我们应该早点告别算力“摸鱼”时代

高阶智驾这两年，可以用一个字概括：卷。

卷城市NOA的覆盖范围，卷无图方案的落地速度，卷端到端大模型的参数规模。车端芯片的算力数字也一路水涨船高，从几十TOPS到几百，再到一千、两千。发布会的PPT越做越炫，参数表越写越长。

但我想提出一个朴素的问题：算力越大，车就一定开得越好吗？

先说清楚趋势，我们的判断是：方向没错，“越大越好”却站不住。

智能驾驶正在经历架构层面的换代。过去是多个小模型分工协作，感知归感知，规划归规划；现在是端到端大模型，从传感器输入直接到驾驶决策输出，像一个真正会“开车”的整体。

Momenta CEO曹旭东在发布会上给出的判断是：实现规模化L4，需要百亿到千亿参数的模型；2022年到2026年，智驾能力大约每两年提升十倍；L3和L4有望在2028年迎来引爆点，2030年规模化落地。模型会越来越大，这一点没有悬念。

但模型变大之后，车端面对的不再是“算力够不够”这种简单题，而是三道更现实的关卡：成本、功耗、散热。车不是数据中心，不能无限堆电，也不能无限堆热。一颗芯片再强，上了车跑不稳、烧不起，参数表上的数字就只是数字。

这里要请出本文的主角概念：利用率。

打个比方。一家工厂标称日产一万件，设备确实顶级，但原料总是供不上，工人老在等零件，实际一天只做出三千件。你说这家工厂的产能是一万，还是三千？

芯片是同一个道理。TOPS是理论峰值，好比发动机的最大马力，但能不能跑出来，要看数据能不能及时喂到计算单元嘴边。大模型的特点恰恰是：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。很多时候不是芯片算得慢，而是在“等数据”，业内管这叫“内存墙”。

于是出现了一种尴尬：标称很高的芯片，一跑真实的量产大模型，计算单元大量时间在空转。堆再多算力，也不过是把“等待”的规模做得更大。

架构上还有一层隐患。传统智驾芯片多采用多个小核心的NPU设计，是为小模型时代优化的，小核之间交换数据，带宽在百GB/s量级。模型一大，核间搬运就成了瓶颈，好比一座越来越大的工厂，配了一堆隔着马路、只能靠小推车运货的小车间。

所以，大模型时代的评价标准必须改写：不能只问“有多少算力”，更要问“有多少真正算在了模型上”。这也是XHEART反复强调“大模型定义芯片”的原因：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的强芯片，再让模型削足适履。

2023年创业之初，XHEART就定下了这条路线。10月29日发布的X7 Ultra，标称700 TOPS大模型算力。值得注意的是，这个数字并非实验室峰值，而是基于真实量产智驾大模型评测得出，并且以“量化部署后的模型输出与训练后FP32浮点模型相似度达到99.99%以上”为约束。换句话说，算力是在不牺牲精度的前提下测出来的，更贴近真实的驾驶体验。

具体怎么做？我们拆成三件事来看。

第一，把小车间合并成大车间。 X7 Ultra采用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，聚合到超大核内部TB/s级的高速互联，带宽提升一个数量级，并为关键算子配置高精度专用加速引擎。通俗讲，数据不再隔着马路推小车，而是在同一个车间里走传送带。

第二，让“算”和“取”同时开工。 通过软硬协同，更多计算单元同时工作，计算与权重加载并行，减少等待。就像厨师炒菜时，助手同步备好下一道菜的料，不必炒完一道才开始洗菜。基于量产智驾大模型实测，X7 Ultra的NPU计算利用率达到98.7%。在我们看来，这是整套方案里最能代表“利用率优先”的一个数字。

第三，重构工具链，少跑冤枉路。 通过整网级融合，对整个模型的计算任务统一编排，减少中间结果反复读写外部内存。官方给出的结果是：内存带宽消耗较行业旗舰产品下降80%，能效提升100%。对车企而言，这意味着同样的功耗预算能跑更大的模型，或者同样的模型发热更低、运行更稳。官方表示，X7 Ultra支持可部署模型参数量提升10倍。

此外还有几项配套能力：

• Arm v9车规级CPU：中国首发量产，负责复杂控制与系统调度，避免“NPU很强、指挥系统拖后腿”；

• 深度异构计算：激光雷达处理带宽最高2000万点/秒，传感器预处理稳定性提升100%，本地任务本地处理，不挤占主算力；

• 功能安全：满足ISO 26262 ASIL-B，内置MCU通过ASIL-D认证，为智驾系好安全带。

一句话概括：X7 Ultra的思路不是堆数字，而是沿着“数据从哪来、怎么算、算完去哪”这条链路，把每一处浪费尽量压缩。

利用率之争，最终要靠量产来检验，这也是我们认为最该看的部分。

官方披露的节奏相当紧凑：从公司成立到芯片量产用了两年；首颗X7回片后不到24小时完成点亮，第17天就实现芯片、底层软件与智驾模型的整车闭环，并在白天、夜晚、暴雨环境下上路测试。截至发布会，X7系列已量产8个月，累计出货超过20万颗，搭载10款量产车型，获得超过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。

生态协同同样关键。Momenta与XHEART在2022年底就形成了“大模型定义芯片”的共识，曹旭东认为，这类芯片相比通用芯片性能可提升10倍。即将发布的R7 Ultra，在X7 Ultra支撑下模型参数规模扩大5至10倍，安全性能提升5至10倍以上，推动世界模型从“理解世界”走向“推演世界”。

图灵奖得主Jack Dongarra教授指出，在设计定型前让算法、软件与芯片团队紧密协作，是大模型时代更有效的研发方式，并肯定XHEART在提升芯片内部及芯片之间数据搬运效率上的工作；台积电则表示，针对X7 Ultra的先进工艺已准备就绪。算法、芯片、制造三方站在同一条线上，“协同定义”才有了产业基础。

面向下一代，XHEART公布了X9的核心研发目标：3000 TOPS大模型算力、700GB/s单芯片内存带宽，计划2027年推出。我们注意到，官方强调的是“计算与访存能力同步提升”，而不是单独拉高算力，这恰好呼应了全文的逻辑：算得快，也要喂得上。

回到开头的问题——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”，我们更愿意把它看作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。