从算法到芯片，Momenta正在下一盘什么棋？

文 ｜ 节点AI

，作者 | 道哥 新芯航途8个月出货超20万颗，折射智能驾驶产业链竞争新趋势。10月29日，AI芯片公司新芯航途（XHEART）正式发布全新产品X7 Ultra，一颗面向智能驾驶大模型的车规级AI芯片，拥有700 TOPS大模型算力。

但比新品参数更值得关注的，是这家公司的商业化进度。成立于2023年底的新芯航途，首款产品X7于2026年3月量产上车。截至此次发布会，量产仅8个月，累计出货已经超过20万颗，搭载10款量产车型，并获得超过40款车型订单。

对于一家成立不到三年的芯片公司来说，这样的速度并不寻常。汽车芯片向来是一门重投入、长周期的生意。从架构设计、流片、软件适配，到车规验证、整车测试，再到最终规模量产，每个环节都需要时间和资金投入。

尤其是智能驾驶芯片，不仅要满足性能要求，还要经受复杂道路环境、极端天气和长期稳定性的考验。新芯航途为什么能够跑出这样的速度？答案或许不只在芯片本身，还要从它背后的Momenta说起。

Momenta的另一条增长曲线：从算法走向芯片新芯航途有一个特殊的出身：它脱胎于Momenta内部的芯片设计项目。虽然双方并非传统意义上的母子公司关系，但在技术和业务层面保持着紧密联系。

这意味着，新芯航途从创业之初，就不是一家完全从零开始摸索汽车芯片市场的创业公司。传统芯片创业公司的一个典型难题，是技术研发与真实应用之间存在距离。芯片设计团队可能拥有很强的架构能力，却未必真正理解整车厂的需求；

拥有先进的算力指标，却不一定知道自动驾驶模型如何运行；产品流片成功，也不意味着能够顺利进入汽车供应链。而Momenta恰恰提供了另一种起点。作为智能驾驶解决方案提供商，Momenta长期积累了自动驾驶算法研发、数据处理、模型训练、整车适配以及量产交付经验。

它对智能驾驶模型的计算需求、性能瓶颈和未来演进方向，有着来自真实应用场景的理解。这些经验对于芯片设计而言，具有相当重要的价值。过去，很多芯片厂商遵循的是先设计芯片、再让软件和模型适配硬件的思路。

但随着端到端智能驾驶和大模型技术的发展，传统设计思路开始面临新的挑战。模型越来越大，计算架构、内存带宽、数据传输效率和能耗之间的关系也越来越复杂。单纯堆叠算力，并不意味着能够真正提升模型运行效率。

Momenta与新芯航途所探索的，是另一条路径：从真实的大模型需求出发，反向定义芯片架构。简单来说，不是让模型迁就芯片，而是让芯片更好地服务模型。这也是新芯航途提出的“大模型定义芯片”理念。

节点财经认为，新芯航途最值得关注的地方，并不是它背后有Momenta的技术背景，而是它找到了一种不同于传统芯片创业的切入方式：从真实算法和应用场景出发，反向推动底层硬件研发。这种模式能够在产品研发早期减少技术路线与应用需求之间的信息差。

对于需要长期验证的汽车芯片而言，这种先天优势可能比单纯的研发速度更加重要。因此，新芯航途的出现，不应仅仅被理解为Momenta孵化了一家芯片公司，而应该看到智能驾驶企业正在尝试向底层计算基础设施延伸。

700 TOPS背后，汽车AI芯片正在进入新的竞争阶段此次发布的X7 Ultra，最直观的看点是700 TOPS大模型算力。但如果只看算力数字，可能低估了这款产品所代表的技术方向。

过去，智能驾驶芯片的竞争，更多围绕算力规模、功耗、成本以及各类算法的适配能力展开。而进入端到端大模型时代之后，竞争逻辑正在发生变化。智能驾驶不再只是多个独立小模型分别完成感知、决策和规划，而是越来越多地依赖大模型完成复杂场景理解、行为预测和驾驶决策。

这对芯片提出了更高要求。一方面，大模型需要更强的计算能力；另一方面，模型运行过程中涉及大量数据交互，内存带宽、计算利用率和推理效率同样重要。一颗芯片即使拥有很高的理论算力，如果无法在真实模型中充分释放，最终也很难转化为用户能够感知的驾驶体验。

根据新芯航途发布会披露的数据，X7 Ultra在量产智驾大模型测试中，NPU计算利用率达到98.7%，相比行业旗舰产品，内存带宽消耗下降80%，能效提升100%。同时，芯片与工具链协同优化后，可支持部署的模型参数量实现10倍提升。

这些数据如果能够在更多实际量产场景中得到验证，将意味着车载AI芯片的竞争开始从单纯的算力竞赛，走向计算架构、模型适配与能效管理的综合竞争。这也是Momenta布局芯片的深层意义。对于智能驾驶公司来说，算法能力固然重要，但算法最终需要运行在计算硬件之上。

