L4级自动驾驶究竟需要一颗什么样的芯片？行业里常见的开发顺序，多是先研发出芯片，再由算法团队适配、调优。而新芯航途（XHEART）反其道而行之，根据大模型的推理特征来定义芯片架构。
10月29日，新芯航途在苏州举行发布会，并正式发布大模型芯片X7 Ultra，以700 TOPS大模型算力、六大产品优势，将“大模型定义芯片”的理念转化为产品能力，并携手产业伙伴展示量产成果、公布下一代芯片X9的研发目标。
新芯航途脱胎于Momenta芯片设计部门，2023年底独立成立，总部在苏州。会上，Momenta的创始人兼CEO曹旭东也阐述了大模型定义芯片的看法。
破解通用芯片“不可能三角”
曹旭东说，Momenta从第一天开始，终极目标就是实现规模化L4。而要实现百万台、千万台的自动驾驶车辆跑起来，关键是要解决数百万个长尾问题。
如何解决长尾问题？Momenta提出两个洞察，第一个是“数据驱动”，通过数据驱动自动化解决大部分的长尾问题。
第二个是通过量产获得海量数据。这大约需要1000亿公里的数据，相当于100万台乘用车跑一整年的时间。
此次发布会，曹旭东还提出了第三个洞察：大模型定义芯片。
这背后，有两个非常重要的支撑：
一是大模型定义的芯片，相比于通用芯片性能可提升10倍；二是要实现规模化L4，需要至少10B~100B参数的模型。通用芯片无法同时满足功耗、车规可靠性、成本三重约束，即通用芯片的“不可能三角”。
如果用通用芯片，相当于在车内放一台巨大的GPU服务器，而这个功耗是车端无法承受的，并且要满足车规要求，成本同样很高。如果要满足车端的功耗、成本和可靠性要求，通用芯片又很难把模型做到100B的参数。
“唯有大模型定义的芯片才有可能在满足这些约束条件下，把模型的参数做到100B，实现规模化L4。”曹旭东说。
海量数据为大模型芯片提供支撑
“大脑使用大量的记忆来构建一个世界模型，你所知道的和学到的一切都储存在这个模型中，大脑利用记忆的模型对未来世界进行连续预测。”
在清华大学读大二时，《人工智能的未来》一句话，让曹旭东印象非常深刻，他提出，对未来预测的能力才是智能的关键。
物理AI也是通过对未来世界状态的预测，把物理世界的规律、规则压缩到模型里面，让世界模型理解物理世界的常识。
Momenta的世界模型主要有三大支柱：首先是预训练Pre-train，让模型学习物理世界的常识；其次是 Mid-train，中间训练，更多使用自动驾驶的数据，让模型具备开车的常识；最后是Post train，后训练，让模型和金牌司机行为对齐。
曹旭东重点提到第二个支柱，即世界模型的仿真。自动驾驶的长尾场景，可能是百万公里发生一次，甚至是1亿公里才发生一次，如果通过路测来检验，反馈周期特别长，成本非常高。“即使遇到，统计意义不很显著，反馈质量也不是特别高。有了世界模型就可以低成本、短周期获得高质量反馈，加速自动驾驶高效迭代到规模化的L4。”
如果说仿真类似于练兵场，那么第三支柱的强化学习，则是在练兵场中不断利用长尾场景进行模拟演练，演练有成功也有失败，但通过反复练习、打怪升级，世界模型在强化学习的训练下，会比人类老司机开得更好，甚至大幅超过人类老司机的水平。
要让世界模型学得更好，离不开海量、丰富、真实的数据，也就是Data Scaling，物理世界里面最先实现规模化商业闭环和规模化数据闭环的场景，就是自动驾驶。
Momenta量产第一个10万台用了24个月，而至今累计量产的规模已经突破了140万台。最新10万台用了不到一个月。与此同时，Momenta累计里程达到200亿公里，相当于阿波罗登月往返月球2.5万次，或者相当于5万个老司机一辈子驾驶里程的总和，可以绕地球赤道51万圈。
曹旭东说，如此规模的真实驾驶数据，让模型有机会接触到更多的场景，学习更多的经验，有了海量数据的积累，也为大模型芯片提供了支撑。
2028年将迎来城市NOA引爆节点
此次发布的R7 Ultra，正是世界模型与芯片协同的最新成果。基于X7 Ultra的支撑，R7 Ultra的模型参数规模扩大5-10倍，安全性能提升5-10倍以上，推动世界模型从“理解世界”走向“推演世界”。
大模型芯片给R7 Ultra带来什么样的能力，又给用户带来什么超预期的体验？曹旭东的答案是，推演万物：更智能的场景理解推演和预测能力，R7 Ultra可以成为用户全场景老司机。X7 Ultra提供700Tops的大模型算力，加上超大核的NPU架构，能够支撑模型参数量大幅提升。而模型规模上来之后，就有了更强的大脑，更好地推演物理世界的变化，给用户更智能、更聪明的智驾体验。
曹旭东说，从多把掉头、会车博弈，到倒车让行、极限泊车，这些复杂场景，R7 Ultra展现出来的驾驶能力，能够超越人类老司机。
他还提到，世界模型像大语言模型一样，有很强的通用性和泛化能力，大语言模型可以拿来写文章、写代码、做数学，而Momenta已经在自动驾驶不同的垂直领域验证了世界模型的通用性，包括量产乘用车和Robotaxi、RoboVan等场景，有很强的平台效应，能够摊薄每一个领域的研发成本，相当于原来的电商，既有垂直电商，又有平台电商，长期来看平台电商更有竞争力。
曹旭东说，大模型芯片正在加速智驾摩尔定律。智驾摩尔定律在过去四年（2022-2026）基本上每两年提升10倍：2022年，早期用户更多把智驾当成一个大玩具，渗透率也不高；到2024年，体验就已经足够好了，迎来了城市NOA引爆点；2026年最新城市NOA渗透率达到25%，未来还会进一步快速提升。
智驾摩尔定律还在加速，从两年十倍提升到每年十倍。其中一个关键因素就是大模型定义芯片，芯片提升带来了Model Scaling的提升。而按照对车端模型演进的观察，过去四年模型规模大致增长了5-10倍。但是有了大模型芯片，车端模型规模未来两年有机会增长10-100倍，模型能力有可能超越人类老司机中的老司机。
最后，曹旭东表示，海量数据、大模型芯片和模型能力的提升，共同推动智驾摩尔定律再次加速。2028年有望复刻2024年在城市NOA（领航辅助驾驶）的引爆，成为L3、L4的引爆点，而2030年将迎来L3、L4规模化落地。
南方+记者 郜小平
【作者】 郜小平
【来源】 南方报业传媒集团南方+客户端