不知道大家发现没有，这两年车企去搞自研芯片的越来越多。

一开始是特斯拉去搞 FSD 芯片，然后蔚小理这边，也纷纷从外购转自研，这兄弟仨的智驾芯片现在都已经上车了。

而在今年，比亚迪和小米更是前后脚下场。比亚迪先甩出了 4nm 的璇玑 A3，小米马上跟牌，说 3nm 的玄戒 D100 智驾芯片已经研发完了，明年就能用。

原来还是个别车企才会自研芯片，现在已经快搞成头部玩家标配了。

不少人都在说，明明芯片这玩意儿是费时又费钱，车企们放着英伟达、高通手里的货不要，干嘛非得自己搞芯片呢？

我举个不恰当的例子哈，大伙还记得一代神车丰田 Supra 吗？早期 A70 和 A80 时代的 Supra，用的是丰田自研的发动机 1JZ / 2JZ 系列，这两代累计销量快 30 万辆，即便是 A80 那代碰到上了日本经济的大泡沫时代，人依然卖了 4.5 万辆。

但 A80 的下一代，也就是用了宝马 B 系列发动机的 Supra A90 这一代，从诞生至今累计销量也只有区区 3 万辆，咱抛开 JDM 图腾那些不谈，这一代失败最大的原因就是车型溢价太高，但丰田也没辙啊，用了别人的东西自己的成本本身就高了。

其实放到自研芯片这头也是一回事，用别人的芯片贵了不说，还不一定有自研的好。

常见的智驾芯片，像英伟达 Orin 这种，属于通用芯片。它为了要吃百家饭，会在芯片里塞各种各样的通用计算模块，CPU、GPU 还有深度学习加速器 DLA 等等全安排。

这样显而易见的好处是兼容性强，不管你车企走的是纯视觉派还是融合感知派，也不管你什么模型，算法拿过来都能跑。

但另一方面，谁也没法把这颗芯片的算力真正榨干。

你看 Orin-X，单颗算力 254 TOPS，很多车一下整两颗，还有四颗的，算力干到上千 TOPS 了。而真正用智驾的时候，芯片的算力利用率可能也就 30% 左右，因为芯片里适合跑你这个算法的就那么多，其他部分也用不上。

更要命的是迭代速度。

车企的智驾模型，现在几个月就更新，一两年就大升级。但供应商那边的智驾芯片开发周期很长，往往跟不上。之前，英伟达 Thor 一推再推，不少车企只能 “ 等米下锅 ”，新车型也跟着耽误。

再加上，现在智驾基本都从原来的规则+小模型，转到了端到端大模型，模型越来越大，对芯片的需求也不一样，比如更注重 AI 推理能力。

如果还是用通用芯片去跑大模型，就得堆芯片，不光成本吃不消，车上就那么点地方，总不能塞个服务器吧。

所以车企们干着干着，就玩起了自研芯片。

但话说回来，其实造芯片不是目的，车企们的核心需求还是想选出适合自己算法的芯片。也没必要所有车企都成立芯片部门，大部分车企也没这个团队和预算啊。

最近，有家新的芯片公司XHEART 新芯航途，就是奔着解决这个矛盾来的。

这家 XHEART 动作挺快，不到 3 年就把芯片做出来了。前两天，XHEART 开了个发布会，发布了最新的 X7 Ultra 芯片。脖子哥也去现场围观了一波。

参数上，这颗 X7 Ultra 有 700 TOPS 的大模型算力，非常适合跑智驾。因为这家公司做芯片的特点，就是大模型定义芯片，正中车企下怀。

啥意思呢？就说别人做芯片，是先把硬件做出来，再想办法让模型适配。XHEART 是反过来——先看大模型需要什么样的计算，再倒推着设计芯片架构。

这就好比买鞋子，别人是去店里从现成的尺码里挑，你是直接量脚型，定制一双，肯定会更合脚。

我们看一下这颗芯片的特点就知道了。

首先，X7 Ultra 给了一个超大核 NPU。

之前的通用芯片，主要靠一堆小核心并行干活，应对规控算法里那些小模型还行。

但现在发展到大模型，要从传感器数据直接生成结果，这里头主要是连续的大数据计算。你还用一堆小核处理，就得不停在核之间搬运数据，效率自然不高。

X7 Ultra 上的超大核，就不用来回倒腾，直接把内部数据互联速率从上百 GB/s 提升到 TB/s。

同时，这颗超大核 NPU 里还有高精度专用算子加速。

原来的 NPU，主要是面向卷积神经网络设计。但后面大家做大模型，都去搞 Transformer 架构后，这种运算它搞不定，就得去求助 CPU。这一来一回的，不但算得慢，还把内存通道给占了。

