智能驾驶的下一场决战，或许不只在算法，更在芯片。
当自动驾驶向规模化L4迈进，世界模型正成为推动技术突破的重要力量。然而，模型参数规模从十亿级迈向百亿级乃至千亿级，车端算力、功耗与成本之间的矛盾也愈发突出。更强大的模型，如何真正装进汽车，并实现大规模量产？这不仅是智能驾驶产业面临的新挑战，也可能成为影响下一轮竞争格局的关键。
10月29日，XHEART新芯航途发布大模型芯片X7 Ultra，Momenta同步展示R7 Ultra世界模型的最新进展。双方以“大模型定义芯片”的技术路线，推动模型需求与芯片架构深度协同，为规模化L4自动驾驶提供新的技术支撑。对于Momenta而言，这也意味着其正尝试构建从算法、芯片到整车应用的系统性竞争能力。
规模化L4竞赛开启
大模型倒逼芯片架构升级
此前，Momenta CEO曹旭东提出，2028年有望成为L4自动驾驶的重要引爆点。他将智驾安全性与性能每两年提升十倍的趋势概括为“智驾摩尔定律”，并认为世界模型、数据规模扩展（Data Scaling）和模型规模扩展（Model Scaling），将加速“智驾摩尔定律”，提升至每年十倍。
对于规模化L4而言，真正的挑战不仅是让汽车在常规道路环境下完成驾驶任务，更在于能否应对数量庞大、难以穷尽的复杂长尾场景。Momenta R7世界模型，正是围绕这一方向展开探索。其通过预测学习物理世界的运行规律，结合真实驾驶数据和后训练掌握驾驶知识，并利用仿真与强化学习提升应对复杂长尾场景的能力。
不过，更强的模型能力也意味着更高的计算需求。按照Momenta的判断与估算，为支撑规模化L4所需的复杂场景理解与决策能力，未来模型参数规模可能需要达到10B至100B，即百亿至千亿参数级别。
模型规模扩大，对车端计算平台提出的挑战不仅是算力增长，还涉及存储容量、数据传输带宽及实时推理效率。与云端数据中心不同，汽车计算平台必须在满足实时性、安全性和可靠性要求的同时，兼顾功耗、散热与硬件成本。
由此，行业面临一个现实矛盾：不断增加计算资源，可能推高整车成本和能耗；压缩计算资源，又可能限制模型能力发挥。如何让更大规模的模型以合理成本实现车端部署，成为智能驾驶规模化落地的重要课题。
值得关注的是，在10月29日的发布会上，曹旭东首次公开分享了Momenta的第三个洞察——“大模型定义芯片”。据其介绍，Momenta早在2022年底便提出这一技术方向，并与XHEART共同推进相关技术落地。在曹旭东看来，规模化L4需要百亿至千亿参数级别的大模型，而通用芯片在满足相关需求时，面临功耗、车规可靠性与成本难以兼顾的“不可能三角”。
XHEART提出的“大模型定义芯片”技术路线，正是从模型的实际运行需求出发，针对性优化芯片的计算架构、存储资源及数据传输路径。“在智驾这一应用领域里，用户就是算法模型。”XHEART新芯航途CEO李宗霖表示，芯片开发周期较长，而算法模型迭代较快，因此需要在架构设计初期就考虑未来模型的发展趋势。
李宗霖介绍，XHEART在架构评估阶段便引入真实大模型的运行需求，并将计算、存储、带宽和工具链纳入整体设计。针对大模型推理过程中频繁出现的数据搬运问题，XHEART选择超大核NPU架构，对高频算子及数据传输路径进行优化，以提升计算效率并降低系统功耗。
这一技术路线也有了实际测试数据支撑。李宗霖透露，基于真实量产智驾模型的实测，X7 Ultra的NPU计算利用率达到98.7%；据XHEART披露，在大模型性能相当的条件下，与行业旗舰产品相比，其内存带宽消耗降低80%，能效提升100%。
在李宗霖看来，智能驾驶从L2向L4演进，并非算力的简单叠加，而是计算方式与系统架构的升级。除了峰值算力，内存带宽、片上存储容量、推理时延及功能安全能力，都需要系统性考量。
从软硬协同到规模量产
Momenta布局下一阶段竞争
对于智能驾驶企业而言，技术路线能否转化为长期竞争力，最终仍需要接受量产市场的检验。
