当人工智能（AI）从云端大模型走向汽车、机器人等物理世界的应用，端侧AI芯片的竞争逻辑也在发生变化。对于芯片而言，AI算力数字仍然重要，但已经不足以单独决定一款芯片的竞争力。以智能驾驶为例，大模型能否在车端高效运行、芯片能否跟上大模型的快速演进的需求、系统能否满足汽车对功耗与安全的严苛要求，以及产品能否以合理成本实现规模化量产，正在共同决定芯片企业的商业前景。
10月29日，新芯航途（XHEART）正式发布面向端到端大模型的车规级智驾芯片X7 Ultra。该芯片以“大模型定义芯片”为核心理念，从真实量产模型需求出发设计了芯片架构，算力达700TOPS。与此同时，XHEART还公布了下一代芯片X9的研发目标：大模型算力达到3000 TOPS，单芯片内存带宽达到700GB/s。
此外，XHEART还宣布，X7系列芯片量产8个月累计出货已超过20万颗，搭载10款量产车型，并获得超过40款车型的订单。
对于一家2023年才成立的芯片设计公司而言，从创业到量产、再到多车型定点和数十万颗级出货，意味着其已经跨过了初创芯片企业最难跨越的商业化门槛。但在英伟达、高通、地平线以及车企自研芯片多方盘踞的市场中，XHEART要以智驾为起点，进一步扩大份额，必须回答一个更尖锐的问题：当行业并不缺智驾芯片时，整车厂为什么还要多一个选择？
XHEART CEO李宗霖的答案，藏在2023年立项之初就锁定的技术路线里——“大模型定义芯片”。在他看来，XHEART的差异化在对大模型计算特征的理解深度、芯片架构与算法趋势的协同定义能力、量产交付的工程纪律，以及围绕客户价值建立的商业模式。
一、为什么要做“大模型定义芯片”？
要理解XHEART X7 Ultra的产品定位，需要先回到智能驾驶技术路线的变化。
有着20多年芯片设计从业经验的李宗霖在发布会上回顾指出，传统智能驾驶系统通常将感知、预测和规划拆分为不同模型，各自完成相应任务。这种架构的优点是职责清晰，但不同模型之间的信息传递也可能造成有效信息损失，并限制系统的整体泛化能力。
随着基于Transformer的端到端大模型发展，智能驾驶开始从依赖工程师预先设计规则、由多个小模型分别执行任务的方式，转向更加数据驱动的技术路线。模型需要处理更复杂的场景，也需要利用更多数据学习道路环境中的规律。
这一变化对芯片提出了新的要求：
首先，芯片的理论算力不等于真实应用中的有效算力。实验室测试得到的TOPS、FPS或者模型运行耗时，并不必然代表量产智驾模型在真实车辆上能够达到的表现。模型结构、算子支持、内存访问、任务调度等因素，都可能影响最终的运行效率。
其次，汽车芯片需要面对与算法截然不同的产品周期。李宗霖在演讲中指出，较快的模型迭代可能半年就有一代，而整车开发周期通常为3至5年，一辆车的使用周期则可能达到5至10年。
这意味着，当一颗芯片完成设计并进入量产时，最初适配的模型可能已经历多轮迭代。如果芯片在架构设计阶段没有充分考虑模型的发展方向，后续OTA升级就可能受到算力、内存带宽或软件工具链的限制。
第三，车端算力不能脱离功耗和成本约束。单纯增加晶体管和计算单元固然能够提升算力，但汽车的散热条件、芯片面积以及整车成本都有明确边界。如何在有限资源下充分发挥大模型的能力，才是车规级智驾芯片真正需要解决的问题。
“需要从真实的大模型需求出发，重新思考计算、存储以及数据流动怎么组织，才能让芯片的资源真正用在模型需要的地方。”李宗霖在发布会上阐述了XHEART的核心技术理念。
这就是所谓的“大模型定义芯片”：不是先完成一套通用芯片架构，再让算法团队想办法适配，而是在芯片设计初期就把模型需求纳入架构定义过程，围绕模型的计算特征、数据流动、存储需求和未来演进方向进行软硬件协同设计。
李宗霖强调，这条路线并不是为了制造技术差异而刻意追求差异化，而是希望解决真实应用中的问题。他认为，芯片厂商必须在通用性与针对性之间作出选择，最终判断标准不是架构听起来有多先进，而是能否为客户创造实际价值。这也解释了XHEART为什么选择在2023年创业时就押注端到端大模型。
