X7 Ultra大模型算力700TOPS，余凯质疑等效算力6-7倍

本文作者为数智奔流，经钛媒体授权发布。

10月29日，XHEART在苏州发布智驾芯片X7 Ultra。CEO李宗霖透露，这款芯片具备700 TOPS大模型算力，下一代的X9要冲击3000TOPS。

作为公司首款由大模型定义的芯片，X7 Ultra在量产智驾模型实测中给出98.7%的NPU计算利用率，内存带宽消耗降了80%，推理能效翻了一倍。媒体报道显示，参与测试的是Momenta的R7世界模型。

XHEART发布会次日，地平线创始人余凯在微博上开火，直指行业里等效算力的折算口径：

“现在我们业界竟然又突破了宇宙尺度，标称算力甚至可以吹到6-7倍的稠密算力，号称等效算力。”

余凯以自家征程6P为例：按NV口径是560 TOPS，若套用所谓的等效算力算法，同一块芯片能标成1960 TOPS。

分歧落在口径上。余凯主张统一折算方法、杜绝注水；李宗霖主张用量产模型实测说话，看重实际利用率。两人关注点不一样，但有一点看法相同：只盯着TOPS行不通。

往大处看，算法和硬件正在彼此靠拢。大模型改变了车端的主要计算任务，算法从大量人工规则转向数据驱动，芯片的重心也从峰值算力转向真实模型下的能效。

六天前，千里科技刚发布一款面向AI大模型定制的毫米波雷达。团队在雷达里塞进一个10 TOPS的NPU，目标识别可以在雷达端完成，原始探测数据也能传给中央计算平台。雷达由此从采集传感器变成有独立判断能力的感知单元。

两家的做法都是把算法提前放进硬件设计，少让硬件去被动适配标准件。千里想自己决定雷达保留哪些信号，XHEART想让模型决定算力花在哪。

对智驾企业来说，纯软件供应商和纯芯片供应商的边界都在消失。把模型需求前移到硬件定义阶段，更贴合行业走向。

不过这条路有物理天花板。算法嵌进硬件，摆脱不了硬件物理上限的局限。为Momenta定制的XHEART芯片，用更窄的适配性换算力效率，代价是开放性和兼容性变小。

通用芯片算力利用率偏低，业内早有共识。

英伟达Orin标称254 TOPS，这个数有前提。它是INT8精度（低精度整数运算）下的最高值，其中87 TOPS来自深度学习加速器DLA。只要模型有一段运算交不到DLA手里，254 TOPS就没法全部调用。

何小鹏曾批评，通用GPU芯片的算力利用率只有30%到40%，就算估得乐观些，也不过70%到80%。

小鹏通用智能中心负责人刘先明在2026年CVPR上给出三组实测数据：开源模型配通用芯片，计算利用率22.8%，推理耗时800毫秒；开源模型换到小鹏自研的图灵芯片上，利用率35.1%，耗时300毫秒；图灵芯片再搭小鹏自研的第二代VLA模型，数据变为82.5%和80毫秒。

理想走的是另一条路。前理想自动驾驶高级算法专家詹锟透露，2024年理想要在Orin上部署大模型，团队与英伟达协作重写PTX底层指令，还开发了自研引擎，最终把推理延迟压下一个数量级。

XHEART在理想的基础上又往前走了一步。

Momenta从芯片定义阶段就介入开发，把传统NPU的小核切分换成超大核，同时给高频低体量任务配上专用加速引擎。配套的编译工具能看到整张网络，安排哪些步骤连续执行，哪些结果值得留在芯上。

XHEART的底气来自Momenta。它脱胎于Momenta的芯片项目，二者同源分拆，没有直接股权关系，业务上深度绑定。现任XHEART董事长李俊是前Momenta芯片负责人，Momenta CEO曹旭东通过XHEART的控股股东间接持股。

曹旭东10月底披露的数据显示，Momenta智驾搭载规模约140万辆，相关车辆累计行驶超过200亿公里。XHEART因此能提前拿到长尾场景数据，判断芯片该留多少冗余。智驾芯片是重资产投入，架构定下就改不了，这些数据省掉了大量试错成本。

但X7 Ultra也有难题：模型和芯片之间存在时间差。

芯片从架构走到量产要几年，模型可能几个月就迭代一轮。该为未来留多少空间，很难量化。

千里科技的AI毫米波雷达是另一种思路：把雷达从固定规格模式改成可OTA升级，以此拉长有效寿命，端侧模型也能通过OTA持续更新。下一代模型如果只需要更好的目标分类和轨迹预测，OTA就能延长雷达的使用周期；可一旦涉及采样率、输入带宽这类硬件维度的提升，OTA就无能为力了。

缓存面积这块，X7 Ultra在XHEART手里已经很难再动。下一轮融资窗口开启之前，这款芯片至少要扛过一次模型换代检验，这件事的分量不轻。

有智驾行业人士对「数智奔流」说，Momenta把芯片绑定，说到底就是技术路线收敛了，不必再多方下注，可以把重注押在自己身上。

智己汽车早前开发基于Thor的量产智驾方案时，Momenta也在合作名单里。后来到了上汽大众ID. ERA 9X，Momenta R7世界模型的首发车型换成了XHEART X7。

