鼎冠策略 Momenta：智驾最后的竞争，为什么离不开软硬一体？

当智驾迈入大模型时代，行业竞争的边界，正从软件层延伸至硬件芯片层。

10月29日，Momenta的“兄弟公司”XHEART新芯航途在苏州举办发布会，推出大模型芯片X7 Ultra。XHEART是一家年轻的芯片公司，脱胎于Momenta的内部芯片项目，2023年12月开始独立运营。早在2022年年底，Momenta CEO曹旭东便意识到，智驾的竞争不能局限在软件层面，他们需要启动芯片研发，为算法搭建适配的硬件底座。如今，曹旭东的软硬协同布局到了落地的时候。

Momenta创始人曹旭东。

同步亮相的，还有Momenta即将发布的R7 Ultra世界模型。相似的命名似乎暗含着芯片与模型之间紧密的协同关系，用XHEART CEO李宗霖的话来说，就是“让大模型定义芯片，让芯片承载大模型的下一次进化”。

要理解这一思路背后的取舍，就得先回到Momenta对于规模化L4的底层判断。

必须要有专用的大模型芯片，才能实现规模化L4

Momenta从成立之初就把目标定在规模化L4，要让百万台、千万台无人车在不同国家和地区跑起来。要实现这一目标，智驾系统必须解决数百万个长尾场景问题。这也是Momenta从一开始就押注数据驱动和量产路线的原因。目前，Momenta累计量产规模已突破140万台，量产交付的节奏还在持续加快，最近10万台的落地用时不到一个月。

但在曹旭东看来，数据继续增加（Data Scaling）还不够，模型本身也需要变大（Model Scaling）。发布会上，他分享了一个早已成型但一直未公开的判断：要实现规模化L4，智驾模型的参数量至少要达到10B，长期看大概率需要100B。其实，早在2022年年底ChatGPT爆发时，曹旭东就已经意识到大模型范式的潜力，预判智驾领域将迎来模型能力快速迭代的拐点。

X7 Ultra芯片原生支持Momenta当天发布的大模型R7 Ultra。

而当车端模型向百亿、千亿参数跃迁，继续依靠通用GPU提供算力，将面临越来越大的挑战。“相当于要在车内放一台巨大的GPU服务器”，曹旭东说，“这个功耗车端是受不了的，何况还要满足车规的要求，成本同样很高。”但反过来，如果强行压缩算力资源，模型能力又会被限制。由此，曹旭东认为，行业需要一类从大模型真实业务需求出发、专门为之设计的车规芯片，而不是让大模型被动迁就已有的通用硬件架构。

和曹旭东有着相近思考的是深耕芯片行业20多年的李宗霖。李宗霖曾任OPPO旗下芯片公司“哲库”COO，更早之前，他在联发科任无线通信事业部负责人，主导过Helio与天玑系列芯片的研发。2023年5月，“哲库”关停，经过多轮交流，李宗霖与曹旭东在大模型重塑智驾芯片的方向上达成共识。2个月后，李宗霖带领哲库核心骨干加入Momenta，牵头芯片项目。

XHEART新芯航途CEO李宗霖。

“我们跟旭东做了大量的讨论，我们相信智驾会从传统的规则判断，剧烈转向数据驱动，模型会变成一个快速转动的飞轮。”李宗霖在发布会上回忆。但即便有这个共识在前，对芯片路线的抉择，依然充满不确定性。摆在团队面前的是两条路：一条是当时行业的主流选择，即开发通用型芯片，更稳妥，但性能上限不高；另一条路则是围绕大模型重新设计芯片，算力利用效率更高，但要承担技术路线判断错误的风险。2023年的资本市场并不景气，李宗霖的芯片团队体量尚小，而芯片研发又是重投入、长周期的事，“在资源很有限的情况下，我们只能做一次选择，只有一次机会了”，李宗霖说。

最终，他们选择了后者——大模型定义芯片。

重构芯片设计范式

所谓大模型定义芯片，本质是从大模型的推理诉求出发，重新组织芯片内部的计算、存储与数据流，让芯片资源真正消耗在模型运算上而不是反复的数据搬运上。

目前，主流芯片仍沿用冯·诺依曼架构，计算与存储分离，这就导致数据搬移消耗的时间与能耗高于计算本身。哪怕是简单的一位数加法，也要经历2次取数、1次运算、1次回写的流程——4步里面只有1步是在做计算，其他时间都消耗在了数据搬移上。大模型出现后，参数量暴涨，模型推理大量用到乘累加运算（Multiply-ACcumulate，MAC），进一步放大了这个问题。

