头图来源 | 新芯航途
作者 | 宋文
编辑 | 苏鹏
最近两年，车端芯片的参数表像被按了加速键。
几十 TOPS、几百 TOPS、上千 TOPS，发布会 PPT 一页比一页炫，数字一轮比一轮大。车企发布新车，芯片算力成了必报科目，媒体评测里 "总算力" 也成了默认的硬指标。
但一个反常识的问题开始浮现：算力越大，车就一定开得越好吗？
答案未必。TOPS 是理论峰值，相当于发动机铭牌上的最大马力。
能不能跑出来，取决于数据能不能及时喂到计算单元嘴边。大模型的特点是算得多、搬得更多。
参数要从内存读出来，中间结果要写回去、再读出来，很多时候芯片不是在算，而是在等。业内管这个叫 "内存墙"。
10 月 29 日，苏州，一家叫新芯航途（XHEART）的芯片公司发布新一代大模型芯片 X7 Ultra，标称 700 TOPS。
这个数字放在今天并不炸眼，行业里已经有人把算力卷到了 2000 TOPS。但这家公司刻意强调的不是峰值，而是另一个概念：算力利用率，基于量产智驾大模型实测，X7 Ultra 的 NPU 利用率做到 98.7%。
它想传递的信号很明确：堆数字的时代正在过去，算力能不能被真正用起来，才是下一轮竞争的胜负手。
车装不下数据中心，
算力内卷撞上物理天花板
先别急着否定算力增长。
端到端大模型取代多小模型分工，是智驾行业正在发生的架构换代，从感知到决策，越来越像一个整体在 "开车"。Momenta CEO 曹旭东的判断是，要实现规模化 L4，模型至少需要百亿甚至千亿参数。这个方向没有悬念，模型确实会越来越大。
真正的约束在车端。车不是数据中心，不能无限堆电、无限堆热。一台车要给电池、座舱、传感器留空间，还要控成本、控能耗、控散热。
行业里常说的 "通用芯片不可能三角"，性能、功耗、车规可靠性，本质上是给 "无限堆算力" 划了三条红线。
这意味着芯片行业过去那套 "制程升级 + 堆核心" 的路径，在车端会先撞墙。一颗芯片纸面算力再高，上了车跑不稳、烧不起，参数表上的数字就只是数字。这也是为什么过去两年不少车企一边发布高算力平台，一边在量产车上 "锁算力"—— 宣称的峰值和实际释放的能力之间，隔着散热和成本两道闸门。
更隐蔽的问题在架构。
传统智驾芯片多为多小核 NPU 设计，是为小模型时代优化的，核间数据交换带宽在百 GB/s 量级。模型一大，数据搬运成了瓶颈，芯片内部大量时间在 "空转"，堆再多算力，不过是把等待的规模做得更大。
来源：新芯航途
图灵奖得主 Jack Dongarra 在发布会上提了一个观点：30 年前最昂贵的是浮点运算，今天浮点算力已经相对充裕，越来越关键的资源是数据搬运。
这个判断放在车端尤其成立 ，峰值算力重要，但更重要的是这些算力能否在功耗、成本和响应时间的约束下真正被用起来。
软件公司下场定义芯片，
汽车行业走在了前面
一个值得注意的产业信号是：软件公司正在深入硬件。
去年 10 月，OpenAI 宣布与博通合作开发定制 AI 加速器，由 OpenAI 负责系统架构设计；Anthropic 则与亚马逊芯片团队 Annapurna Labs 绑定，参与后续几代 Trainium 加速器的开发。
大模型公司不再满足于在通用芯片上做适配，而是想把对模型的理解直接写进硬件。
汽车行业其实更早撞上这个问题，而且约束更严。数据中心可以加服务器、加散热，车不行。
过去几年的国产智驾芯片，大多是车企或芯片公司按 "通用路线" 设计，模型来了再适配。这套模式的痛点很明显：芯片设计周期以年计，智驾模型的大版本按月更新，等芯片出来，模型已经迭代了几轮。
XHEART 走的是另一条路。
这家公司 2023 年成立，前身脱胎于 Momenta 的芯片设计项目，CEO 李宗霖曾是 OPPO 芯片公司哲库高管。成立之初，它就能直接接触 Momenta 已量产的模型，以及算法团队对下一代模型的判断。
双方在 2022 年底就形成共识：先看模型需要什么，再倒推芯片怎么造，而不是先造一颗通用芯片，让模型削足适履。
落到 X7 Ultra 上，这套思路的痕迹很具体。
模型从多个小模型走向端到端，计算越来越集中，X7 Ultra 就采用超大核 NPU，把原本发生在小核之间的数据交互收拢到大核内部，互联带宽从百 GB/s 级提到 TB/s 级；
Transformer 成为主流架构后，针对其中耗时最大的计算加入专用硬件加速单元；工具链也重构了，中间结果不必每步都写回外部内存再读出来。
