10月29日，苏州。成立不到三年的新芯航途，开了一场主题叫"大模型定义芯片"的发布会。

主角是一颗代号X7Ultra的芯片，700TOPS大模型算力。CEO李宗霖在台上要讲的，不是一颗芯片有多快，而是一条路线：先理解大模型，再设计芯片。

这场路线发布里最值得注意的一点，是李宗霖的一句话：智驾是起点，机器人是下一站。一家靠智驾芯片吃饭的公司，已经把机器人写进了自己的下一代路线图。

Momenta的掌舵人曹旭东，在圆桌里给过一句判断：智驾摩尔定律正从每两年十倍迈向每年十倍，L3和L4有望在2028年引爆。两个人说的其实是同一件事，这颗为车而生的芯片，不甘心只装在车里。

为什么一家智驾芯片公司要跨界去碰机器人？答案就藏在它这场发布会讲的内容里。顺着发布会往下看，是新芯航途想讲的新故事，也是一条能窥见产业走向的暗线。

01 这场发布会，新芯航途讲了什么

把发布会的内容摊开，主线只有一条：大模型定义芯片。这条路线不是临时起意。李宗霖说，判断形成于2022年底，团队创业之初就给自己定下纪律，从真实应用中的模型需求出发，倒推芯片架构。

过去行业是反过来的，先做芯片、再让模型适配，李宗霖给这种老路子出了三道题：纸面算力能不能在真实量产模型里释放？今天设计的芯片能不能跟上明天的模型？车规约束下，能耗能不能控制在整车可接受范围？三道题要放在一起答，答案就是从模型需求倒推计算、存储和数据流动的组织方式。

X7Ultra是这条路线第一个量产的答案。它最扎眼的不是700 TOPS这个纸面数字，而是测法。官方没有用实验室基准跑分，而是加了一道硬约束，在量化后模型输出与FP32浮点相似度不低于99.99%的前提下实测，当面点破标称TOPS不等于可用算力。围绕大模型对计算、精度、带宽和协同的需求，X7Ultra长出六项能力：专为大模型设计的超大核NPU，把百GB/s级的小核互联聚合到TB/s级超大核内部；硬件并行度解锁，量产大模型实测NPU利用率98.7%；AI工具链重构，整网级融合让中间结果不再反复读写外部内存，内存带宽消耗比行业旗舰低80%、能效提升一倍；中国首发量产的Armv9车规级CPU；深度异构计算，激光雷达处理带宽最高2000万点每秒、传感器预处理稳定性提升100%；软硬兼备的安全底座，满足ISO26262 ASIL-B、内置MCU通过ASIL-D。六项能力来自同一个起点：先理解大模型，再设计芯片。

除了芯片，发布会值得关注的还有世界模型。战略伙伴Momenta在台上发布了R7 Ultra，专门配套X7Ultra，参数规模扩大5到10倍、安全性能提升5到10倍，把自动驾驶从理解环境推向推演环境。它延续三层架构：世界模型预训练学物理常识、物理仿真推演长尾场景、强化学习持续迭代。曹旭东判断，大模型芯片正在加速智驾摩尔定律，2022到2026年智驾能力每两年提升十倍，在大模型定义芯片推动下，节奏会切到每年十倍，L3和L4有望2028年引爆、2030年规模化。

量产成绩单是这条路线最硬的背书。从公司成立、流片到量产，新芯航途只用了两年。首颗X7回片不到24小时完成点亮，第17天芯片、底层软件与智驾模型实现整车闭环，在真实道路白天夜晚暴雨下测试；曹旭东在圆桌给出对比，通用芯片时代跑通跑稳往往要3到6个月甚至更久，而在X7上只用了27天，因为模型设计和芯片设计在流片前就已经一起做完。

截至发布会，X7系列量产8个月出货超20万颗，搭载10款量产车型、拿到40多款车型订单，基于双X7的L3/L4平台已获多个定点。下一代X9也亮了目标：2027年推出，3000 TOPS、700GB/s带宽，面向L4和具身智能。

