPS的NPU，使其既能完成目标识别，也能向中央计算平台传输原始探测数据，将雷达从采集传感器转变为具备独立判断能力的感知单元。
两者都将算法提前融入硬件设计，减少对标准硬件的被动适配。千里希望自主决定雷达保留哪些信号，XHEART则希望让模型决定芯片算力的分配。
对于智驾企业而言，纯软件供应商和纯芯片供应商的界限正在模糊，将模型需求前置到硬件定义阶段更符合行业趋势。
然而，这条路存在物理限制。将算法嵌入硬件无法突破硬件的物理上限。基于Momenta定制的XHEART芯片，虽然以更窄的适配性换取了算力效率，但也失去了更大的开放性和兼容性。
为模型开小灶
通用芯片的算力利用率低，在业内已是共识。
英伟达Orin标称的254 TOPS算力有一个前提条件。这是在INT8精度（低精度整数运算）下的最大值，其中87 TOPS来自深度学习加速器DLA。只要模型有一部分运算无法交给DLA处理，就无法调用全部254 TOPS算力。
何小鹏曾批评，通用GPU芯片的算力利用率只有30%到40%，即使在更乐观的估算下，也只有70%到80%。
小鹏通用智能中心负责人刘先明在2026年CVPR上公布的三组实测数据显示，开源模型搭配通用芯片，计算利用率为22.8%，推理耗时800毫秒；开源模型换上小鹏自己的图灵芯片，利用率升至35.1%，耗时降至300毫秒；图灵芯片再搭配小鹏自研的第二代VLA模型，数据变为82.5%和80毫秒。
理想曾走过另一条路。前理想自动驾驶高级算法专家詹锟透露，2024年为了在Orin上部署大模型，理想团队与英伟达合作，重写了PTX底层指令，并开发了自研引擎，最终将推理延迟降低了一个数量级。
XHEART则在理想的基础上更进一步。
从芯片定义阶段起，Momenta便参与开发，将传统NPU的小核切分改为超大核，同时为高频低体量任务配置专用加速引擎。与硬件配套的编译工具可以查看整张网络，安排哪些步骤连续执行，哪些结果值得保留在芯片上。
XHEART的底气来自Momenta。XHEART脱胎于Momenta的芯片项目，两者同源分拆、无直接股权关系、业务深度绑定。现任XHEART董事长李俊曾是Momenta芯片负责人，Momenta CEO曹旭东通过XHEART的控股股东间接持有其股份。
根据曹旭东10月底披露的数据，Momenta的智驾搭载规模已达约140万辆，相关车辆累计行驶超过200亿公里。这使得XHEART能提前获取长尾场景数据，了解芯片应预留多少冗余。对于投入重资产、架构确定后无法修改的智驾芯片来说，这极大减少了试错成本。
但X7 Ultra也面临难题，即模型与芯片之间的时间差。
芯片从架构设计到量产需多年，而模型可能几个月就迭代一次。为未来预留多少空间，很难量化。
例如千里科技的AI毫米波雷达，通过将雷达从固定规格模式改为可OTA升级，以延长有效寿命。端侧模型可通过OTA持续更新，如果下一代模型只需更好的目标分类和轨迹预测，OTA可以延长雷达的使用周期；但涉及采样率、输入带宽等硬件维度的提升，OTA则无能为力。
对XHEART而言，X7 Ultra留给缓存的面积难以再调整。在下一轮融资的窗口期，X7 Ultra能否经受住至少一次模型换代检验，至关重要。
Momenta用软硬套系走出价格战
“Momenta搞绑定芯片，本质上是技术路线的收束，没必要多方下注了，可以给自己下重注。”一位智驾行业人士对「数智奔流」表示。
作为智驾算法企业，此前智己汽车开发基于Thor的量产智驾方案时，合作名单中也有Momenta。到了上汽大众ID. ERA 9X，Momenta R7世界模型的首发车型则使用了XHEART X7。
早期的硬件设计需要明确的模型和场景，芯片需要真实车辆数据验证，车规认证需要稳定的量产项目。整个链条需要数据和现金流持续回流，此时跨平台适配的安卓模式效果较好。
这是Momenta相较地平线的优势所在：不需要押注任何一颗芯片，可以无视硬件格局的变化去运行模型。在路线不确定的阶段，将筹码分散在各个芯片平台上下注，风险较低。
但车企的价格战正在压低单车软件授权费用，留给软件供应商的议价空间在减少。在2026年半年报业绩会议上，Momenta提到价格战正冲击单车软件许可售价，但公司不会无底线降价。