当时，资本市场环境并不宽松，大模型在车端的应用前景也不像今天这样清晰。对于一家需要长期巨额投入的芯片设计公司而言，放弃常规的低风险的通用计算架构，提前选择一条尚未被充分验证的“大模型定义芯片”技术路线，意味着承担更高的研发和商业化风险。
“我们当时只能做一次选择，也只有一次机会，但我们坚信这条路线能够给用户提供巨大的价值。这3年走来，确实也验证了当时我们对数据驱动大模型这一趋势方向的判断。”李宗霖说道。
二、700 TOPS背后的取舍：不堆算力，提高效率
XHEART此次发布的X7 Ultra的大模型算力为700 TOPS。与单纯强调算力数字不同，XHEART将发布会的重点放在了大模型运行效率上。
据李宗霖介绍，X7 Ultra采用了超大核NPU架构，并围绕Transformer模型的计算特征，对关键算子、数据访问路径和AI工具链进行了专门优化。
第一，采用超大核NPU+多级缓存架构，可减少模型运行中的数据搬运。
传统小核架构能够通过多个计算单元并行工作，但当端到端大模型的计算和数据交互越来越集中时，多个计算单元之间的数据交换也可能带来额外开销。
XHEART选择了超大核NPU设计，希望让更多紧密关联的计算任务在更集中的计算单元内部完成。李宗霖在演讲中将其比喻为，把原本分散在不同办公室、需要反复传递资料的团队，放进一个能够高效协作的工作空间。
根据XHEART披露，传统小核之间的数据交互处于百GB/s量级，而超大核内部的互联速率达到TB/s量级。配合大容量、高并发的多级缓存，芯片能够让计算所需的数据尽可能留在近端，减少等待和搬运。
李宗霖进一步解释称，数据搬运不仅影响性能，也会消耗大量功耗，增加域控制器和整个系统的散热负担。因此，芯片设计不能只追求计算单元的数量，还要关注数据从哪里来、经过哪些环节，以及最终需要搬运多少次。
第二，为Transformer模型的关键算子设计专用加速引擎。
随着模型架构从传统卷积网络向Transformer演进，部分计算任务对芯片的算子支持、数据访问效率和执行精度提出了不同要求。
X7 Ultra针对LayerNorm、Softmax、Transpose等关键计算环节设计专用硬件加速器，并搭配高效的缓冲寄存器，希望在计算和数据访问两方面同时提升效率。
这背后体现的是XHEART对芯片设计的一种理解：如果模型的关键计算需要频繁在不同处理单元之间切换，或者反复访问外部内存，那么即使芯片具备很高的理论算力，也可能无法充分发挥性能。
通过在硬件架构层面优化这些高频计算环节，XHEART希望减少数据搬运，并在保证模型推理精度的前提下提升整体效率。
第三，将AI工具链纳入芯片架构设计，实现整网级优化。
大模型芯片的竞争不仅发生在硬件层面。模型如何被编译、拆分、调度和部署，同样会影响实际性能。
李宗霖强调，X7 Ultra对AI工具链进行了深度重构，将优化范围从局部连续算子扩展到整张网络。通过对不同分层、不同分支的计算任务进行统一拆分、编排和合并，工具链能够减少中间结果反复写入外部内存、再重新读取的过程。
XHEART将这种能力称为整网级融合，并表示其能够实现整网的内存零拷贝。这里的核心并不是完全不再访问外部内存，而是尽可能减少中间计算结果的反复读写，让外部内存访问更多集中于模型输入、输出以及必要的权重加载等环节。
这也与李宗霖在反复强调的一个观点相呼应：模型一直在演进，因此芯片必须同时具备高效的工具链，才能让后续模型迭代顺利部署到现有硬件上。
根据XHEART在发布会上披露的数据，得益于X7 Ultra的软硬协同设计，Transformer架构的量产大模型在其NPU上的计算利用率可达到98.7%；在大模型性能相当的条件下，X7 Ultra与行业旗舰产品对比，其内存带宽消耗下降80%，推理能效提升100%。