XHEART 就是针对 Transformer 的一些关键运算，做对应的硬件加速。

我打个比方，以前好比是手工做月饼，要一个一个捏成对应形状，慢得很。现在是直接开个模具，咔哒一下就好了，又快又标准。

然后是硬件并行度解锁。

这个听着绕，其实就是让更多计算单元协同工作。

大家应该玩过 Overcooked 分手厨房吧，这游戏通关的诀窍就是一个人做菜的时候，另一个要提前把菜备好，锅里不能停。

硬件并行差不多就是这意思，当这批数据在计算的时候，下一批数据已经准备好，让芯片一直是做完你的就做你的。

再就是AI工具链重构带来的整网级整合。

简单来说，模型里有很多不同分支的计算，这些计算的中间结果要写回到内存里，下次用再读回来，这样就需要反复读取内存。

X7 Ultra 上的这个整合，就是把分散的计算合并一起，做到内存零拷贝。

依靠这些优化，XHEART 给了个数据，基于量产智驾模型实测，X7 Ultra 的 NPU 计算利用率达到 98.7%。同时，和行业旗舰产品比，它的内存带宽消耗下降 80%，能效提升 100%。

除此之外，X7 Ultra 还有中国首发量产 Armv9 车规级 CPU，也就 Arm 最新一代的车规级架构，买新不买旧嘛。还有深度异构计算，特别是激光雷达处理带宽最高达 2000 万点/秒，支持几百甚至上千线的激光雷达。并且能满足 ISO 26262 ASIL-B 要求的安全能力，芯片对数据的保护更强。

那光看这些，大伙儿可能还是很难感受到这颗芯片强在哪。

别急，这次发布会，XHEART 的合作伙伴 Momenta，在现场公布了一段，自家最新模型 R7 Ultra 配合这颗 X7 Ultra 芯片的实景演示。

来，一起瞅瞅。

这是一个相当有难度的场景，难到一启动就没路。。。相当于是个侧方停车位，好在这个智驾是知道要先倒车，再出去。

而好不容易挪到路上，刚往前走，前面突然来个奔驰把路堵死。这时候，智驾在对面往前挤的那一下，立马就知道后退。对方挤一点，我就让一点。

但这条路只能过一台车，所以不是简单后退就行，得往右后退回到那个侧方位，才能让对面车走掉。可以看到，车子在这块很小的空间里，已经尽可能往边上靠了。

让过这台奔驰，继续出来。结果好巧不巧，刚走几步，又有车。。。

那还是继续倒车。这时候有意思的来了，在往后倒了没多久的时候，智驾发现对面黑车其实是要停车，这时候就不倒了，原地等着对面停好再过去。

这个反应又快又聪明，真有老司机的操作。

看得出来，这种芯片和模型深度配合，软硬件协同设计的玩法，会给智驾带来很大的提升。

实际上，XHEART 这套打法，在圈子里已经有点声量了。

这次发布会，XHEART 公布了之前已投入使用的 X7 系列的成绩，这颗芯片量产时间不过 8 个月，累计出货 20 万颗，搭载 10 款量产车型，并且已经获得超过 40 款车型订单。

不说都不知道，原来哥们已经悄摸摸卖出 20 万颗了。对于一家成立才 3 年的芯片公司，这个出货量已经很拿得出手了吧。

而且用这款芯片的车企，也都是主流品牌。在发布会的外场，就摆着这些车型，我也去逛了一圈，看到有大众、荣威、智己、奇瑞等等。

车企们的认可，不就说明大模型定义芯片这个路子，其实是很适合现在智驾的。

可以预见的是，智驾还会迭代，智驾模型也会越来越大。我们马上要到 L3，后面还会有 L4 阶段。

按照 Momenta 的估算，要想实现规模化 L4，模型参数需要达到 10-100B。这样巨大的参数，就更需要 “ 大模型定义芯片 ”，双方从模型需求入手，协同设计芯片，在车端成本、功耗和可靠性约束下，做出最适合的智驾芯片。

这种定制化芯片，也大概率会是接下来行业发展的大方向。

对了，在发布会最后，XHEART 还来了个炸裂的 one more thing。

他们公布下一代芯片 X9 的核心研发目标：3000 TOPS 大模型算力、700GB/s 单芯片内存带宽，计划于 2027 年推出。

一颗芯片干出 3000 TOPS 算力。。。显然，这就是为了以后模型参数量几倍甚至10倍提升准备的，我感觉算力爆炸的时代快要来了。

但不管怎么说，模型和芯片打配合的例子应该也会越来越多。像 Momenta 加 XHEART 这个组合，软硬件一起搞，以后想象力也会蛮大的。

智驾行业卷了这么多年，从传感器到算力，再到模型参数，其实每一轮最后比的，都是谁能把完整的方案落到车上。

说白了，消费者从不管这些技术词，就看你智驾好不好用。大模型定义芯片，也是为了做出更好的智驾。

最后也期待一波，3000 TOPS 算力下的智驾，会有怎样的表现。

撰文：白日梦

编辑：脖子右拧

美编：素描

图片、资料来源：

XHEART发布会