曹旭东将芯片筹码押给自己，有一条清晰的时间线。
2023年，Momenta将两段式端到端方案带入量产，同期确认大模型定义芯片的判断并开始推进芯片协同；2024年完成基于模仿学习的一段式端到端技术；2025年推出R6，提升强化学习地位；到2026年R7世界模型量产首发，技术路线从分段式端到端方案转向一段式端到端驾驶模型，加世界模型。
如今曹旭东在发布会上明确，端到端大模型、世界模型已成为确定的智驾技术主线，智驾从规则驱动转向数据驱动。沿着这条路走，模型需要怎样的硬件计算，已可交付芯片团队讨论。
跨平台这笔生意，Momenta也没有放弃。除了英伟达Orin和Thor，它与高通公布的合作横跨骁龙Ride的多个计算平台。X7 Ultra只是为Momenta增加了一套参与原生设计的选择，模型本身仍保留跨平台能力作为兜底。
换言之，Momenta算法正从完全开放转向分层开放：底层提供跨品牌芯片适配；顶层提供性能最优、体验一致性最好的X7 Ultra+R7组合。
按照李宗霖的说法，X7 Ultra将单独销售，与Momenta的算法没有排他关系，车企可以分别采购。他以智己LS6搭载自研IM AD系统为例，该车型的智驾算法与Momenta深度绑定，但系统使用智己自己的IM AD品牌，芯片则选择英伟达Orin X。
对比地平线模式，企业正从芯片侧向算法和整套智驾方案延伸。
从征程2到征程5，地平线向客户提供芯片、算法授权和硬件参考设计。到征程6P，它又下场做全套HSD软件，随后推出的HSD Together允许合作伙伴获得基座模型授权和算法适配服务，车企与供应商可自行完成车型适配、功能定制和系统集成。
两家公司都在谈开放，在软硬一体中寻找平衡点。区别在于，余凯要用一套已跑通的软件，降低客户选择征程芯片的门槛；曹旭东要用一颗提前参与设计的芯片，降低自家模型上车的难度。
是芯片部门还是独角兽
要挑战英伟达，XHEART面对的不只是一颗Orin。
理想的工程师在Orin上改写PTX指令，证明了通用芯片的优化空白，但也证明了Orin的生态优势。
工程师可以借助CUDA编写自己的计算程序，TensorRT负责优化推理执行，DRIVE OS提供车端软件基础。如果一个算子不适合交给专用加速器，开发者可以评估是否转给GPU，再评估产生的额外开销。
这个方法可能耗时、费电，却让工程师有机会在原芯片上交付新功能。车企明知Orin的算力存在大量浪费仍然购买，也是为了确保智驾算法能以更快速度、更低不确定性落地。
当车企要为未来OTA功能升级预埋空间，冗余算力就成为对冲不确定性的方式。
当前智驾功能迭代极快，几个月不上车就可能被对手甩开。通用GPU架构能最大限度保持对不同算法的适应性，CUDA生态已完成了工具绑定和开发者积累，能确保算法团队的训练流程稳步推进，这是车企选择的关键所在。
一部分冗余算力也难以完全解释为浪费。GPU为保持什么都能算的通用性，须预留大量调度和冗余逻辑，这在智驾场景下本身就在消耗资源。另一些余量，则是为了在多个摄像头同时送来数据、泊车任务与障碍物检测争用资源时，最慢的那几帧仍能按时完成。
同时，系统要为故障检测、冗余计算和降级接管预留资源。这些平时闲置的资源，构成了智驾系统的安全冗余。
这是X7 Ultra的真正难题：专用芯片再高效，如果换上去需要花费时间适配、重写工具链，省下的算力很快会被工程成本吞掉。
对X7 Ultra来说，它需要将单一模型的深度优化转化为多模型的可迁移能力，开放编译器、算子库和SDK，降低第三方算法团队的适配成本，公开同条件下的延迟、功耗、模型覆盖和持续运行数据，证明架构可以跨模型复用。
目前XHEART已进入量产节奏。公司披露，X7系列量产八个月，累计出货超过20万颗，已搭载10款量产车型，并获得了超过40款车型的订单。
雷诺、奇瑞、长鑫等产业投资者入场，台积电和上汽出现在发布会，表明XHEART的产业位置初步稳固。而能否迈出这一步，将决定XHEART是Momenta的芯片部门，还是真正独立的芯片企业。
本文来自微信公众号“数智奔流”，作者：白芨，36氪经授权发布。