虽然，X7 Ultra的700TOPS的算力水平在目前的国产智驾芯片当中并不激进，但是XHEART试图证明的是，X7 Ultra通过创新架构与软硬件协同，能够让更多算力高效地转化为真实的模型推理能力。
简单来说，一颗标称700TOPS的芯片如果实际利用率只有60%，有效算力不过420TOPS左右；而如果利用率逼近99%，同样标称下的可用算力差距会被显著放大。更关键的是，带宽消耗下降80%意味着对DDR的依赖大幅降低——在2026年内存供应紧张、价格大涨的背景下，这直接转化为域控BOM成本的可控性。此外，数据的频繁搬运不仅拖累性能，更消耗功耗，增加整个系统的散热负担。在车端，能效每提升一分，可释放的算力空间就多一分。
对于车企而言，X7 Ultra的这种极致效率的价值也将最终体现在真实场景中：模型能否更快完成推理，复杂道路场景中的判断能否更加稳定，以及更大的模型能否在功耗和成本可控的情况下进入更多车型。
三、Armv9车规级CPU：不只是给芯片配一个“调度官”
在整颗智驾SoC中，NPU承担大模型推理等高强度AI计算任务，但芯片并不是只要具备强大的NPU就能高效运行。复杂的智驾系统还涉及任务调度、控制逻辑、系统协同以及不同计算单元之间的配合。CPU的作用，是为这些通用计算与控制任务提供处理能力，并协调整颗芯片的运行。
X7 Ultra的架构设计的另一项重要创新，正是在中国首发搭载了Armv9车规级CPU，并率先在国内实现了量产。根据李宗霖在发布会上的介绍，X7系列芯片采用的Armv9车规级CPU已于2026年3月随客户车型进入量产。
李宗霖将CPU形容为整颗芯片中的“超级调度官”。希望CPU在保持精干的同时，具备足够的能力处理复杂控制和系统协同工作。换而言之，X7 Ultra并非单纯地堆叠NPU算力，而是试图让CPU、NPU以及其他专用计算单元各司其职，避免所有任务都挤在同一类处理器上。
据介绍，相较上一代，X7系列采用的Armv9车规级CPU性能提升20%，能效提升10%。此外，该CPU采用全新的SVE2向量处理引擎，与上一代NEON向量处理能力相比，新引擎具备更强的DSP性能；大集群架构则进一步改善了多核协同能力和L3缓存访问效率。
这些改进的意义，并不是让CPU取代NPU来执行大模型的主要计算，而是提升CPU自身处理任务的效率，改善多核之间的协同以及数据访问表现。对于由多个计算单元共同构成的车载SoC而言，CPU的处理能力、缓存访问效率与系统调度效率，也会影响各类任务能否顺畅衔接。
这也构成了X7 Ultra“软硬协同”路线的另一面：一方面，通过超大核NPU和专用加速引擎提高大模型计算效率；另一方面，借助Armv9车规级CPU提升控制、调度和多核协同能力，再由软件工具链组织整个计算流程。其目标不是让某一个处理器承担所有任务，而是让不同计算单元以更合适的方式协同工作。
四、从芯片量产到上车交付：XHEART的工程化考验
对车规级芯片而言，设计出一颗性能优秀的芯片，只是整个产品周期的一部分。从流片、回片、软硬件集成，到域控制器适配、整车验证和规模量产，每一个环节都可能成为商业化的瓶颈。而XHEART此次披露的上一代的X7系列芯片量产进展，则很好地展现了其技术团队强大的落地能力。
按照李宗霖在发布会上的介绍，XHEART从成立到芯片流片，再到量产，经历了约两年的关键发展阶段。X7系列芯片量产后的8个月内累计出货超过20万颗，搭载10款量产车型，并获得超过40款车型的订单。
他还回顾了X7系列早期的验证过程：X7芯片回片后不到24小时点亮，主要数据通路打通；在经过软硬件和算法团队的持续磨合后，17天实现整车闭环，并在真实道路上开展测试。
李宗霖特别强调，这些进展并非单纯依赖回片后的快速调试，而是源于前期大量验证工作的提前完成。
在流片之前，XHEART与国内智驾算法领域的头部玩家Momenta团队使用量产大模型算法进行全芯片仿真验证，并针对不同场景的数据反复进行验证。在客户侧，公司也提前参与域控制器设计，将芯片与客户选择的其他器件进行集成和验证，而不是等到芯片回片之后才开始处理软硬件协同问题。