这套 "模型定义芯片" 的做法，本质上是在流片之前，就把算法适配、功能验证的工作做完。
效果体现在量产节奏上：X7 回片后不到 24 小时点亮，17 天实现整车闭环，Momenta 在其上跑通整个流程用了 21 天 ，而行业里通用芯片的适配周期，通常是 3 到 6 个月，慢的超过一年。
车企愿意等一家初创公司，
算的是另一笔账
芯片行业的商业逻辑，最终要看车企愿不愿意买单。
这也是 XHEART 这份成绩单最值得拆解的地方：成立三年，量产 8 个月，X7 系列累计出货超 20 万颗，搭载 10 款量产车型，拿到超过 40 款车型订单。
上汽大众 ID.ERA 9X、荣威家越 07、MG 07、凯迪拉克 XT5 PHEV 等车型已经陆续上市，神龙科技也宣布面向标致、Jeep的智能化车型采用 XHEART 芯片。
车企为什么敢用一家初创公司的芯片？上汽大众的例子能说明一部分。
上汽集团总裁贾健旭回忆，双方最初讨论合作时，重点还是 Momenta 的智驾软件。聊到芯片，曹旭东告诉他芯片已经在准备，反问大众敢不敢用。贾健旭的回答是 "就这么干"。
芯片还没回片，双方就开始设计域控，把芯片和其他器件提前做系统集成。
这笔账的关键不在 "敢不敢"，而在时机。XHEART 进入市场的时间点，恰好是车企普遍为高阶智驾平台寻找性价比方案的阶段。
头部芯片的算力不断上探，价格和功耗也跟着上探，而中低价位车型对成本极度敏感。一颗能跑大模型、功耗可控、且不用等半年适配的芯片，对车企的吸引力，不亚于纸面算力再高一个量级。
还有一层是算法生态的绑定。
X7 目前除了运行 Momenta 的模型，已经有车企把自研算法部署在这颗芯片上 。
XHEART 和 Momenta 在项目上深度协同，商业上 "各卖各的"，车企可以分开采购芯片和算法。这给了车企一个灵活的选项：既不用把灵魂交给一家芯片公司，又能用上为模型优化的硬件底座。
曹旭东给过一个判断：大模型定义的芯片相比通用芯片，性能能提升 10 倍。
如果这个倍数成立，对车企意味着同一套功耗预算，能跑更大的模型；同样的模型，发热更低、运行更稳。在智驾功能趋同、成本压力加大的当下，这个账越来越有吸引力。
押注模型演进的赌局，风险与红利并存
但这条路线不是没有代价。最大的风险，是押注的模型演进方向可能出错。
芯片做出来后很难像软件一样随时修改，快则两三年、慢则三四年才出一颗。而智驾模型的大版本按月迭代，行业共识是芯片设计必须提前看清模型的演进方向，否则芯片一出来就落后了。
曹旭东自己也承认，做芯片如果对未来市场判断失误，哪怕没有技术问题，也可能卖不出去。
XHEART 的赌注下在了 "模型会越来越大、越来越集中，Transformer 仍是主要架构" 上。
X9 已经在路上，计划 2027 年推出，3000 TOPS、700GB/s 内存带宽，面向更大的世界模型。这个参数选择本身也是一种判断：不是单独拉高算力，而是算力与访存带宽同步提升 这和 X7 Ultra"算得快也要喂得上" 的逻辑一脉相承。
竞争也在加剧。英伟达、地平线等玩家在算力和生态上各有壁垒，车企自研芯片的队伍也在扩大。XHEART 的优势在于和 Momenta 的深度绑定，后者智驾方案已搭载超过 120 款车型，手中还有超 240 款车型定点，这给了 XHEART 一个现成的客户入口，也让它能持续获得模型演进的第一手信息。
但反过来，对单一算法伙伴的依赖，也意味着一旦 Momenta 的路线判断出现偏差，芯片的销路会直接承压。
车规芯片的可靠性还需要时间积累。消费电子芯片可以在两三年内验证，车规芯片则需要在真实路况、极端环境下跑出足够多的里程和数据。20 万颗出货是起点，但距离 "被市场充分验证"，还有很长的路。
下半场，拼的是被用起来的算力
回到开头那个问题。智驾上半场，拼的是谁先把功能做出来、谁的覆盖更广；
下半场，拼的是另一套能力：同样的模型，谁的功耗更低、成本更可控；同样的算力，谁的真实利用率更高；同样的迭代周期，谁的软硬协同更紧密，能让芯片跟上模型每年的进化。
算力永远不嫌多。但大模型时代，真正稀缺的不是 TOPS，而是能被模型实实在在用起来的 TOPS。当智驾从辅助驾驶迈向 L3、L4，用户感受到的不会是参数表上的数字，而是雨夜里一次平稳的变道、复杂路口一次从容的通过。
"让大模型定义芯片" 这句话，与其说是一种技术路线，不如说是一种回到本质的提醒：芯片的价值，不在于它有多大，而在于它让模型走得多远。
—完—
