作者 |肖恩

编辑 |德新

BMC 这个名字，从去年开始频繁出现在智驾行业里。熟悉它的人，知道这是 Momenta 造芯项目的代号。

10月29日，在新芯航途的品牌亮相暨 X7 Ultra 发布会上，我终于看到了它的全称：Big Model Chip，大模型芯片。随着新芯航途正式走到台前，这个曾经的项目代号，也有了自己的品牌和产品。

“让大模型定义芯片，让芯片承载大模型的下一次进化。”

新芯航途 CEO 李宗霖在苏州举行的发布会上，用这句话概括了公司的技术方向。

当天，新芯航途发布了 X7 Ultra，一款即将量产的700 TOPS大模型算力的芯片。

为大模型造芯，这条路线始于 2023 年。彼时，智驾正从感知、预测、规划各自分工的小模型，转向端到端大模型。模型的计算方式变化，导致芯片也需要重新考虑怎样组织计算、存储和数据流动。

新芯航途选择从真实智驾模型出发，在芯片设计阶段就与算法团队共同研究模型的需求，而不等芯片完成后再让模型适配。

X7 Ultra，就是新芯航途在大模型时代的答案。

一、从 X7 到 X7 Ultra，芯片开始为大模型重新设计

X7 Ultra 并不是新芯航途的第一款芯片。第一代 X7 已于2026年3月量产上车，算力约为 272 TOPS。

截至今年 10 月，X7 系列已经量产 8 个月，累计出货超过 20 万颗。这次发布的 X7 Ultra 则进一步面向大模型，官方公布的智驾场景等效算力达到 700 TOPS。

X7 Ultra 采用超大核 NPU 架构，配备多级缓存和专用算子加速引擎，同时搭载中国首发量产的 Armv9 车规级 CPU，并针对激光雷达、摄像头等传感器设计了专用处理单元。

李宗霖在发布会上介绍这些设计时，反复提到一个问题：怎样让芯片的计算能力真正用在大模型需要的地方，而不是消耗在数据传输和任务等待上。

过去的智驾芯片，会围绕算法中相对独立的计算任务专门优化。但随着模型转向 Transformer 架构，计算方式发生了变化，不同计算任务之间的数据交互也更频繁，新芯航途选择从 NPU 架构入手，改变计算单元的组织方式。

李宗霖用办公室作了一个比喻：过去多个小核就像分散在不同办公室的团队，资料需要来回传递；超大核则像把紧密协作的团队放进一个宽敞的工作空间，让大量数据交互在内部完成。

X7 Ultra 将传统小核之间百 GB/s 级的数据交互，集中到超大核内部 TB/s 级的高速互联中，同时配备多级缓存，让计算所需的数据尽量留在芯片内部，减少等待和反复搬运。

Transformer 模型也不只有矩阵乘法，归一化、向量运算和数据重排等操作，同样影响整张网络的运行效率。早期面向卷积网络设计的 NPU，在处理这些计算时，部分任务还需要交给 CPU，增加了任务切换和数据传输的开销。新芯航途因此针对模型中的关键算子设计专用硬件加速器，并支持高精度计算，让更多任务能够在 NPU 内部完成。

这些算子应该如何选择？团队早在 2023 年就开始与 Momenta 算法团队共同研究。他们分析主线模型的运行情况，并结合未来模型的发展方向，判断哪些计算环节值得进行专门的硬件优化。

X7 Ultra 还通过硬件并行设计，让不同计算任务同时执行，并尽可能将计算与权重加载重叠起来。

李宗霖把这种安排比作生产线：设备有了加工能力，还要把工序和物料安排好，原料提前送到，不同工位协同运转，设备才能持续工作。软件团队和算法团队也参与其中，一起排查模型运行中的等待环节。

李宗霖称 CPU 是整颗芯片的“超级调度官”，负责复杂控制和系统协同。X7 Ultra 搭载的 Armv9 车规级 CPU，相比上一代 CPU 内核，Armv9 性能提升20%，能效提升10%，全新的向量处理引擎和大集群架构也进一步增强了多核协同能力。

针对激光雷达，芯片集成了专用处理加速器，点云处理能力最高达到每秒2000万点；摄像头处理则针对时延稳定性进行了优化，官方公布的传感器预处理稳定性较上一代提高100%。

在功能安全方面，X7 Ultra 满足 ISO 26262 ASIL-B 要求，内置 MCU 通过 ASIL-D 认证。

AI 工具链也进行了重新设计。新芯航途将原本局限于连续几个算子的融合优化，扩大到整张网络，通过统一拆分、编排和合并不同层的计算任务，减少中间结果反复写入外部内存的次数，让更多计算时间留给模型本身。

根据新芯航途公布的量产模型测试结果，X7 Ultra 的 NPU 计算利用率达到 98.7%，内存带宽消耗较其对标的行业旗舰产品下降 80%，推理能效提升 100%。