“我们只有一次机会，所以我们会谨慎、透明、务实。”李宗霖接受芯智讯采访时解释道，初创芯片公司必须尽可能降低流片失败、软硬件集成不顺利以及客户项目延期等风险，因为越接近量产阶段，所需要投入的人力和资金就越多。”
这种工程化思路，也体现在XHEART对客户交付模式的选择上。XHEART虽然不是直接向车企供应硬件系统的Tier 1，但围绕X7系列芯片会提供参考设计，并按照主机厂的量产标准进行验证，包括大量域控制器级别的DV/PV测试。这也有助于加速X7系列的上车。
对于车企而言，芯片性能只是选型的一部分。芯片能否与现有软件、传感器、域控制器及整车系统顺利集成，能否满足可靠性和安全要求，以及供应商能否及时解决项目开发中的问题，同样决定着产品是否能够按期量产。
李宗霖自豪地表示，车企选择X7系列芯片的重要原因，是芯片适配端到端大模型后能够带来令人满意的城市NOA和L2++体验，也有利于将方案适配到更多车型。
因此，XHEART的竞争壁垒不能简单理解为一项NPU架构创新。更准确地说，它需要同时建立三种能力：面向大模型的芯片设计能力、软硬件与整车系统的工程化能力，以及在多车型量产中持续交付的能力。其中，技术架构可以通过研发建立，但量产经验、客户验证和系统集成能力往往需要通过真实项目逐步积累。这也是XHEART商业化进展迅速的价值所在。
五、Momenta是“共创者”，不是“绑定者”
在XHEART的产品路线中，Momenta是一个绕不开的重要战略合作伙伴。
发布会上，Momenta CEO曹旭东指出，世界模型的价值在于提升对物理世界的理解、推演和预测能力。他还宣布，即将推出的R7 Ultra世界模型将基于XHEART X7 Ultra运行，模型参数规模扩大至原来的5-10倍，安全性能也将提升5-10倍。预计下一代世界模型参数可能会有10-100倍的提升。
他还将智能驾驶视为物理AI的重要先行应用，认为2028年将成为L4智能驾驶的引爆点，并表示将携手XHEART引领2028年L4引爆的发展机遇。
对于XHEART而言，Momenta不仅是算法合作伙伴，也为芯片架构定义提供了重要的输入。
Momenta公布的数据显示，其累计量产搭载规模已突破140万台，累计驾驶里程达到200亿公里，最新增加的10万台量产搭载规模，用时仅不到一个月。这些真实车辆带来的数据积累，为模型接触更多场景、学习更多驾驶经验提供了基础。
由于芯片研发周期长，而大模型算法迭代速度快，因此双方如果能够在芯片设计初期共同讨论未来模型的发展趋势，就有机会提前识别算力、带宽、算子和工具链方面的需求。
针对XHEART是否与Momenta绑定的问题，李宗霖向芯智讯表示，双方合作不具有排他性，其他基于Transformer架构算法的算法供应商，同样可以基于XHEART芯片进行适配和开发。
他解释，双方通过前期联合定义和验证，把握模型技术的发展趋势，芯片架构与设计等核心工作则由XHEART团队独立完成。在商业层面，XHEART独立销售SoC芯片，不捆绑Momenta算法，主机厂可以自主选择芯片与算法方案。
六、智驾芯片竞争加剧，XHEART凭什么立足？
XHEART希望以智能驾驶为起点，并依托大模型芯片，赋能多领域AI体验。而当前智能驾驶芯片市场的竞争者众多，不仅有英伟达、高通、地平线、黑芝麻智能等第三方智驾芯片供应商，还有特斯拉、比亚迪、理想、蔚来、小米等持续推进自研芯片的汽车企业。不同厂商拥有各自的技术架构、客户资源和生态优势，新进入者要争取市场份额，显然并不能只依靠某一项或几项性能指标就能脱颖而出。
李宗霖强调XHEART更关注自身的目标、团队和执行力。他认为，竞争者众多，说明行业参与者看好市场。但真正重要的是，企业能否持续向客户交付有价值的解决方案。
从X7 Ultra的产品设计与量产路径看，XHEART的差异化主要体现在以下几个方面。
