世界模型首次指导设计芯片！超大核NPU700TOPS，99%算力可用

发布时间：2026-10-31T05:11:19Z　来源：量子位　分类：industry

世界模型首次指导设计芯片！超大核NPU700TOPS，99%算力可用AI算力利用“九九成”贾浩楠 发自 凹非寺量子位 | 公众号 QbitAI越靠软件吃饭的公司，越重视硬件，出现在了一家成立仅仅两年多的芯片公司首次公开亮相里。首款芯片，Day 0适配。姐妹公司终于合体，最强智驾模型公司，如虎添翼。，现在成了Momenta的硬通货伙伴。有模有芯，Momenta的智驾模型表现乃至公司整体，都面临新的价值重估了。AI算力利用“九九成”，什么样的芯片？谁做的？，只看算力数值，在2026年底已经不能算“极致”了——但官方更加强调另外两种参数。量化模型输出与FP32基准模型的相似度超过99.99%它想表达的是：X7 Ultra的确有更高的推理效率，但没有放任量化误差无限扩大，而是要求量化后的模型输出尽可能贴近FP32模型。因为大模型实在太能吃算力、内存和功耗了，把模型权重和计算精度压下来的主要途径，就是减少存储与计算开销。但压得太狠，输出也可能出现偏差。能否把这笔账算好，直接关系到有限的功耗预算里究竟能跑多大的模型。NPU计算利用率达到98.7%，意味着芯片里的AI计算单元，在运行测试任务时，绝大部分时间都在执行有效的计算工作，闲置时间很少。这通常也意味着芯片架构、数据传输和软件调度之间配合得比较好，计算单元不容易因为等数据、等指令而空转。官方给出的参考数据是：对比行业旗舰产品，内存带宽消耗降低80%，能效提升100%。这时候再回头看700TOPS算力数值，就能理解其不同之处：行业第一次用“大模型算力”描述芯片性能过去谈TOPS，多用稠密算力或稀疏算力，这些概念可以说明芯片的理论计算能力，却很难单独回答一个更贴近实际体验的问题：把真正用于智能驾驶的模型放上去，究竟能跑多快、跑得有多稳？例如，实验室里的APS等测试指标单独测量某个模型的运行耗时，都能帮助工程师分析芯片性能。但真实智驾大模型涉及复杂的网络结构、不同类型的算子、频繁的数据读写，以及多种计算任务之间的调度；只追求某个环节跑得很快意义有限，因为其他环节却因为等待数据、内存带宽不足或调度效率不高而拖慢整体速度。最终，实验室基准测试与量产模型的实际性能、驾驶体验之间，就可能出现距离。“大模型算力”的评测思路，是直接使用真实量产智驾模型测试芯片，而不是只依赖实验室基准测试。这样一来，评测对象就从相对独立的计算任务，转向了实际部署中的智驾大模型。这套评测还有另外几项明确约束：模型结构不能随意改变，计算精度必须得到保证，最终驾驶体验也不能打折，芯片需要在这些条件都成立的情况下，尽可能提高模型运行效率。这就是“大模型算力”想要衡量的东西：在真实量产模型和严格部署约束下，芯片究竟能提供多少的计算能力，让性能数字更准确描述智驾系统实际要完成的工作模型，在现在这个阶段，就是Momenta的R7世界模型也不瞒各位，这家芯片公司，的确和Momenta有极深的渊源。，两家公司没有直接的股权隶属关系，只是Momenta创始团队成员曹旭东、夏炎通过控股股东间接持有新芯航途股份。和Momenta属于“姐妹公司”，第一款量产产品X7其实已经在上汽大众的新车上量产，但这次的X7 Ultra发布是新芯航途第一次正式对外亮相。大模型+大算力芯片，会带来什么智驾改变？先想象一下智驾模型在车里工作的过程。摄像头和激光雷达把数据送进来，模型开始一层层计算，最后形成感知与驾驶决策所需的信息，整套流程必须在有限时间里跑完。问题是，芯片内部很容易出现一种尴尬局面：计算单元明明很强，却在等数据；某些算子算得飞快，另一些操作却拖住了整条链路；以及传感器数据越来越多，前端处理又排起了长队。所以，端侧AI计算芯片最怕的，就是一处猛踩油门，其他环节还在慢慢悠悠地跟。第一步，是把NPU做成超大核架构，并提升核间互连带宽。这样的考虑直接由大模型计算方式驱动：模型规模扩大后，大量计算任务需要组织起来执行，计算单元之间也会交换数据，超大核能配合更高效的互连，减少协作过程中的损耗，让计算资源更连贯地工作。但矩阵计算快了，还不等于整个模型就快了，因为神经网络里还有不少“配角”算子，例如LayerNorm、Softmax和Transpose等等。它们未必贡献最多的计算量，却可能反复出现在模型执行路径上，一个算子处理得慢，后续计算就得等着“接棒”。X7 Ultra为这类操作配置了专用计算引擎，相当于把模型里的高频任务单独安排了工位，减少通用计算资源被这些操作占住的时间。硬件的活儿安排好了，软件还得会派活。

原文链接：https://www.qbitai.com/2026/10/506866.html

更多AI行业深度分析，请访问 AI最前沿（aiforefront.cn）。