（本文系紫金财经原创稿件，转载请注明来源）

10月29日，苏州，XHEART新芯航途发布会。

CEO李宗霖开口的第一句话就是：“让大模型定义芯片，让芯片承载大模型的下一次进化。”台下坐着图灵奖得主Jack Dongarra、台积电副总经理陈平，以及Momenta CEO曹旭东。规格不像一家成立仅有三年公司的产品发布会，更像是一次行业路线的公开宣言。

当天发布的X7 Ultra，700 TOPS大模型算力，单独拿出来并不震撼，这个数字在行业里并不稀奇。真正让台下人交头接耳的是另一组数据：在量化部署后模型输出与训练后FP32浮点模型相似度不低于99.99%的约束下，NPU计算利用率跑到了98.7%；同等大模型性能下，内存带宽消耗较行业旗舰下降80%，推理能效提升100%。

这组数据戳破了一个行业里心照不宣的秘密：过去五年，我们卷的TOPS，可能卷错了方向。通用芯片在真实智驾大模型上的有效算力利用率，常常只有标称峰值的三成左右。标称1000 TOPS，实际部署中真正能用的可能只有300 TOPS。

目前行业发展的趋势是，智能驾驶正在从多个小模型分工协作，走向端到端大模型。模型架构变了，芯片的设计逻辑也必须跟着变：算力能否在真实量产模型中充分发挥，架构能否跟上模型迭代，能否在有限的能耗与散热条件下支撑更强的智能？过去“先做芯片、再让模型适配”的节奏，已经越来越难以回答这三个问题。

XHEART新芯航途的解法，是把顺序颠倒过来。紫金财经想论证的正是这个判断：智驾算力的底层逻辑，正在从“芯片挑模型”翻转为“模型挑芯片”。当模型开始反向定义硅片，芯片行业的排名规则将不再是标称TOPS，而是谁能把算力发挥到极致，真正用出来。

被“适配”耽误的五年：纸面算力与实际部署的差距

过去几年，智驾芯片的竞争看起来无比清晰：制程更先进、TOPS更高、能效比更好。仿佛只要峰值算力堆得足够高，再复杂的模型总能被“适配”上去。

问题就出在“适配”这两个字上，它默认了一件事：芯片是起点，模型是后来者。

这套逻辑在小模型时代是成立的，感知一个模型、预测一个模型、规划一个模型，彼此独立，负载可控，通用NPU足以应付。但端到端大模型进来之后，计算特征发生了质变：注意力机制的访存模式是跳跃的，层归一化和Softmax是向量密集的，大规模参数下内存带宽的压力远超卷积时代。通用NPU里为CNN准备的张量单元，面对这些“大模型特产”算子大量空转。

更麻烦的是节奏错位，一款车规级芯片从定义到量产要三到四年，而智驾模型的核心架构两年就可能迭代一代。芯片还在流片，它要服务的模型可能已经换了模样。

曹旭东在发布会上把这条裂痕命名为“不可能三角”：规模化L4需要百亿到千亿参数模型，但车规场景同时卡着功耗、可靠性和成本三条红线。通用芯片很难在这三个顶点间找到可行解：标称算力上去了，功耗爆表；功耗压住了，带宽不够；都凑合了，过不了车规。

这就是为什么XHEART的起点选择如此关键，2023年创业之初，它选定的路线就叫“大模型定义芯片”：从真实量产模型的需求出发，倒推芯片架构，重新组织计算、存储和数据流转。李宗霖把它拆成三道题：算力能否在真实量产模型里充分发挥，架构能否跟上明天的模型，能否在合理能耗下拿到所需能力。

这是对五年“纸面算力”军备竞赛的一次纠偏，过去比的是芯片的最大算力，现在比的是部署之后的有效算力。前者给投资人看，后者给车主用。

“不可能三角”的裂缝：为什么算法公司反手造芯

技术路线要落成产品，靠的是系统工程能力。X7 Ultra的六大产品优势，本质上都是对着“不可能三角”的裂缝在发力。

专为大模型设计的超大核NPU，把传统小核之间百GB/s级的数据交互聚合成超大核内部TB/s级高速互联，带宽实现了数量级的提升；硬件并行度解锁，让更多计算单元同时工作，计算与权重加载并行，这是98.7%利用率的来源；AI工具链重构，整网级融合统一编排计算任务，减少中间结果反复读写外部内存，这是带宽降80%、能效翻倍的工程基础。再加上中国首发量产Armv9车规CPU、深度异构计算、软硬兼备的安全能力，六项能力指向同一个逻辑：让芯片的每一个计算周期都被模型的真实需求填满。

