世界模型首次指导设计芯片！超大核NPU700TOPS，99%算力可用

核心定义是智驾模型的能力持续增长，计算架构也需要跟着模型一起演进，由此，智驾摩尔定律也需要重新评估。

这样的认知成型于2022年，并且在2023年由新芯航途开始实践，时间点对应的，是自动驾驶技术体系经历的快速深刻底层重构。

硬件层面，量产L2规模效应开始起作用，传感器、芯片成本快速下降，“超大杯”配置的智能方案，有了上车量产的基础。

模型层面，数据驱动的范式快速取代传统方法，不但是Transformer架构，模型本身迭代优化，也由人工调参和规则约束，变成了大规模、有特定分布特征的数据回灌，驱动强化学习。

而基于Transformer的端到端智驾模型，本质是通过海量数据学习环境表征、时序关系和驾驶决策。模型需要处理的内容越来越复杂，既要理解当前道路环境，也要结合连续时刻的信息判断车辆、行人和其他交通参与者的行为，最终形成驾驶动作。

世界模型则进一步强调对物理世界状态及其未来变化的预测，让系统具备更强的环境理解与未来推演能力。

曹旭东认为，自动驾驶的规模化落地，对应的端侧模型，可能需要达到至少10B、甚至100B参数级别，这样的才有可能让真正的L4落地部署规模百万级起步。

模型参数规模只是其中一个维度，算子类型、数据访问方式、计算任务的并行关系，也会影响模型能否在车端实时运行。

这就把芯片需要面对的计算需求摆到了更大的量级上——同时满足功耗、车规可靠性和成本约束，细化到哪些算子值得做专用加速，哪些数据需要减少重复搬运，哪些计算任务适合并行处理……都必须在芯片设计阶段与模型架构协同考虑。

如果能把数据飞轮、两条腿走路、原生架构的芯片三者结合起来，模型进步就不再只依赖算法团队单点优化，底层硬件也开始围绕模型的实际需求共同演进。

Momenta的技术体系就有机会贯通数据积累、模型训练与迭代、芯片计算，以及最终的量产部署。

2022年至2026年间，智驾体验大致每两年提升10倍，这是行业过去普遍认可的智驾“摩尔定律”。

但在“大模型定义芯片”的框架里看，Momenta已经实践出一条新的正反馈链路：模型决定计算需求，计算架构反过来影响模型能以多大规模、多少成本部署到车端。

量产规模扩大，又为模型积累数据、检验能力提供持续条件，各环节协同之后，单点技术突破就有机会转化为整个系统的迭代速度。

2年提升10倍，可能并不是一个规定死的数值。大模型定义芯片，正在加速智驾摩尔定律迈向每年提升10倍。

最有可能验证的，首先是L4自动驾驶落地应用，包括无人出租车、无人快递车、无人卡车等不同形态。

车端计算效率更高，而且具备芯片算子与IP级优化合作伙伴，且有成熟产供应链及成本控制能力的Momenta，成为一个影响权重最大的变量。

新芯航途的英文名XHEART，保留了一个可以继续延展的X：今天是汽车，未来也可能是机器人及其他智能体终端，Momenta的技术体系，有了从自动驾驶延伸至广义物理AI的可能性。

毕竟自动驾驶与机器人在感知、决策、实时响应和能效方面有共同需求，机器人更严苛的散热约束也让新芯航途一直重视的低功耗设计，具备更大的潜在价值。

当然不同智能体终端仍需要围绕具体任务重新设计产品方案，但面向Transformer大模型的芯片架构、底层工具链和软硬件协同经验，Momenta、XHEART已经先行一步了。