李宗霖在现场把公司定位说得很清楚：新芯航途是芯片供应商，不直接交付完整硬件，而是提供经过验证的参考设计，保持量产一代、开发一代、预研一代的节奏，定制芯片不为某个固定模型焊死，而是支持Transformer这一类范式。

一场发布会，讲的不是一颗芯片，是一条路线、一个生态、一种对算力定义权的重新理解。它把"智驾芯片"这个旧标签，悄悄换成了"物理AI算力芯片"，也为后面那句"机器人是下一站"埋下了伏笔。

02 为什么一颗为车而生的芯片，敢碰机器人

车规芯片和机器人芯片能合流，根子在于端到端大模型上车、上机器人之后，对算力芯片的要求高度同构。

第一是同构在实时性。无论是车在路口做决策，还是机器人在工厂抓零件，都不能等云端想三秒再动，推理必须本地、毫秒级完成。第二是同构在功能安全。机器人进工厂、进家庭，撞到人就是事故，车规打磨多年的ASIL-D那套管控制度，正好是机器人端侧缺的。第三是同构在低功耗。车可以靠液冷，机器人端侧往往免液冷，车规芯片长期压功耗的功夫直接能用。第四是同构在长期稳定供货，机器人要走量，供应链稳定性和车规一个标准。

换句话说，车规芯片被车厂逼出来的那些硬功夫，恰好是机器人端侧推理最缺的能力。需求收敛，底座就得统一。

具体迁移场景已经看得见了。工业物流里的AGV，要在仓库里自主避障搬运，车规级的实时感知推理直接能用；人形机器人的关节感知与全身推理，对低延迟、高可靠的要求和车端如出一辙；园区巡检、工业边缘智能节点，都是同一套端侧算力打底。曹旭东，也就是Momenta的掌舵人，在采访里说得直白：算力底座成熟之后，相关能力还可以向外延伸至机器人等其他物理AI场景。

更有意思的是，机器人本体厂已经在用脚投票，走的是双轨制。宇树G1基础版搭载国产瑞芯微RK3588算力的主板，把成本压到8.5万元起，靠量产规模走量；高端型号H2 Plus才导入英伟达Thor保性能上限。智元的灵犀X2也是类似打法，基础算力板用RK3588，高算力板才可选英伟达Orin。国产车规级芯片正被机器人当底盘吸收，英伟达从心脏降级成外挂。

这说明车规能力向机器人渗透，不是芯片公司的单相思，是供需两端同时在发生。新芯航途敢把两个场景塞进同一颗底座，底气正来自这种结构性的需求收敛，而它一家显然吃不下这块正在变宽的棋盘。

03 谁在布局这块统一底座

台上站的是新芯航途，台下的棋局却铺满了全行业。这场发布会把"车与机器人共用一颗底座"讲得最直白，但它暴露的底层需求，英伟达、地平线、本体厂早就用各自的姿势在下注。抢这块跨车与机器人的算力底座，不是它一家的事，是几股力量同时下场。

最典型的是英伟达。它的打法是一套物理AI栈通吃：车端有Thor，机器人边缘有Jetson和IGX Thor，人形机器人有GR00T系列基础模型，世界模型有Cosmos，仿真训练有Isaac。2026年它接连放出GR00TN1.6、GR00TN1.7商业授权，预告的GR00TN2采用全新世界动作模型架构，在新环境执行新任务的成功率达到现有视觉语言动作模型的两倍以上。黄仁勋的原话是，机器人和AI的ChatGPT时刻来了。在机器人SoC市场，英伟达2025年以69%的份额锁定高端，Thor在FP4精度下算力达2070 TFLOPS，是宇树H2 Plus和智元高端机型的指定配置。它定义底座，别人来适配。

国内另一条线是地平线。这家公司2015年立的目标就是为所有机器人设计专用大脑芯片，现在正从汽车这个落脚点向机器人延伸。第四代BPU黎曼架构明确面向物理AI设计，车载之外支持更广泛的具身智能。它通过战略伙伴地瓜机器人，已经赋能超100种下游机器人品类、客户超400家，覆盖中国半数以上的具身智能企业。2026年5月它开源了HoloMotion-1，一个4亿参数的机器人小脑大模型，能在端侧跑出300FPS。地平线的逻辑和英伟达不同，它走的是开放授权，把底层能力交给伙伴自研，不封闭锁定生态。

