21 世纪经济报道记者 易思琳

2026 年北京车展媒体日当天，理想汽车董事长兼 CEO 李想组织了一场低调的老友饭局。

当天，李想与几位从理想出走，如今各自独立创业的高管们重聚餐桌。在场的有理想汽车前总裁沈亚楠、前智能驾驶预研负责人贾鹏、前智能驾驶量产研发负责人王佳佳、前第二产品线负责人张骁，还有前智能驾驶产品总监赵哲伦。

他们在不同时间离开理想，分别创立了赫宇机器人、至简动力、斜跃智能、维他动力。产品有专注于家庭场景的消费级机器人，也有专注于工业场景的机器人，还有团队专注于机器狗的研发。

饭桌间，他们调侃这是一场 " 车人狗聚会 "。寒暄之外，几位创业高管向李想提出最多的诉求是：马赫 M100 能不能也向他们供应？

" 外采其他家的芯片，从工具链、稳定性，再到效率、成本都不如马赫 M100 芯片。他们（指离职的高管）清楚我们自研芯片是什么水平。" 李想在播客里说。

马赫 100，单颗芯片算力达 1280 TOPS，是当前新势力公司自研的芯片中算力最大的那一颗。对于行业来说，这颗芯片更为重要的意义在于：这是全球唯一一颗采用动态数据流架构的智能驾驶芯片。数据流架构不同于传统的冯 · 诺依曼架构，核心是数据驱动，并非指令驱动，能够减少缓存中的反复存取，释放更多有效算力，提高 AI 运行效率。

芯片是理想做 AI 的起点。自 2022 年开始，理想四年芯片攻坚，四年操作系统重构，三年大模型打磨。而对于智能汽车而言，芯片是心脏，操作系统是神经系统，基座模型是大脑，底盘是灵活的手脚。自此，理想的 AI 布局逐渐完善，搭建起一套具身智能体系。

李想曾在去年的 AI Talk 上表露野心：" 理想既不是一家纯粹的造车公司，也不是一家纯粹的硬件公司，理想应该像苹果、华为一样，做一家人工智能的生态公司。"

All in AI，让理想站在了智能汽车行业最特殊的十字路口：一面是理想想要牢牢攥住、难以被复刻的下一个十年的未来底牌；另一面是重押底层技术带来的负重与不确定性。

在这场 AI 战略利弊博弈中，理想之所以敢下重注、走最难的全栈自研之路，所有的底气与抉择逻辑，或许都藏在过往数年步步为营的 AI 攻坚往事里。

理想自研芯片的想法萌生于 2021 年全球芯片荒。

彼时，原来 1 个月芯片交货周期被拉长到 6 个月、单颗芯片价格暴涨 5～10 倍，同时头部车企 BBA 还拿走了一半的芯片产能，留给理想等新势力车企的芯片供应并不多。

如果更换短缺的 MCU 芯片，操作系统和全新芯片的适配、验证周期一般需要六个月以上，这会带来上百亿元营收损失。供应链被卡脖子，让自研芯片被提上理想研发日程。

但在蔚小理三家中，理想是最晚启动芯片自研的公司。

早在 2020 年前后，蔚来从小米挖来 " 芯片老将 " 白剑，担任硬件 VP，统筹智能驾驶芯片的研发；小鹏招揽特斯拉初代 FSD 芯片核心骨干谷俊丽，她也是小鹏初代图灵芯片架构总负责人，牵头搭建硅谷芯片团队。到了 2022 年，蔚来、小鹏自研芯片团队已经分别接近 300 人、200 人，把自动驾驶 AI 芯片作为主攻方向。

而 2021 年，理想虽然已经开始考虑自研芯片，但并未付诸行动。上市和销量增长让公司缓过了劲，理想虽然手握百亿现金流，但在选择做什么不做什么、怎么做时，依然希望把钱花在刀刃上。

