撰文 | 青竹 编辑｜周长贤
2026年，头部智驾已经集结完毕。在「大模型+世界模型」范式共识下，大家殊途同归，都实现了软硬一体，虽然来时路各不相同：
华为始于软硬锁定的封闭系统；英伟达从通用芯片出发，客户自己算法适配；而Momenta走了一条独特的路，从软到硬，且兄弟联手……
10月29日，Momenta的兄弟公司XHEART「新芯航途」，抢了一步先手棋——发布大模型芯片：X7 Ultra。
同时，Momenta即将发布R7 Ultra世界模型，并且多次强调一个词汇：双方co-design「协同设计」。
“让大模型定义芯片，让芯片承载大模型的下一次进化。”发布会上，XHEART新芯航途CEO李宗霖这句话，概括了大模型芯片的战略意图。
在卷模型、卷数据、卷算力的同时，一款量身协同打造的大模型芯片，可能意味着事半功倍。
Momenta的CEO曹旭东把新的芯片范式，视为指数级增长的关键引擎，并首次公开他的「第三个洞察」。
曹旭东指出，当智能驾驶迈向L4规模化时，车载系统需要承载百亿、千亿参数的大模型，但现有通用车规芯片陷入了 “不可能三角” 。
破解之道就是专用大模型芯片，从现有智能驾驶大模型需求出发，反向定义和设计芯片的NPU架构、内存层级和技术特点。
这并非普通芯片的「升级版」，而是一种范式转移。官方给出的对照是：相比通用芯片路线，同等成本功耗下性能提升潜力约10倍。
那么这颗大模型芯片X7 Ultra 怎么做到的？
大模型芯片：破解不可能三角
新车发布，往往爱展示参数，多大TOPS算力、多少传感器、多少线激光雷达……但这里有个小陷阱，数字并不必然等于能力。软硬不适配的算力，其实根本用不上。
例如，智驾模型已经到大模型阶段，但在用芯片大多是之前的通用芯片或优化版。某些大算力芯片还能堆冗余来应付，但要付出成本和能耗。
于是通用芯片的结构性困境凸显：L4级百亿甚至千亿参数的大模型，要求海量的矩阵运算和向量运算，通用芯片相当一部分算力给了控制逻辑、缓存管理和通用接口，真正矩阵运算的只是一部分。
更关键的是，这些计算单元往往被拆分成许多个小核，彼此之间通过“核间互联”来交换数据。当模型大了，通用芯片就倒腾不开了，不是在运数据，就是在等数据，损耗时间，损耗效率。
尤其在车端功耗、散热和车规可靠性的多重限制下，大部分算力无法被充分调用。
但是，X7 Ultra的设计逻辑不是堆通用算力，而是从大模型倒推芯片架构，重新组织计算、存储和数据流转。芯片定义阶段就与算法团队共同开发，设计模型架构和关键算子，以承接面向L4的大模型。
X7 Ultra 的第一个设计：把“小核之间的对话”，变成“超大核内部对话”。
专为大模型设计的超大核NPU，将传统小核之间百GB/s级的数据交互，聚合至超大核内部TB/s级的高速互联，实现带宽数量级提升。
数据搬运的功耗和时间被大幅压缩。在大模型推理中，数据搬运本身就是功耗的大头。把交互从核间拉到核内，等于从根源上砍掉了一大部分无效消耗。最终“内存带宽消耗下降80%”，核心来源之一就在这里。
第二：给Transformer 里那几个「磨人」的算子，配专用工具。
Transformer 里并不是所有运算都一样，有一些高频关键算子LayerNorm、Softmax、Transpose 等，很耗资源。X7 Ultra给它们配置高精度专用加速引擎，不再频繁占用通用计算单元，浪费算力。
第三：并行度打开，让计算单元「别闲着」。
计算单元再多，如果调度不当，很多单元会在那里等数据、等权重加载，实际干活的只是一部分。
X7 Ultra 在底层做了软硬协同的并行度解锁，让更多计算单元同时工作，并且让“计算”和“权重加载”并行，减少互相等待的空窗期。
这不是单纯堆硬件，需要对AI工具链做整网级融合，统一编排模型计算任务，减少中间结果反复读写外部内存。
第四：Armv9车规级CPU，一个强大的「管家」。
NPU算得够快，如果控制和调度跟不上，最终还是被卡。X7 Ultra在中国首发量产了Armv9车规级CPU，性能提升20%，能效提升10%，大集群架构提升了多核协同与L3访存性能，并集成了SVE2向量处理引擎，让整颗芯片高效协同。
第五：深度异构计算：传感器专用计算「随手干活」
其实和“核内数据交互”是同一个逻辑，都是减少数据搬运。
激光雷达和摄像头产生海量原始数据，如果全部先送到NPU“预处理”，会占用大量带宽和时间。X7 Ultra的思路是：用专用计算单元就地完成预处理，减少中央计算负担，激光雷达处理带宽最高达到2000万点/秒，预处理稳定性提升100%。
以上几个动作下来，效果立竿见影：