理想造芯，不為炫技！李想親述：只為讓AI在物理世界真正跑起來

理想汽車自研芯片馬赫M100已到量產裝車前夜。

李想公開M100芯片真容

李想說，理想自研芯片并不是為了證明“自己也能做”，也不是為了追逐概念，而是為了讓AI能在物理世界真正運行起來。

按照他的說法，理想想做的是芯片、操作系統、大模型、硬件和云服務的全鏈條設計，而不是只在某一個環節做到領先。

李想還提到，拼單項冠軍的時代已經過去，AI時代比拼的是系統化能力，是芯片架構、操作系統、模型、編譯器、硬件設計和生產工藝的聯合設計能力。

這也解釋了馬赫M100為什么會被放在全新一代理想L9 Livis上作為核心賣點。

M100芯片外觀

不過，相比一顆芯片本身，外界更關心的是：在車市競爭越來越激烈、價格戰持續加深、理想自身也經歷產品節奏調整的背景下，為什么還要把自研芯片這種高投入、長周期、強不確定性的項目推到臺前？

但從理想方面對外公開的信息來看，理想內部并沒有把“芯片做出來”視為終點。

理想汽車CTO謝炎曾公開透露，馬赫M100在北京車展前夕的業務目標達成度只有約60%，真正的成功要看搭載這顆芯片的新一代L9能否在輔助駕駛、整車體驗和市場表現上同時被驗證。

換句話說，馬赫M100的目標是“理想能不能通過自研芯片，把AI能力變成用戶愿意買單的產品體驗”。

公開信息顯示，即將在本周五也就是5月15日發布的全新L9 Livis將搭載兩顆馬赫M100，芯片采用臺積電N5A工藝，單顆算力1280TOPS，雙芯總算力2560TOPS。

M100與Thor U規格對比

對此，理想方面稱這是運行VLA大模型時的“有效算力”，單顆馬赫M100的有效算力約為英偉達Thor U的3倍，雙芯組合約為Thor U的5-6倍。

M100與Thor U跑UniAD效率對比

不過，馬赫M100最有話題度的地方還是理想選擇了一條相對少見的技術路線：數據流架構。

在傳統理解里，車企自研芯片往往有兩種路徑：一種是做更強的通用計算平臺，盡量接近英偉達這類成熟供應商；另一種是做高度定制的專用加速器，用更低成本跑特定任務。

理想的選擇介于兩者之間。馬赫M100試圖用數據流架構提升AI推理效率，同時保留對不同模型和任務的適配能力。

這套路線的核心，是減少傳統架構中大量“搬數據”的損耗。

M100時空調度器子圖映射和張量流

如果換成更容易理解的說法，傳統GPU更像一個大型倉儲系統，計算單元需要不斷去全局內存和緩存里取數據、放數據。

而理想希望馬赫M100更像一條被提前規劃好的流水線，數據按照編譯器安排好的路線流到該去的計算單元，減少中間等待和反復搬運。

“數據流架構+編譯器協同”被視為馬赫M100區別于傳統GPU路線的關鍵。

針對這一特點，理想汽車CTO謝炎在近期也做了公開闡述。

他并不把馬赫M100定義為一顆單純服務于輔助駕駛的芯片，而稱其為AI推理芯片。

按照他的說法，理想未來希望把輔助駕駛、座艙AI、底盤控制乃至機器人業務里的AI計算盡可能集中到同一個體系中，而不是在車上分散布置多個小計算單元。

M100芯片架構

據悉，這背后有兩個現實考量。

第一，車端AI的計算量會持續增長。理想下一代自動駕駛架構MindVLA-o1引入3DViT、世界模型、多模態推理和統一行為生成等能力，對車端推理算力提出更高要求；