新芯航途还称，通过芯片架构与 AI 工具链的协同优化，X7 Ultra 可部署的模型参数量能够提升至原来的 10 倍。

二、从 Momenta 的造芯项目，到独立的新芯航途

2023 年，新芯航途成立时，芯片行业正处于资本寒冬。芯片研发需要长期投入，团队规模又有限，创业之初，每一步选择都关系到有限资源应该投向哪里。

李宗霖在发布会上回忆，当时团队面前有两条路：一条是做相对通用的芯片架构，不管模型怎么变化，基本都能运行；另一条则是直接围绕大模型设计芯片。这条路有更大的风险和不确定性，但也有机会做出更明显的性能优势。团队与曹旭东经过多次讨论，最终选择了后者。

这个决定来自他们对自动驾驶发展方向的共同判断。当时，自动驾驶正在从传统的规则判断转向数据驱动，海量数据会推动模型不断迭代，进而改善驾驶体验。李宗霖提到，团队相信这是行业未来的发展方向，也是更有可能为用户创造价值的路线。

新芯航途的团队本身有着多年的芯片研发经验。

李宗霖曾任联发科无线通信事业部总经理，之后参与 OPPO 哲库芯片业务；软件副总裁贾明军、 SoC 副总裁俞国军分别负责芯片软件和系统级芯片设计。几位核心成员的经历覆盖芯片架构、底层软件和系统开发，为新芯航途从芯片设计之初就开展软硬件协同打下了基础。

早期，外界曾将这支造芯团队称为 Momenta 芯片团队，BMC 也是业内熟悉的项目代号。

2023 年 12 月，新芯航途正式成立，开始以独立公司的身份推进芯片研发和量产。公司独立之后，双方仍保持紧密合作：Momenta 提供真实的智驾模型和算法需求，新芯航途围绕这些模型进行芯片架构和底层软件优化。

芯片是一个长周期重资产的行业。

截至 2026 年 10 月，新芯航途累计融资近 50 亿元，投资方包括上汽、奇瑞、长鑫科技等产业伙伴，以及多家市场化机构和长期资本。车企和半导体企业的参与，也让这家芯片公司同时连接着汽车制造和半导体产业链。

从最初与 Momenta 紧密关联的造芯项目，到如今独立运营的新芯航途，双方的合作从一开始就不只是芯片与算法之间的产品适配。双方从芯片定义阶段便开始讨论模型需求，并将这些讨论带入架构设计和后续研发。

三、Co-design：让模型和芯片一起进化

2023年，新芯航途开始设计第一颗大模型芯片 X7 时，面对的一个现实问题是：芯片研发需要数年，模型却可能几个月就发生变化。今天的模型需求，等到芯片真正量产时还会不会成立？

曹旭东认为，没有一个固定公式能够准确预测几年后的模型需求。新芯航途与客户会共同规划未来三年，甚至三到五年的战略方向，再落实到具体产品，尽量降低对未来需求的判断偏差。

芯片团队不仅要理解眼前的模型，还要提前判断未来几年的算法会发生什么变化。

X7 设计之初，新芯航途就与 Momenta 算法团队围绕主线模型研究架构和算子需求。他们一边分析模型当时的运行情况，寻找耗时较长的计算环节，一边结合算法团队未来的研发方向，判断哪些计算会变得越来越重要，再决定哪些部分值得在硬件层面专门优化。

图灵奖得主 Jack Dongarra 对这种合作方式也有自己的理解。他认为，模型开发者和硬件设计者需要共同参与系统设计，在模型结构、数值精度、内存组织，以及专用硬件与可编程硬件之间作出取舍。尤其在汽车这样的应用场景，功耗、散热、成本和响应时间都有严格限制，单独从硬件或算法一侧出发，都很难兼顾这些要求。

这种协作还要延续到芯片流片之前。

通用芯片面向的应用范围很广，设计者通常不知道客户最终会运行什么模型、使用什么软件。客户拿到芯片后，往往还要花三到六个月，甚至更长时间才能完成适配。X7 则在模型设计、芯片设计到功能验证的各个阶段，都进行了软硬件协同。

X7 回片后的进展很快。不到 24 小时，芯片的主要数据通路就全部打通；第 17 天，芯片、底层软件和智驾模型实现整车闭环，测试车可以在城区道路连续稳定行驶数小时；第 21 天，车辆进入真实车流，并向客户开放体验。

快速点亮只是第一步。团队最初几天就让测试车上了路，但随后决定采用更接近量产的标准重新验证。测试不只是看车辆能不能开起来，还要检查芯片、底层软件和智驾模型组成的完整系统，能否在不同道路和天气条件下稳定运行。经过持续磨合，测试车逐步实现了白天、夜晚和暴雨天气下的连续行驶。

上汽集团副总裁、总工程师祖似杰从车企的角度谈到了芯片合作。他提到，消费者肯定只为体验付钱，算力指标只是技术标杆，最终还是要看车辆的实际表现。汽车的使用周期往往长达十年，车企选择芯片合作伙伴，还要考虑双方对技术方向的判断是否一致，以及长期可靠性、成本和供应链安全。