和蔚来、小鹏不同，理想认为，功率半导体才是理想认定的 " 刀刃 "，战略优先级高于自动驾驶芯片。在当时，自动驾驶芯片仅影响智驾体验，且供给渠道多元；而功率半导体是电驱系统的根基，供给高度集中，一旦断供可能导致整车停产。2022 年 7 月，理想与三安半导体合资动工建设苏州功率半导体产线。

功率半导体是生存底线，但自研 AI 芯片才能抢占智能化的代差优势。2022 年 7 月，理想汽车从华为引入谢炎，芯片、操作系统等都归在谢炎主管的系统与计算群组之下，芯片团队才正式组建。

谢炎刚加入时，理想芯片团队只有两名员工，不到一个月就剩一个人了。剩下的那名员工问谢炎：" 公司已经决定做芯片，但要怎么做？资源有限，是不是要先做小芯片试水？" 小芯片是指低成本、低算力的 AI 芯片，用于试错、验证基础能力。

但即使在早期团队规模不大、公司投入谨慎的情况下，谢炎也反对做小芯片试水。谢炎认为，一开始，自研的战略目标必须正确。

" 我和李想有一个非常一致的意见：自研不是为了证明自己有能力做，而是得真正解决问题。" 谢炎在群访现场告诉《21 汽车 · 一见 Auto》。当时汽车智能化虽然还没发展到现在的大模型阶段，但团队知道未来车内需要的 AI 算力只会越来越高，需求推动下，外购高端芯片的成本也会变得越来越高。容易做的小芯片只能应付当下，无法匹配长期智能化的算力需求。

2022 年 11 月，自研芯片项目正式在理想内部立项，团队规模 10 人左右。

谢炎回顾芯片立项说：" 供应商要满足所有的客户，不可能只给一个客户提供，这就意味着他们很难满足非常极致的定制化需求。"

行业里最强大的汽车芯片供应商是英伟达，当时量产车上普遍搭载英伟达的 Orin 芯片，而算力更大的 Thor 芯片也已经处于研发设计中。" 如果自研做不到比外购芯片更好，那做的意义不大。" 谢炎告诉《21 汽车 · 一见 Auto》。

经过半年时间分析，团队给芯片自研设定的目标是：一半成本、两倍性能，也就是四倍效能。

但谢炎清楚，要在一半的成本下做得比英伟达更好，采用英伟达的技术路线行不通。

按照既定路径做研发，只会成为第二个英伟达，并不能超越它。对当时的芯片团队来说，只能扔掉既定架构依赖，回到本质，从第一性原理看 AI 计算本身还有什么机会。

" 英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。就像你跟博尔特在 100 米赛道上，他比你早跑 2 秒，你不可能超过。" 谢炎补充道。

最终理想选择动态数据流架构。

这一架构同传统的冯 · 诺依曼架构的区别在于：传统 CPU/GPU 芯片采用的是指令驱动，按照 " 先取指令，再取数据，再执行 " 的逻辑；而数据流架构则是数据到齐之后就立刻执行，执行完直接传递给下一个单元，数据自己决定什么时候计算，不用 CPU/GPU 指挥。这样一来，相比传统 GPU 架构，数据流架构能够减少缓存中的反复存取，释放更多有效算力，提高 AI 的运行效率。

数据流架构并非新兴概念。早在上世纪 60 年代，这套计算思想便已提出，谢炎就读美国特拉华大学硕士期间的导师高光荣教授，正是数据流架构方向的奠基人之一。但它在过去数十年的通用计算时代并未成功：中国几乎没有大规模商业化项目；美国有 Groq、Cerebras 等公司，但均面向数据中心云端推理，不落地车载场景。

不管是 2022 年，还是 2026 年，选择动态数据流架构设计自动驾驶芯片的车企都只有理想一个。

行业普遍回避数据流架构，核心顾虑有三：首先，生态要从零搭建，软件重构成本极高。传统 CPU/GPU 历经数十年发展，拥有成熟工具链，其编译库、算子库、海量开源算法模型等全部基于指令驱动控制流开发；而数据流架构无任何兼容基础，需要从零全套自研编译器、调度器、模型映射工具链，不存在成熟第三方工具可复用。