当模型规模持续扩大，如果底层芯片无法同步演进，算法能力就可能受到硬件性能、功耗和成本的限制。反过来，如果能够让算法与芯片共同设计、共同迭代，就有机会在同样的硬件资源下释放更强的模型能力。

发布会上，Momenta还预告了R7 Ultra世界模型，表示将依托X7 Ultra的底层计算能力，将模型参数规模扩大至原来的5至10倍。这实际上形成了一条值得关注的技术链条：算法定义模型需求，模型需求反向定义芯片，芯片再为更大规模的模型提供计算基础。

节点财经认为，汽车AI芯片行业正在经历一次竞争维度的变化。未来真正有竞争力的企业，未必是峰值算力最高的企业，而是能够把芯片算力、模型效率、功耗和整车体验结合起来的企业。从这个角度看，X7 Ultra不仅是一款芯片新品，也是Momenta推动软硬件协同的重要一步。

从20万颗出货到40余款车型订单，真正的考验才刚刚开始如果说技术路线决定了一家芯片公司的上限，那么商业化能力决定了它能否真正活下来。新芯航途目前最有说服力的地方，并不是700 TOPS的参数，而是X7系列已经完成的规模化交付。

8个月出货超过20万颗，搭载10款量产车型，获得超过40款车型订单。这至少说明，新芯航途已经初步跨过了汽车芯片创业最困难的几个门槛：产品验证、客户导入和规模交付。这也是它与很多停留在实验室阶段的AI芯片项目之间的重要区别。

更值得关注的是，新芯航途并没有将业务局限于当前的辅助驾驶市场。公司已经披露，基于双X7的L3/L4计算平台获得多个车型项目定点，并且公布了下一代X9芯片的研发目标：3000 TOPS大模型算力，计划于2027年推出。

这意味着，新芯航途试图建立的并不是一款芯片的单点优势，而是面向不同阶段智能驾驶需求的产品迭代体系。当然，快速商业化不等于已经建立了长期竞争壁垒。对于新芯航途而言，未来至少还有三个问题需要回答。

第一，能否从Momenta的技术协同中走向更广泛的客户市场？Momenta能够提供重要的技术理解和应用场景，但一家真正具备竞争力的芯片公司，最终需要证明自己的产品能够服务更多不同技术路线的车企和智驾方案商。

客户结构越丰富，商业模式才越有独立性。第二，能否建立持续迭代的软硬件生态？汽车芯片不是一次性硬件买卖。芯片性能、底层软件、编译工具链、模型适配和后续维护，都决定着客户的使用体验。尤其是大模型快速迭代的背景下，芯片厂商能否持续跟上模型演进，将直接影响其产品生命周期。

第三，能否在性能、成本和供应链之间找到平衡？700 TOPS、3000 TOPS固然值得关注，但汽车产业最终看重的是综合成本和实际体验。如何在满足车规要求的同时，控制功耗、成本和交付风险，将决定产品能否真正走向更大规模的市场。

节点财经认为，新芯航途下一阶段的核心任务，是从Momenta技术生态中的重要参与者，逐步成长为能够独立服务多元客户的芯片供应商。 这不仅关系到企业自身的商业价值，也决定了其能否在未来汽车AI芯片市场建立真正的行业地位。

这些问题，也是新芯航途从一家成长迅速的芯片创业公司，迈向成熟汽车芯片供应商必须经历的考验。最后的话新芯航途此次发布X7 Ultra，值得关注的并不只是中国汽车AI芯片领域又多了一款700 TOPS的产品，而是智能驾驶产业正在出现一种新的创业和竞争模式。

过去，自动驾驶公司的核心竞争力主要体现在算法、数据和整车解决方案上；如今，随着大模型逐渐成为智能驾驶的重要技术路线，竞争正在向计算架构、底层芯片和软硬件协同延伸。Momenta通过新芯航途所探索的，正是这种从软件向硬件、从算法向底层计算平台的产业链延伸。

当然，这并不意味着智能驾驶公司都应该自己做芯片，也不意味着软硬件一体化就一定能够胜出。但至少，新芯航途已经用20万颗芯片的阶段性交付成绩，证明了这条路线具备一定的商业化基础。对于Momenta而言，芯片可能不仅是一个新的业务方向，更是其未来智能驾驶技术体系的重要组成部分。

而对于中国汽车AI芯片产业来说，真正值得期待的，也不只是算力数字不断刷新，而是能否出现更多既懂芯片、又懂模型，更懂真实汽车应用场景的企业。下一阶段，决定新芯航途能走多远的，不是700 TOPS，而是它能否把技术优势持续转化为规模化的产业竞争力。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App