曹旭东在讨论中也谈到，未来智驾能力的提升，很难完全拆分出多少来自模型、多少来自芯片。芯片提供算力和带宽，模型利用这些资源理解和处理驾驶环境，两者共同作用于最终的驾驶体验。

四、大模型定义芯片，下一站押注 L4 爆发

曹旭东在发布会上谈到，Momenta 从成立之初就把规模化 L4 作为最终目标。

这里的规模化，不是一千台、一万台车，而是让数百万、数千万辆车能够在不同城市、不同国家持续运行。要做到这一点，最难解决的是长尾问题。

Momenta 早期形成了两个判断：用数据驱动解决长尾问题，通过量产获得海量数据。按照团队最初的测算，要解决这些长尾问题，需要积累 1000 亿公里的驾驶数据，相当于 100 万台乘用车连续行驶一年。

如今，这个数据积累速度正在加快。

曹旭东在现场宣布，Momenta 累计量产规模已经突破 140 万辆，累计驾驶里程达到 200 亿公里。最近的 10 万辆新增量产规模，用时不到一个月。

但海量数据只是其中一部分。随着模型规模扩大，车端需要处理的计算量也在增加。曹旭东提出的第三个洞察，就是大模型定义芯片。这个判断在2022 年底、2023 年初就已形成，随后新芯航途与 Momenta 从 2023 年开始将其付诸实践。

按照曹旭东的判断，要实现规模化 L4，模型至少需要 10B 参数，大概率需要达到 100B，也就是千亿参数规模。

通用芯片很难同时满足车端功耗、车规可靠性和成本三个条件。他把这称为通用芯片的“不可能三角”：如果直接把一台大型 GPU 服务器搬进汽车，功耗、散热和成本都难以接受；如果严格控制这些条件，通用芯片又很难支撑如此大规模的模型。曹旭东认为，大模型定义的芯片相比通用芯片，性能有机会提升 10 倍，才有可能在满足车端约束的同时，支撑更大规模的模型运行。

Momenta还在推进世界模型，希望让自动驾驶系统具备更强的物理世界理解和预测能力。曹旭东在演讲中引用了一本对自己影响很深的人工智能著作：人类大脑利用记忆构建世界模型，再根据已有经验预测未来。对自动驾驶来说，也是通过大量数据学习物理世界的规律，再预测接下来可能发生的事情。

Momenta将世界模型的训练分为预训练、中间训练和后训练三个阶段：预训练学习物理世界的常识，中间训练利用大量真实驾驶数据学习驾驶常识，后训练则让模型的行为与优秀人类驾驶员对齐。

除此之外，世界模型还有两个重要支柱：仿真和强化学习。模型不仅能够生成驾驶行为轨迹，也能生成驾驶环境，在虚拟场景中反复推演。对于百万公里甚至上亿公里才可能出现一次的长尾问题，单纯依靠道路测试，反馈周期长、成本也高。借助仿真环境，模型可以反复演练这些场景，再通过强化学习根据成功和失败获得反馈。

发布会上，Momenta 宣布推出 R7 Ultra 世界模型。基于新芯航途 X7 Ultra 大模型芯片，R7 Ultra 的模型参数规模扩大至原来的 5 倍，安全性能表现提升 5 倍。

未来，Momenta 还计划将模型参数规模进一步扩大至原来的 10 倍，推动安全性能表现提升至 10 倍以上。

现场展示的倒车避让、多把掉头等场景，呈现了模型在复杂道路环境中的判断和推演能力。更大规模的模型需要更强的车端计算能力，X7 Ultra 为这一步提供了硬件支撑。

曹旭东把这种变化称为智驾摩尔定律的加速。按照他的观察，过去四年，车端模型规模大约增长了 5 至 10 倍；有了大模型芯片的支持，未来两年模型规模有机会增长 10 至 100 倍。他判断，智驾能力的提升速度有望从过去每两年增长 10 倍，进一步加快到每年增长 10 倍。按照这一预测，2028 年有望成为 L3、L4 的重要发展节点，2030 年则可能进入规模化落地阶段。

新芯航途也在为更大规模的模型准备下一代芯片。李宗霖介绍，团队的研发节奏是量产一代、开发一代、预研一代。继 X7 系列之后，公司正在推进下一代大模型芯片 X9，目标算力达到 3000 TOPS，单芯片内存带宽达到 700 GB/s，计划于 2027 年推出。

五、结语

AI 正在从数字世界走向物理世界。从生成文本、图像和代码，到理解现实环境、作出判断并执行动作，AI 开始进入一个新的发展阶段，自动驾驶是其中率先探索规模化应用的领域之一。

要让智驾模型真正进入汽车，芯片是绕不开的一环。大模型定义芯片，从模型需求出发重新设计硬件，为更大的模型在车端运行提供条件，也为数字智能走向物理世界搭起一座桥梁。

从 BMC 到 X7 Ultra，新芯航途已经沿着这条路线走了数年。面向下一阶段，X9 将承载它对更大规模模型和物理AI的进一步探索，也将成为新芯航途交出的下一份答卷。