本体厂也在用双轨制应对算力主权。优必选2026年6月和沐曦合资成立曦选创智，专攻具身智能端侧芯片，时间表写得很清楚，2027下半年流片、2028量产。小鹏复用汽车供应链，规划5万台机器人产能。这些动作背后是一个共识：纯靠外购算力，在量产爬坡时会被卡脖子，智元接近2万台产量后芯片物料就趋紧，正通过多供应链保供和部分核心零部件自研来保障爬坡。

纵向看，芯片行业自己也在跳三级。第一级是通用算力平台，谁都能用但都不够贴；第二级是为大模型定制，按计算特性设计架构；第三级就是现在，跨车与机器人的物理AI统一底座。新芯航途、英伟达、地平线，各自姿势不同，却都站到了第三级门口。

04 底座合流之后，芯片和系统要往哪走

底座合流，不是谁吞并谁，它先把芯片和系统的技术方向改了，再把产业链的协同关系改了。

芯片方向，从车规专用走向物理AI通用底座。架构逻辑在变：不再分车芯、机器人芯两条产品线的硬件定义，而是统一按大模型计算特性设计，超大核NPU、Transformer关键算子硬件加速、整网级融合减少数据搬运。这些架构本来为智驾大模型而生，现在要同时扛车端和机器人端侧推理。一颗芯片要同时过两道关：车规的ASIL-D功能安全、长期稳定供货，和机器人端侧对低功耗、灵活部署的要求。产品定义的门槛，从做好一颗车规芯片，变成做好一颗横跨两域的物理AI底座。

系统方向，算力统一，系统层也得跟着跨域。安全操作系统从车端走向机器人端。QNX这类通过ASIL-D认证的安全OS，本来是车规标配，现在成了跨车与机器人的统一安全底座。新芯航途、Momenta、QNX三方共建的全球安全标准平台，已经通过TÜV莱茵ASIL-D认证，原生满足欧洲UN R171法规，可直接支撑出海。工具链成为跨场景复用的关键，整网级融合、统一编排计算任务，这些软件能力决定一颗芯片能不能在车、在机器人上都被高效用起来。软件定义从车内，扩到车加机器人统一平台。

产业链关系，从线性供货变成联合定义。旧关系是芯片厂把芯片定型后，交给Tier1，再交给车厂，算法来适配硬件。新关系是芯片厂、算法厂、OS、存储，在芯片定义阶段就深度绑定，共同定义一颗横跨两域的底座。

新芯航途的股东阵容，几乎是这种联合定义趋势的一个缩影。算法方是Momenta，从芯片定义阶段就介入，这是算法公司下沉造芯的最直白样本。车企方，上汽从天使轮起连投4轮，奇瑞追加，雷诺首次入局，整车厂不再只是采购芯片，而是提前用资本锁定产能和定义权。

存储方是长鑫，国产存储龙头罕见出手一家芯片公司，解决的是物理AI系统里内存涨价周期里的保供和量产毛利。Tier1是均胜电子，已基于其芯片平台开发高阶智驾域控。代工与安全OS，是台积电和QNX。这套组合背后是三种趋势合流：算法公司从写软件变成定义硬件，车企从采购方变成产业资本方，底层器件从标准件变成算力底座的协同定义者。

但它不是全行业唯一路径。地平线走的是自做芯片加工具链加全栈，不依赖某个算法兄弟公司；英伟达是定义底座、别人来适配的开放平台模式。联合定义是趋势之一，不是唯一答案。另外需要提到的是，新芯航途对外宣称芯片面向不同车企和算法供应商开放、与Momenta合作不排他。如果真变成封闭的圈子，反而违背统一底座的初衷。

回到开头那个画面。一颗为车而生的芯片，把机器人写进使命，背后是物理AI把车和机器人的底层算力需求拉到了同一张清单上。底座合流是手段，真正的考题在后面：产业链上每一环，怎么在新的协同关系里重新找到自己的位置。芯片厂、算法厂、车企、本体厂、OS和存储，谁定义、谁适配、谁共担，决定这块统一底座最后长出什么形状。