首先，是产品定义阶段的差异化。XHEART并非单纯追求通用算力堆叠，而是选择围绕Transformer等端到端大模型进行针对性优化，希望其700TOPS的算力在真实模型负载下获得更高的计算利用率和更低的数据搬运开销。
其次，是软硬件协同的差异化。XHEART试图把算法需求、芯片架构、工具链、域控制器参考设计和量产验证结合起来，以减少芯片从研发到上车的工程成本和时间。
第三，是商业策略的差异化。通过与Momenta深度合作，XHEART能够获得先进模型需求的输入；通过坚持非排他合作和独立销售，又为未来拓展其他模型算法合作伙伴，拓展更多主机厂客户保留空间。
但技术和商业策略的差异化并不自动等于竞争壁垒。大模型定义芯片是否具有长期优势，最终仍需要经受几个方面的检验：
第一，模型持续演进后，芯片能否继续维持较高的利用率和能效优势；第二，产品能否从现有车型进一步扩展到更多客户和价格区间；第三，研发投入、芯片成本和公司运营成本能否控制在合理范围内；第四，在更高等级自动驾驶对系统安全、可靠性和确定性提出更高要求时，现有架构能否继续演进。
这些问题共同决定了XHEART能否实现从一款成功量产上车的芯片，成长为拥有持续产品迭代和大规模交付能力的平台型芯片企业。
七、资本与供应链：长鑫、台积电背后的产业协同
芯片行业具有典型的规模效应。巨额的研发投入发生在前，产品量产和收入回报则需要更长时间才能兑现，而且芯片的良率和出货规模必须达到足够的量级才有可能盈利。所以，对于一家初创芯片设计企业而言，芯片技术路线是否正确固然重要，但能否获得资本与产业链支持、能否很好地控制研发和运营成本，同样关系到企业能否持续发展。
李宗霖指出，XHEART从创业之初就特别重视财务健康，希望芯片成本和运营成本都得到有效控制。按照目前的情况判断，X7系列芯片已经能够支撑公司财务健康运转。他同时强调，芯片企业不能只停留在PPT演示阶段，而必须真正向客户交付产品，并通过客户认可形成业务回报，再将收益投入持续研发。
“我们向客户交付价值，客户带来业务回报，这份收益再支撑团队持续迭代研发。”在李宗霖看来，能否形成这样的正向循环，取决于技术路线、成本管控和执行纪律能否形成合力。
来自资本与产业资源的支持，则为XHEART的这一正向循环的实现提供了另一层基础。
10月初，XHEART宣布已完成新一轮战略轮融资，欧洲头部车企雷诺集团首次投资，奇瑞汽车追加投资，此外还包括国产存储龙头长鑫科技、上汽、IDG、蔚来资本等众多机构。
作为存储领域的关键供应商，长鑫科技对于XHEART的投资尤为吸引外界关注。XHEART主要研发SoC芯片，长鑫科技则从事内存芯片制造，而SoC与DDR内存在系统性能和成本方面的关联正在增强。芯片的理论算力再高，如果内存带宽不足或数据搬运效率低下，仍然可能受到“内存墙”的限制。
因此，SoC设计与内存供应链之间的协同，有助于从系统角度考虑性能、成本和可靠性。未来双方围绕共同客户、产品验证和解决方案交付的合作，也有望进一步深化。
XHEART的另一位重要供应链合作伙伴是台积电。在本次发布会上，台积电副总经理陈平博士也作为特别嘉宾上台介绍了与XHEART的合作。
陈平博士回顾道，三年前李宗霖与其团队提出基于大模型设计芯片，并希望将L3、L4自动驾驶能力逐步推向现实应用时，这一愿景曾经显得颇具挑战。但随着X7系列走向量产，台积电也为X7系列芯片提供了工艺支持与服务。
陈平将当前AI芯片在半导体制造方面的发展归纳为两条重要技术主线：一是逻辑工艺持续微缩，二是通过先进封装与芯片集成，进一步拓展系统性能。但是，车规级芯片与消费类芯片在可靠性要求上存在差异，车规工艺需要积累更多量产数据，并经过充分验证。面向L3、L4自动驾驶以及更高算力需求，先进工艺和先进封装都可能发挥越来越重要的作用。
陈平还表示，台积电已经做好先进工艺方面的准备，未来希望继续与XHEART合作，利用车规级的5nm、3nm等先进工艺推动更高性能芯片的发展。