其次，通用适配能力薄弱。架构仅擅长规整、标准化 AI 运算，应对车载多变、复杂的实时路况场景容错性不足。

最后，芯片研发周期长，且投入量大，如果研发方向不对，理想这几年在芯片上投入的近 10 亿元都将成为泡沫。

为什么在全行业观望之时，理想敢押注小众架构？据谢炎介绍，核心在于理想团队跳出了芯片迭代的惯性思维，从 AI 计算的第一性原理出发，重构底层逻辑。

在验证数据流架构路线是否可行时，团队发现这一思想的本质是：传统计算依赖于人类编程的 " 翻译 " 中介，这降低了效率，即所有的计算行为都要服从指令调度，天然造成了数据搬运冗余、算力空转等问题。如果回到计算本质，可以把中间的 " 翻译 " 拿掉，让数据自主驱动计算，构建一套基于数据流的架构。

" 过去数据流架构没发展起来的原因是计算规模、数据规模不够大。" 谢炎进一步解释称，当计算规模、数据规模大到一定程度时，会发现冯 · 诺依曼架构是控制流、集中式的，不是不能扩展，但扩展的额外代价更高、效率更低。所以车企可以设计专门针对单一形态的、全新的计算架构，理想一直在坚持走这条路。

" 我们采用动态数据流架构没有赌的成分，团队手敲了 140 万字的资料来验证这件事的可行性。" 李想在 L9 Livis 发布会上表示。

理想芯片在 2022 年 11 月正式立项，于 2024 年流片。最初这款芯片的名字叫 " 舒马赫 "，2025 年改名为 " 马赫 "。" 因为马赫是速度计量单位，代表速度快。我们做的是芯片，希望 AI 计算速度更快。" 一位理想芯片团队人士对《21 汽车 · 一见 Auto》解释称。

全新架构芯片落地，普遍面临一个行业共性难题：硬件定型后，缺乏适配的软件工具链。而其他的芯片供应商都会针对自家硬件，推出对应的推理加速框架以最大化利用芯片性能，比如英特尔有 OpenVINO，ARM 有 ARM NN，英伟达有 TensorRT 等，专属软件工具链已经成为高端芯片量产落地的标配。

想让更多软件算法人员采用这款芯片的同时，不变更自己常用的开发工具，同时最大化挖掘数据流架构的极致算力，需要设置一套 " 媒介 "" 通用接口 " ——这便是编译器。它是衔接硬件与算法的核心桥梁，能将程序员常用的编程语言转换成芯片可识别、可执行的机器语言去执行。程序员可以用自己熟悉的编程语言直接编写代码，在该芯片上运行程序，能有效提高基于该芯片的开发效率。

" 编译器要做的事是给芯片做一套快速的适配接口，以快速地把后续的新算法部署在芯片上。" 一位芯片行业人士向《21 汽车 · 一见 Auto》解释。

一位芯片行业的人士补充，一款芯片的开发周期是 3～5 年，发展本身就滞后于算法。芯片流片成功之后，" 新算法要跑在老芯片上，就得让芯片不停地适应新算法。编译器开发成功之后，就能缩短开发周期、提高开发效率。"

2025 年，马赫芯片回片验证。那一年，芯片团队的工作重心，也从硬件调试转向为新的芯片开发编译器，同时做好芯片的改版和迭代，为量产上车做足准备。《21 汽车 · 一见 Auto》独家获悉，2025 年 3 月，理想汽车召集算力单元部门进行了为期 3 个月的封闭开发，核心就是为了马赫芯片做编译器开发。

编译器研发的高门槛，首先源于硬件适配的复杂性。芯片架构复杂，包含大量的晶体管和复杂的技术单元，编译器需要对这些硬件特性进行优化；编译器也需要和芯片架构进行深度协同，例如编译器需要理解该芯片的流水线结构、缓存设计、指令集扩展等特性。