第二，理想想降低對外部芯片供應節奏的依賴。畢竟，外購高端芯片成本較高，自研如果能實現性能和成本優勢，就能在大規模裝車后攤薄研發投入，并帶來持續的單車成本收益。

不過，馬赫M100的風險也同樣清晰。數據流架構把部分復雜度從硬件轉移到了軟件、編譯器和工具鏈上。

理想汽車方面表示，馬赫M100第一版模型從更新到完成車端適配曾花了兩個月，后來縮短到不到一周，未來目標是一天內完成適配。

也就是說，馬赫M100的性能不能只看紙面參數，它最終取決于理想能否持續把模型、編譯器、操作系統和芯片做成一個穩定、高效、可迭代的閉環。

理想自研芯片的歷史線并不長，但節奏很明確，公開資料顯示，理想在2022年啟動自研芯片項目，到目前也不過4年。

同時，馬赫M100也并不是由一個外界想象中動輒數百上千人的龐大芯片團隊做出來的。CTO謝炎加入理想時，芯片團隊只有兩名員工，不到一個月后只剩一人，項目早期相當長時間里，團隊規模也只有二三十人。

目前，理想芯片團隊約 200 人，仍小于行業里常見的完整芯片團隊規模。

從芯片定義的角度來看，理想一開始沒有選擇“先做小芯片練手”，理想要解決的核心問題，是車端AI推理計算。因此，馬赫M100從立項開始就瞄準高算力、高效率和量產可用，而不是做一個低風險的試驗項目。

這聽起來激進，但放在理想的產品邏輯里并不難理解。

理想過去最強的能力是把家庭用戶需求做成明確產品標簽：空間、舒適、續航、座艙體驗，這些都更偏“可感知配置”。

但到了AI時代，產品差異化越來越依賴底層系統能力。

M100芯片主板設計

李想曾在年初為L9 Livis預熱時說過，要把馬赫M100放進“眼睛、模型、芯片、操作系統”組成的完整技術棧里。

因此，馬赫M100不是一個孤立的硬件項目，而是理想從“配置定義產品”走向“系統定義體驗”的關鍵拼圖。

它要支撐的不只是城區輔助駕駛，還包括車內多模態交互、主動服務、底盤和整車控制，以及更遠期的機器人相關業務。

對此，謝炎也提到，馬赫M100不是ASIC意義上的單一用途芯片，而是可編程的處理單元，目標是適配持續變化的AI算法。

定義好了芯片目標，成本同樣是理想繞不開的一筆賬。

理想方面表示，高端車型使用外部高算力芯片的成本不低，單車可能需要1600-2000美元（約合人民幣1.1-1.4萬元），未來還可能上升。

如果自研芯片能把采購成本降一半，同時支撐兩到三年的車型周期，就有機會覆蓋研發團隊投入。這一點在理想汽車2025年三季度財報電話會也有所提及。

當然，外界對車企自研芯片的質疑也合理。

畢竟芯片不是只有架構設計，還涉及流片、驗證、車規可靠性、供應鏈、軟件生態和長期迭代。

理想L9 Livis

馬赫M100雖然已經點亮并完成測試，但芯片上車只是開始，真正檢驗要等到新車交付后，看輔助駕駛能力、整車體驗和商業表現能否形成正循環。

但從芯片定義到成本核算再到實際裝車，這一套流程跑下來本身也是理想自研芯片最關鍵的行業意義。

自研芯片并非簡單的“國產替代”，也不是單純的“供應鏈降本”，而是車企是否有能力掌握 AI 時代的核心技術節奏。

蘋果、特斯拉給行業提供過類似參照——當軟件、芯片、操作系統和終端體驗被同一家公司統籌，產品迭代效率可能會發生變化。但這條路也意味著更高的組織成本和更長的驗證周期。

其實，馬赫M100的技術路線有新意，參數也足夠抓眼球，但真正的說服力不在發布會，而在用戶每天使用時能不能感受到更快響應、更穩定能力和更自然的車內AI體驗。

AI時代的車企，是否必須掌握自己的核心算力？馬赫M100給出了理想的答案。

但這個答案是否成立，還要由全新L9 Livis的實際表現、后續車型搭載規模，以及第二代、第三代芯片的持續迭代來驗證。