科技腾讯新闻·21世纪商业评论··AI 生成
李想造芯，一场不跟风的赌局
本文深度拆解理想汽车自研智驾芯片「马赫」的六年历程，核心在于一个反共识的技术决策：放弃英伟达成熟架构，押注「动态数据流」这一小众路线。作者通过采访CTO谢炎及多位一线工程师，揭示了理想如何通过「软硬协同设计」方法论，将云端大模型塞进自研芯片，实现VLA模型性能数倍于Thor U。文章提供了具体的技术细节（如编译器封测、3D ViT视觉编码器转型）和内部决策逻辑，适合对汽车产业、AI芯片架构或商业战略感兴趣的深度读者。原文 ↗原文 ↗
核心观点
- ▍理想汽车通过押注「动态数据流」这一小众芯片架构，并实施「软硬协同设计」，试图构建超越英伟达的智驾AI生态，是一场高风险、高回报的非共识赌局。
- 012022年7月，理想从华为引入谢炎，正式组建芯片团队，初期团队仅两人。
- 02理想自研芯片目标设定为「一半成本、两倍性能」，并因此放弃英伟达路线，选择全球唯一的动态数据流架构。
- 03数据流架构由数据驱动计算，相比传统CPU/GPU的指令驱动架构，能减少缓存反复存取，释放有效算力。
- 042025年3月，理想召集算力单元部门进行为期3个月的封闭开发，专为马赫芯片做编译器开发，该架构无现成生态可复用。
- 05马赫M100芯片单颗算力达1280 TOPS，用其跑VLA模型时，性能已是英伟达Thor U的三倍。
- 06理想提出「软硬协同设计定律」，将芯片物理特性和算法计算需求统一为数学语言，以实现最优配比。
- 07团队开发出3D ViT视觉编码器，在空间感知精度上，纯视觉方案可保持激光雷达95%的精度。
反方 / 局限
- — 动态数据流架构的生态需从零搭建，通用适配能力薄弱，且应对实时路况容错性不足，芯片研发失败则近10亿元投入打水漂。
- — 文章指出，抛弃成熟的英伟达生态，意味着积压多年的开发者工具链、算法库都需重写，这导致后续采用数据流架构的车企只有理想一家。
11 分钟 · 4 卡片 · 12 资料
读原文 →前置背景
平行视角
未来推演
延伸追问