" 还难在生态上。" 一位业内人士表示。传统的 CPU 编译器经过几十年发展，已经有一套成熟的理论，比如英伟达的上层架构、谷歌的架构已经非常成熟，后来者只要在此基础上做差异化即可。而数据流架构与传统芯片架构逻辑完全不同，没有现成的编译生态可以复用。举个例子，当前程序员最常用的开发工具是 Python，如果现在一款新的芯片无法兼容主流开发工具，会大大降低程序员对该芯片的使用效率。

谢炎告诉《21 汽车 · 一见 Auto》，马赫芯片从设计之初就在做编译器的开发工作，流片前已经跑通了很多模型。而去年为期 3 个月的封闭开发，是想持续迭代版本，把芯片的效率和性能充分发挥出来。

最终马赫 100 单颗芯片算力达到 1280 TOPS。" 你不会知道最佳性能点到底在哪，只能不断逼近。‘跑通’跟‘跑到最好’距离非常大。当时我们用马赫芯片跑 VLA 模型时，性能已经是 ThorU 的三倍了，但我们觉得依然有潜力可挖。" 谢炎说。

2025 年上半年，在芯片团队封闭开发做编译器时，基座模型团队也启动了重要工作——把大语言模型塞进马赫 100 芯片里，以充分发挥芯片的可用算力、提升本地模型的能力。

此前，基座模型团队在重新定义 Thor U 芯片上的 VLA 智驾模型时，发现了行业痛点：即便搭载行业第一梯队的车载芯片，大语言模型实际运行性能依旧大幅缩水。

这一问题根源，来自行业长期割裂的研发模式：过去，芯片工程师埋头追求更高的峰值算力，算法工程师则疯狂堆叠模型参数，两者在各自的轨道上狂奔。结果就是：软件与硬件在最后集成阶段才仓促碰面，彼此妥协、相互迁就，大量算力被闲置，大量功耗被浪费。

这种软硬分离的研发方式在对算力需求呈指数级攀升的今天，正变得难以为继。

过去云端大模型只是关注参数量、训练数据，完全不考虑芯片带宽、算力限制、功耗等硬件约束。 " 之前总是想着模型参数量越大，把部署在车端的硬件算力提高即可。但后来发现这条路行不通。" 一位参与了模型研发的理想汽车芯片工程师回忆称，如果继续沿着过去 " 堆料 " 的老路走下去，永远只能跟在别人身后吃灰。

团队最终意识到，真正的解法不在芯片厂商的下一代产品路线图里，而在底层研发逻辑的重构之中：如果要把云端的超大模型塞进芯片里，需要在模型设计之初就把硬件能力考虑进来，这样才能让芯片资源发挥到最大的效能。

" 先算硬件瓶颈，再设计模型。" 上述人士总结。

最后，他们提出了一套可量化、可预测的软硬协同数学框架，即今年 3 月理想汽车联合国创决策智能技术研究所发布的 " 软硬协同设计定律 "。

（基座模型团队的研究成果，Hardware Co-Design Scaling Laws via Roofline Modelling for On-Device LLMs，图源：Google 搜索）

该定律搭建起统一数学逻辑，把芯片的物理特性和算法的计算需求同时 " 翻译 " 成数学语言：只需要输入芯片硬件参数、模型性能目标，公式便能自动输出最优的软硬配比方案。这相当于为协同设计建立了 " 通解公式 "。

依托这套框架，团队得出的核心结论是：没有适配全场景的通用芯片，只有场景最优芯片。硬件架构的最优解高度绑定上层算法需求，这从根本上证明了 " 算法定义芯片 " 的必要性——只有深度吃透上层算法的真实需求，才能设计出最高效的专用计算芯片架构。

谢炎说，选择数据流架构并不是最重要的。对这块芯片的研发助力最大的还是联合设计，芯片设计前期更重要的是理解透彻模型端的需求。

" 选对架构，并不会让芯片研发的速度变快。" 谢炎表示。团队都非常赞同的一点是：芯片并非芯片团队孤立设计，而是跟模型团队、自动驾驶团队一起设计。

" 没有他们的输入与认知，没有大家一起坐下来分析，就会做偏，而做偏就会带来时间的浪费。" 谢炎补充道，" 这种类似的协同度，我在其他公司没有看到过，我以前工作的任何一家公司没有看到过这种高密度、跨部门的协同。"