回头看早期，硬件设计得有明确的模型和场景打底，芯片要靠真实车辆数据来验证，车规认证又得拿稳定的量产项目撑着。整条链子都指望数据和现金流不断回流，这种时候，跨平台适配的安卓模式跑起来效果更好。

这正是Momenta比地平线占优的地方：不用押任何一颗芯片，硬件格局怎么变都能照跑模型。路线还没定的时候，把筹码摊到各个芯片平台上，风险自然低一些。

不过车企价格战正把单车软件授权费往下压，软件供应商能谈的空间在缩小。2026年半年报业绩会议上，Momenta就提到价格战冲击单车软件许可售价，但公司不会无底线降价。

曹旭东把芯片筹码押给自己，这条时间线相当清楚。

2023年，Momenta把两段式端到端方案推上量产，同年敲定大模型定义芯片的判断，芯片协同开始推进；2024年做完基于模仿学习的一段式端到端技术；2025年推出R6，强化学习的地位被抬高；2026年R7世界模型量产首发，技术路线也从分段式端到端转向一段式端到端驾驶模型加世界模型。

到了发布会上，曹旭东把话说得很明确：端到端大模型、世界模型已是确定的智驾技术主线，智驾正从规则驱动转向数据驱动。顺着这条路走，模型需要什么样的硬件计算，已经可以交给芯片团队去讨论了。

跨平台这桩生意，Momenta也没丢。英伟达Orin和Thor之外，它跟高通公布的合作覆盖骁龙Ride多个计算平台，X7 Ultra只是让Momenta多了一套参与原生设计的选择，模型本身仍留着跨平台能力兜底。

换句话说，Momenta的算法正从完全开放走向分层开放：底层做跨品牌芯片适配；顶层给出性能最优、体验一致性最好的X7 Ultra+R7组合。

李宗霖的说法是，X7 Ultra单独卖，跟Momenta的算法没有排他关系，车企可以分开采购。他拿智己LS6搭载自研IM AD系统当反例：这款车上，智驾算法与Momenta深度绑定，系统却用智己自己的IM AD品牌，芯片选的是英伟达Orin X。

再看地平线模式，这家企业正从芯片侧往算法和整套智驾方案延伸。

从征程2到征程5，它给客户的是芯片、算法授权和硬件参考设计；到征程6P又下场做全套HSD软件，随后推出的HSD Together允许合作伙伴拿到基座模型授权和算法适配服务，车企与供应商能自己做车型适配、功能定制和系统集成。

两家都在谈开放，都在软硬一体里找平衡点，差别在于：余凯想用一套已经跑通的软件，把客户选征程芯片的门槛降下来；曹旭东想用一颗提前参与设计的芯片，把自家模型上车的难度降下来。

要挑战英伟达，XHEART面前可不只是一颗Orin。

理想的工程师在Orin上改写PTX指令，既说明通用芯片还有优化空白，也说明Orin的生态优势摆在那里。

借CUDA，工程师能写自己的计算程序；TensorRT负责优化推理执行；DRIVE OS提供车端软件基础。碰上某个算子不适合交给专用加速器，开发者可以评估要不要转给GPU，再算一算多出来的开销。

这个办法可能费时费电，但工程师因此有机会在原芯片上交付新功能。车企明知Orin算力浪费不少仍然掏钱，图的是智驾算法能更快、更低不确定性落地。

车企要为将来OTA功能升级预埋空间，冗余算力就成了对冲不确定性的手段。

眼下智驾功能迭代极快，几个月不上车就可能被对手甩开。通用GPU架构对不同算法的适应性最强，CUDA生态又已完成工具绑定和开发者积累，算法团队的训练流程能稳步推进，车企看重的正是这些。

一部分冗余算力，其实也很难简单说成浪费。GPU要保持什么都能算的通用性，就得预留大量调度和冗余逻辑，放在智驾场景里本身就在吃资源。另一些余量，是为多个摄像头同时送数据、泊车任务和障碍物检测抢资源时，最慢的那几帧也能按时算完。

系统还得给故障检测、冗余计算和降级接管留出资源。这些平时闲着的资源，撑起了智驾系统的安全冗余。

X7 Ultra真正的难题在这里：专用芯片再高效，换上去要花时间适配、重写工具链，省下来的算力很快会被工程成本吃掉。

X7 Ultra得把只针对单一模型做的深度优化，转成能跨多个模型迁移的能力。具体做法是开放编译器、算子库和SDK，让第三方算法团队少花适配成本；同时公开相同条件下的延迟、功耗、模型覆盖和持续运行数据，用这些来证明架构可以在不同模型间复用。

XHEART眼下已经进入量产节奏。公司披露，X7系列量产8个月，累计出货超过20万颗，已搭载10款量产车型，并获得超过40款车型订单。

产业投资者雷诺、奇瑞、长鑫已经入场，台积电和上汽也出现在发布会现场，XHEART的产业位置初步稳固。能否迈出这一步，将决定XHEART仍是Momenta的芯片部门，还是真正独立的芯片企业。