今年8月，Momenta、XHEART与QNX宣布合作，计划将自动驾驶算法、车规级芯片与安全操作系统相结合，共同打造面向量产的自动驾驶平台。
这种合作并非简单的算法与硬件适配。李宗霖表示，Momenta是XHEART重要的战略合作伙伴，双方在芯片架构设计初期便开展技术交流。Momenta算法团队提供模型实际使用中的痛点、未来算法演进方向及算子需求等信息，XHEART则负责芯片架构选择与硬件设计。
李宗霖透露，在X7系列芯片流片之前，XHEART就已与Momenta利用量产大模型开展全芯片仿真验证，通过不同场景的数据反复测试，将部分软硬件集成与优化工作前置，以降低芯片回片后的集成风险。
此次发布会上，Momenta也公布了R7 Ultra世界模型的最新进展。据介绍，R7 Ultra的模型参数规模扩大至原来的5倍，安全性能表现提升5倍。在硬件层面，XHEART此次推出的X7 Ultra提供700 TOPS大模型算力，并采用超大核NPU架构，为更大规模世界模型的车端运行提供计算支持。
在多把掉头、会车博弈、倒车让行、极限泊车等复杂场景中，Momenta表示，R7 Ultra展现出更强的场景理解、推演与预测能力。按照后续规划，Momenta还将进一步把模型参数规模扩大至原来的10倍，并推动安全性能表现提升至10倍以上。
量产项目方面，李宗霖介绍，X7系列芯片于今年2月启动量产，相关产品已布局上汽大众ID. ERA 9X、ID. ERA 8X、荣威家越07、MG07等车型。截至目前，X7系列芯片累计出货超过20万颗，已支持10款客户车型量产，另有超过40款车型获得定点，客户覆盖国内车企及部分国际汽车品牌。
Momenta自身的量产规模，也为双方技术合作提供了重要基础。截至今年10月，Momenta累计量产交付超过140万台，累计行驶里程突破200亿公里。其中，首个10万台交付用时约24个月，而最新10万台交付已不足一个月。
从商业竞争角度看，软硬协同的价值不仅在于提升模型性能，也在于增强规模量产的可行性。李宗霖认为，峰值算力只是基础参数，整车企业更关注模型部署后的实际表现，包括响应时延、运行稳定性、持续升级能力，以及芯片的可靠性和量产交付能力。对于整车企业而言，智能驾驶方案能否进入更多主流车型，还取决于计算平台能否在性能、成本和功耗之间取得平衡。
资本层面，XHEART近期也获得新的支持。10月中旬，公司宣布完成战略轮融资，历史累计融资额接近50亿元。其中，欧洲车企雷诺集团首次投资，奇瑞汽车追加投资，国产存储企业长鑫科技亦参与其中。来自整车企业及半导体产业链的资本支持，为XHEART持续研发和规模量产提供了更多资源，也为其与Momenta持续开展技术协同提供支撑。
大模型芯片的应用空间还可能向机器人等物理AI领域延伸。李宗霖表示，自动驾驶与机器人在环境感知、决策、响应速度和能效等方面具有相似需求，但机器人对功耗、散热及精细动作控制提出了不同要求。目前，XHEART已将机器人市场纳入未来规划，并与部分机器人企业开展项目交流。
面向下一阶段，XHEART还规划了X9芯片。按照李宗霖披露的技术目标，X9计划达到3000 TOPS大模型算力及700GB/s带宽，面向L4自动驾驶和具身智能等端侧物理AI场景，支持更大规模模型的运行。
从X7系列的量产布局，到X7 Ultra与R7 Ultra的协同探索，Momenta与XHEART正尝试将大模型研发、芯片设计和规模化应用连接起来。对于瞄准规模化L4的Momenta而言，与XHEART的深度合作不仅意味着获得更契合大模型需求的底层计算平台，也为下一代世界模型的持续迭代和量产落地提供了新的支撑。
当大模型成为智能驾驶能力持续进化的重要驱动力，下一阶段的竞争或许不再只是比拼算法能力与算力规模，更在于能否将模型性能、芯片效率与规模量产能力真正结合起来，形成持续迭代的竞争优势。
文/张程