在把大语言模型塞进马赫芯片前，基座模型团队的主要工作是搭建车载原生通用大模型底座 VLA ——这是塑造理想 AI 的 " 决策大脑 "。

在基座模型团队参与进来之前，理想智能驾驶团队的 VLA 基于外部的开源模型，这会导致智驾、座舱的 AI 体验相互割裂。2025 年春节过后，李想认为，未来理想的 VLA 一定要用自研的基座，可以打通视觉感知、语言理解、车辆动作决策，实现座舱交互、高阶智驾、车身控制共用一套认知体系，就让基座模型团队和自动驾驶团队一起做了联合开发，重新定义车端的 VLA 模型。

同年 5 月，理想正式发布重新定义后的车端 VLA 模型—— MindVLA，理想团队称该模型参数大约为 4B（40 亿），由云端训练的基座模型蒸馏而来。

把自研的 VLA 框架完成体系定型后，基座模型团队下半年就很少参与智能驾驶的常规工作了，而是将重心转向基于物理 AI 的 VLA 框架的前瞻性预研。

" 基座模型不需要跟自动驾驶卷同一代的技术，应该卷下一代的技术趋势。" 原理想汽车基座模型团队负责人陈伟曾向我们回忆道。当时基座模型团队 200 人，有很多个项目要承接，最终，他们抽调 3 — 4 名核心人员，组建小型专项组，启动下一代 VLA 研发架构的开发。

下一代 VLA 架构，应该怎么搭？一开始，团队并没有思路。后来他们从已经推送的 VLA 版本的真实场景痛点亟待提升之处寻找突破点。MindVLA 上线后，曾有车主反馈，白天和晚上 VLA 表现不一致，会出现无诱因异常减速、动力响应滞后、提速乏力等问题。

团队复盘后认为，这一问题的根源，在于传统视觉编码器的感知缺陷：模型仅能识别画面中的物体类别，无法精准获取障碍物的空间深度、距离参数，最终导致空间位置误判，引发车辆决策异常。在 VLA 模型里，视觉编码器是三大核心组件之一，核心作用是把摄像头捕捉到的画面转换成机器可学习、可理解的高维抽象特征，是车辆视觉感知、场景理解、决策输出的底层基础。

因此，团队决定开始把技术攻坚的核心转向视觉编码器的突破上。

行业内主流量产的 VLA 模型，均采用 SigLip（谷歌 2023 年推出的图文多模态预训练视觉编码器）作为通用视觉编码器。但该方案存在天然短板。" 无论是推理的效率，还是最终的编码效果，都不太适配高阶智驾的需求。" 一位深度参与下一代 VLA 研发的工程师告诉我们。

上述人士解释称，SigLip 是 2D 平面感知模型，更关心 " 这是什么 "，就像一个高度近视且记忆力超群的人，能一眼认出面前站着的是一个人，但看不清这个人到底长什么样，也判断不准他离自己有多远。" 车去执行指令的时候，只知道某处有物体，却不清楚该物体是否会造成碰撞。如果能让模型学会判断距离，就能通过距离的远近去采取相应避让策略。" 上述人士解释道。

与此同时，传统的 BEV 方法同样存在局限，会将场景拍平为俯视图，这迫使模型只能关注高度维度上最显著的单个目标。团队认为，如果能在视觉表征上加入深度信息，让模型对空间位置、空间深度有准确理解，把物理世界用立体的维度表征出来，也许就可以解决这个问题。

硬件传感器方面，在过去理想的智驾模型里，激光雷达一直都作为前融合的主要传感器。和摄像头相比，激光雷达能生成密集的三维点云，还原物体的轮廓、体积和复杂结构，也能区分行人、骑行者、车辆等细小障碍物。