XHEART的核心解决思路是采用超大核NPU，让大部分数据交互在核内完成，并为Transformer模型中频繁出现的算子配置专用加速器；与此同时，重构AI工具链，尽量减少中间结果反复读写外部内存带来的带宽开销。根据XHEART基于量产智驾模型做的实测，X7 Ultra的NPU计算利用率达到98.7%，在大模型性能相当的前提下，对比行业旗舰产品，X7 Ultra内存带宽消耗下降80%，能效提升100%。

在这样的设计下，X7 Ultra可释放700 TOPS大模型算力。这一性能来自真实量产智驾模型实测，且以量化后模型输出与FP32模型的相似度达到99.99%以上为前提：模型结构不能随意调整，精度和驾驶体验不能打折，性能优化必须经得起量产检验。

X7 Ultra大模型算力达700TOPS。

芯片的研发流程同时被改写。过去，芯片公司先完成设计工作，算法团队再做适配；现在则需要在芯片设计之初就从模型的运行逻辑出发做规划，并且每一个关键节点都要评估软硬协同的效率。在这个过程中，Momenta的算法专家会把模型在芯片上运行的瓶颈、对关键算子未来演进趋势的判断同步给芯片团队，“这个输入是最关键的”，李宗霖说。然后，XHEART负责把这些需求落实到具体的芯片架构开发、存储带宽配置、算子和工具链设计等环节中。

今年2月，XHEART的首款产品X7系列芯片量产，由台积电代工，首发客户为上汽大众——从公司成立到量产，用时两年多。截至此次发布会，X7系列累计出货超20万颗，落地10款量产车型，包括ID.ERA 9X、荣威家越07、MG07等，并拿到40多款车型的定点。此外，基于双X7的L3/L4计算平台也已获得多个项目定点。

让市场意外的是X7的回片上车速度（注：“回片”指芯片完成流片后，晶圆厂把封装好的样片交回设计方）。据李宗霖介绍，他们只用了17天就跑通了智驾全链路闭环。他在媒体交流环节中解释说，这主要是因为他们把软硬集成和优化的工作前置了，“在流片之前，就跟Momenta一起用量产大模型做全芯片仿真验证”。

这恰好击中了通用芯片时代的行业痛点。曹旭东提到，由于通用芯片的设计面向广泛应用场景，软硬件不匹配是常态。客户拿到通用芯片之后，运气好的能在3到6个月内实现“跑通、跑稳、跑对、跑好”，部分项目要6到12个月，甚至更长，这也是主机厂往往不愿意充当“第一个吃螃蟹的人”的关键原因。

不过，芯片研发周期往往长达几年，而模型迭代以月为单位，如何确保当下提出的芯片需求在几年后依然成立始终是一道难题。曹旭东承认，他们“没有一个固定的公式”，这要求相关团队对行业具有前瞻性的洞察，这种洞察，一方面来自Momenta十年智驾行业的积累，另一方面也源于和车企客户在中长期产品规划上的持续对齐。

专用也不等于和某个模型“锁死”。李宗霖称，X7 Ultra面向的是Transformer这一模型架构，而不是某一个固定版本。只要模型仍在这一范式内演化，新模型就可以继续部署和优化。对一辆可能使用十年的汽车来说，这种余量与当下的性能同样重要。

软硬一体加速“智驾摩尔定律”

2024年6月，曹旭东对外提出“智驾摩尔定律”——智驾的安全性和性能每两年提升10倍。在他看来，行业过去4年的演进轨迹已初步印证这一定律。2022年，智驾还多是尝鲜功能，用户基数和渗透率都不高；2024年，产品体验逐渐成熟，城市NOA迎来爆发；中金公司研究部数据显示，截至2026年5月，中国城市NOA渗透率达到25%。

随着大模型芯片的落地，曹旭东认为智驾体验的迭代节奏还将进一步加快，从每两年提升10倍，提速至每年提升10倍。他表示，过去4年，车端模型的规模增长了5到10倍，在大模型芯片的“助力”下，未来两年有望实现10到100倍的扩张。“2028年有望复刻2024年在城市NOA的引爆，成为L3、L4的引爆点，而2030年将迎来L3、L4规模化落地”，曹旭东在发布会上说。

这套软硬协同的思路，将率先在X7 Ultra和R7 Ultra上得到验证。Momenta称，以X7 Ultra为硬件底座，R7 Ultra世界模型参数量将扩容至原来的5倍，未来他们还会进一步把模型参数扩大到10倍，让世界模型从“理解世界”走向“推演世界”。

针对更大的模型，XHEART也在发布会上公布了下一代芯片X9的研发目标：3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划于2027年推出。值得说明的是，XHEART的芯片同时面向Momenta之外的客户供货，李宗霖将他们和Momenta的关系类比为PC时代的英特尔与微软——研发上深度协同，产品各自独立，交由客户自主选配。

下一代芯片X9大模型算力目标为3000TOPS。