这套计算逻辑设计的起点不是芯片规格表，而是“先理解大模型，再设计芯片”。能做到这一点，是因为XHEART与Momenta的关系不同于普通的芯片公司与算法公司。

曹旭东在发布会上首次完整披露了Momenta的三个洞察：数据驱动解决长尾，规模量产获取海量数据，第三个就是“大模型定义芯片”。这个判断早在2022年底就已形成，并由Momenta与XHEART共同付诸行动。算法公司反手造芯，并不是简单的一时冲动，而是算了一笔账：通用芯片的“不可能三角”无法通过修修补补突破，必须有人从模型需求出发，把硅片按照智能驾驶的逻辑重新画一遍。

协同的成果已经在路上，即将发布的R7 Ultra，基于X7 Ultr支撑，模型参数规模扩大5到10倍，安全性能提升5到10倍以上，推动世界模型从“理解世界”走向“推演世界”。这些增量并不是算法单方面的跃进，而是模型与芯片从设计阶段就相互咬合。Momenta把模型演进方向提前带入芯片定义，XHEART围绕模型需求优化架构与执行效率，车端计算约束再反馈到下一轮模型研发。

图灵奖得主Jack Dongarra在现场评价说，让算法、软件与芯片团队在设计定型前就紧密协作，是面向大模型时代更有效的研发方式。XHEART改善了芯片内部及芯片之间的数据搬运效率，这正是软硬协同优化的重要方向。台积电副总经理陈平博士则带来另一层背书：“我们的工艺已经准备好了。”先进工艺、算法洞察、芯片架构三层叠加，才是“大模型定义芯片”完整的底座。

从20万颗到2028：算力定义权开始换手

技术叙事再完整，最终也要过量产这道关。XHEART的速度确实罕见：从成立到芯片量产，仅仅用了两年时间；首颗X7回片后不到24小时点亮、主要数据通路全部打通；第17天完成芯片、底层软件与智驾模型的整车闭环，在真实道路上经受白天、夜晚及暴雨等特殊状况的检验。

截至到10月29日的发布会当天，X7系列量产8个月，累计出货超20万颗，搭载10款量产车型，获得超40款车型订单。基于双X7的L3/L4计算平台也已获得多个车型项目定点。这些数字的意义不在规模本身，而在于它们把“定义权”从设计文档阶段直接拉升到了真实道路应用阶段，芯片不单单是实验室里跑通，而是被客户批量买走，安装进量产车，经历用户每天的严苛使用。

下一场硬仗是X9，3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划2027年推出。注意其中的权重变化：算力翻4倍多，而带宽被放到了与算力并列的战略位置。行业里越来越明确的一个判断是，端侧大模型的瓶颈正从“算力墙”切换到“内存墙”，车载场景batch size通常只能设到1到4，大量计算单元在等着数据搬进来。带宽，似乎成了木桶上最短的板。

曹旭东在现场给出一条更陡峭的曲线：他称之为“智驾摩尔定律”：从2022年到2026年，智驾能力每两年提升十倍；面向未来，推动这一规律迈向每年十倍提升，关键是切实实践“大模型定义芯片”。他判断，L3和L4有望在2028年迎来重要引爆点，并在2030年走向规模化落地。

这意味着芯片的迭代节奏必须跟上模型的迭代节奏。李宗霖说得很直白：“量产一代、开发一代、预研一代。”

X7 Ultra定义的是对当下Transformer推理的最优适配，X9定义的是对下一代世界模型计算密度的提前预判。但这也带了来一个真正的考验：XHEART定位是开放芯片平台，它必须在Momenta之外面向更多形态的模型证明自己：不同参数量、不同算子组合、不同精度策略，都要能跑出高效率。专用但不封闭，是这条路上最窄的一道门，也是最具想象力，最具前景的一道门。

尾声

这场发布会真正发布的，已经不单单是一颗芯片，而是一把新的标尺。

过去十年，智驾行业用TOPS排序，但从X7 Ultra开始，排序的逻辑已经开始松动：纸面算力的边际价值在下降，“让每一个算力周期都被模型的真实需求填满”的能力在升值。98.7%是一个需要更长量产时间、更多车型来检验的数字，但它的存在本身，已经把“有效算力”这个更直接、更残酷、更有效的度量衡摆上了台面。

当然，“大模型定义芯片”不会消灭TOPS竞争，但它会改变竞争的内涵。当模型开始反向书写硅片，谁离模型的迭代最近，谁就握有下一代智驾的底层定义权。

更进一步地看，这条规律不只在汽车行业里生效。曹旭东说得很清楚：百亿、千亿参数模型要落地，不可能只靠汽车，机器人、物理AI、端侧智能等等，所有需要大模型在物理世界中实时推理的场景，都面临同样的功耗、可靠性与成本约束。XHEART今天写下的这套方法论，提前占位的是更宽的多条赛道。

一颗芯片真正的竞争力，或许不在于它标称算力多少，而在于它有多高效地利用算力。而智驾的下一个十年，大概率不会再按TOPS排名了。