但激光雷达也有限制。另一位参与了模型开发的工程师告诉我们，激光雷达最多看 80 米，探测距离有限。同时，激光雷达采集的点云数据很多、采集效率比较低、延时也比较长，" 这就意味着，如果每一次 VLA 都需要使用激光雷达的点云数据，VLA 的响应就会变慢。"

为突破硬件与传统算法的双重限制，团队商议出全新的研发思路：或许可以直接用 RGB 纯视觉摄像头（通过红 R、绿 G、蓝 B 三原色通道采集环境反射光，输出彩色二维画面）去采集数据，摄像头对空间位置、空间深度都能有准确的理解。

他们开始面向 2D 图像而非点云数据构建了一套视觉编码器，发现可以用比 SigLip 更小的模型尺寸实现更好的呈现效果、更快的推理速度。他们给这套视觉编码器取名叫 2D ViT（二维视觉 Transformer，只能看懂平面照片，没有深度、空间距离概念）。

这套预研设计落地后，陈伟随即汇报给了李想。国庆假期后，理想的秋季战略会召开，据一位参会人士称，李想在月底的秋季战略会上 " 大谈特谈 " 基座模型团队做的这套方案。

不过，研发团队很快发现，2D ViT 呈现的依然是点，而不是三维空间。团队在想是否可以把 2D 图像变成一个有着 X、Y、Z 的空间三维坐标系，这样就能看得更清楚。最后，这套视觉编码方案就从 2D ViT 发展成为了能表征空间深度的 3D ViT（三维视觉 Transformer）。

" 我们测试过，用单目 RGB 摄像头和激光雷达同时探测，在空间感知精度上，纯视觉保持了激光雷达 95% 精度。而且它能很好地弥补激光雷达探测距离不远的缺点。" 理想基座模型的工程师说。

他表示，3D ViT 立体视觉编码技术的价值并不仅仅在于对智能驾驶的赋能上，还能够充分应用到机器人的研发中。" 空间距离判断，在机器人同物理世界的交互中非常重要。"

不过，有了 3D ViT 之后并不意味着理想就抛弃了激光雷达。" 我们会走一条激光雷达与视觉的融合之路。" 谢炎明确表示。

今年 1 月接手基座模型团队的詹锟表示，激光雷达不再适合作为前融合主传感器，其存在探测距离有限、延迟较高、帧率上限仅 15Hz 等物理短板，更高帧率感知只能依靠纯视觉，纯视觉后续会成为主力感知方案。但激光雷达仍具备安全兜底价值，可保障 L3、L4 高阶智驾极端场景安全。

（詹锟，图片来源：理想汽车官方）

詹锟说，理想汽车下半年最重要的两件事：第一，用纯视觉提高帧率，把芯片性能发挥到更大，反应速度大幅提升；第二，激光雷达会承担很重要的数据采集环节。

" 想要催生颠覆性创新，得先打破原来的边界，而不是 follow 别人的路线。" 这是谢炎在理想科技日群访上说的一句话。

这句话也能概括理想从成立以来多数的决策逻辑：行业扎堆做纯电时，理想选择了并不被看好的增程；各家内卷动力、性能时，理想另辟蹊径，首创 " 冰箱彩电大沙发 "，选择在产品定义上创新。

All in AI 后，理想也如此。自研芯片上，一众车企跟随英伟达路线，只有理想在自研芯片上选择动态数据流架构；行业争相复刻端到端 +VLA 方案，理想切换重心，攻坚 VLA 基座。

每一步抉择，在当时皆是市场眼中的非共识，但待理想成功后，又迅速成为行业模仿、追随的范本。

这些非共识选择的本质都是在 " 赌 "：赌自己找到一条细分赛道，赌自己能跑通。赌对了，是独一份的先发优势与长期增长的底气；赌错了，是无人兜底的试错代价与短期市场阵痛，且如果再想重新打牌，难度就大了。

但无论对错，理想都要承担起选择的重量。

更多内容请下载 21 财经 APP