显然，从资本与产业链角度看，XHEART目前的成绩并非只依靠自身芯片设计团队。资本支持、先进制造、内存供应、算法模型、域控制器设计和整车验证等，也都是其产品走向量产商用的关键。
这也揭示了车规级智驾芯片竞争的一个关键特点：芯片设计公司的竞争力，既来自自身掌握的核心技术，也来自其能否获得足够的资金支持、能否协调产业链资源，在性能、功耗、成本、可靠性和交付周期之间取得平衡。
八、从X7到X9：L4不是算力的简单叠加
在X7 Ultra正式发布的同时，XHEART还公布了下一代面向L4需求的芯片——X9的研发目标。
按照XHEART披露的信息显示，X9大模型算力目标为3000 TOPS，单芯片内存带宽目标为700GB/s，面向更大规模的模型，以及L4自动驾驶和具身智能等端侧物理AI场景。
李宗霖表示，XHEART的研发节奏是“量产一代、开发一代、预演一代”。X7 Ultra代表当前阶段的软硬件协同成果，而X9则将继续围绕更大规模模型的计算和存储需求展开设计。
需要指出的是，智驾从L2走向L4，并不是只需要简单增加算力就可以。李宗霖在采访中指出，L2到L4是计算范式的升级。除了推升TOPS外，芯片还必须考虑带宽、片上存储容量、确定性延迟以及更高的安全兜底能力。
因此，最终交付给车企的并不是孤立的计算核心，而是一套需要同时处理模型推理（NPU）、系统控制（CPU）、传感器输入与安全要求的车载计算平台。在X7 Ultra上，XHEART已经将这种思路体现在传感器处理和安全设计中。
据李宗霖介绍，X7 Ultra采用专门的激光雷达处理加速器，能够支持每秒2000万点的处理带宽，以应对高线数激光雷达带来的点云数据处理需求。同时，X7 Ultra还针对摄像头处理流水线进行了优化，不仅仅关注平均时延，更强化了时延的确定性。因为，平均30ms时延，但抖动范围20至50ms的系统，其安全下限由50ms决定。X7 Ultra通过本地计算与流水线控制，将摄像头处理稳定性相比竞品提升了100%。
在硬件安全方面，X7 Ultra满足ISO 26262 ASIL-B功能安全要求，内置MCU达到ASIL-D等级，信息安全满足国密二级要求；在行驶安全方面，X7 Ultra拥有对标行业旗舰的高效算力，并预留模型持续升级的潜力。
与此同时，XHEART还披露，X7系列已经导入多个L3、L4自动驾驶项目，并推出基于两颗X7芯片的参考计算平台。该方案通过冗余电源、传感器接入和通信互联设计，面向更高等级自动驾驶的系统需求。
这表明，XHEART智驾芯片除了在现有L2++量产业务之外，已经提前积累更高等级自动驾驶所需要的芯片与系统能力。
对于市场前景更为广阔的具身智能市场，李宗霖在采访中表示，自动驾驶与具身智能的技术底座具有较高相似性，公司未来将向机器人、人形机器人等方向发展，目前已经与一些机器人企业进行项目交流。
但不同场景对传感器、实时控制、功耗和可靠性的要求仍有差异，汽车芯片不能不经调整直接用于机器人。XHEART能否将汽车领域积累的架构设计和软硬件协同经验转化为机器人领域的竞争力，还需要后续产品和项目验证。
小结：
从2023年创业时选择“大模型定义芯片”，到X7系列芯片量产并实现超过20万颗出货，再到X7 Ultra的发布和下一代X9的曝光，XHEART正在建立一条以大模型需求为起点、以软硬件协同为核心、以量产交付为落脚点的发展路径。
这条路线的价值，不仅在于为端到端大模型提供更适配的计算架构，更在于将芯片设计、算法演进、工具链优化、系统验证和供应链协同纳入同一套产品开发逻辑。但从路线走通，再到长期商业成功，仍然存在着众多的挑战。
对于XHEART而言，下一阶段的关键不只是推出算力更高的X9，而是要在扩大出货规模的同时，维持产品的性能与能效优势；在深化与Momenta合作的同时，真正拓展开放生态；在推进L3、L4项目的同时，持续积累系统安全与量产交付能力；并最终通过规模效应，让持续研发形成财务上可持续盈利的正向循环，这将决定它能否在芯片市场的激烈竞争中真正站稳脚跟。
作者：芯智讯-浪客剑