從“奶爸”到“AI宗師”

作者｜秦章勇 王磊

在新勢(shì)力的江湖里，理想汽車是最具戰(zhàn)略定力的一家。

當(dāng)其他選手還在燒錢試錯(cuò)的蠻荒期，理想汽車早已完成增程路線的驗(yàn)證，跑通了商業(yè)模式，并率先實(shí)現(xiàn)穩(wěn)定盈利，提前進(jìn)入成熟期。

冰箱彩電大沙發(fā)，這七個(gè)字不止是產(chǎn)品標(biāo)簽，還是理想親手開辟的時(shí)代紅利，它用一套貼合家庭出行的產(chǎn)品邏輯，站穩(wěn)了高端家用新能源賽道，也讓同行看到了差異化突圍的標(biāo)準(zhǔn)答案。

可行業(yè)的跟風(fēng)速度，永遠(yuǎn)超乎想象。

短短數(shù)年，這些理想的專屬賣點(diǎn)，變成全行業(yè)的標(biāo)配，所有人都在試圖復(fù)刻理想的成功，卻很少有人停下內(nèi)卷的腳步，思考下一個(gè)時(shí)代該往哪走。

別人還在抄昨天的理想，眼下，理想開始把全部重心，押向了尚在行業(yè)前沿摸索的具身智能。

6月15日的Livis Day，跳出了流量邏輯，沒有新車亮相，也沒有配置堆砌，復(fù)盤整場(chǎng)活動(dòng)，只講一件事：理想要用具身智能，重啟智能汽車的十年新周期。

馬赫M100芯片、馬赫VLA模型、星環(huán)OS等等，理想按照“造硅基人”的方式重構(gòu)了智能汽車，這場(chǎng)發(fā)布會(huì)之后，外界最大的感知就是，技術(shù)創(chuàng)新已經(jīng)成為理想足夠?qū)?，也足夠深的護(hù)城河。

從早期押注增程，到如今義無反顧地投入具身智能，理想汽車沒有沉溺于過去的輝煌，也沒有模仿任何一家企業(yè)，而是基于自身對(duì)用戶需求的理解和全棧技術(shù)體系，走出自己的具身智能道路。

一如李想的態(tài)度：理想汽車堅(jiān)持做最好的自己，不要期望我們變成別人。

01

拆穿“皇帝的新衣”

物理AI時(shí)代，智能汽車應(yīng)該是什么樣子的？

或者我們換個(gè)方式提問，現(xiàn)在的智能汽車，真的智能嗎？

答案是殘酷的。絕大多數(shù)車型上的“智能”，更像是偽智能，本質(zhì)上是座艙、智駕、車身、交互這四塊功能板的拼湊，它們之間像有一堵無形的墻，數(shù)據(jù)互不相通，邏輯各自為政，決策更是南轅北轍，一旦遇到需要系統(tǒng)性解決的問題，就無法充分調(diào)用功能，甚至宕機(jī)。

舉個(gè)例子，傳統(tǒng)智能駕駛，一旦遇到復(fù)雜環(huán)境，就會(huì)主動(dòng)退出，并把方向盤丟給駕駛員，而且只會(huì)前進(jìn)和轉(zhuǎn)向，不會(huì)倒車靠邊停，當(dāng)我們趕時(shí)間的時(shí)候，甚至都不愿用智駕。

這就是當(dāng)下的現(xiàn)狀，所謂的智能，不過是被動(dòng)響應(yīng)指令的機(jī)器，而不是主動(dòng)解決問題的伙伴，不僅能力有限，效率還非常低。

在李想看來，雖然掛著“智能”這兩個(gè)字，但今天的智能手機(jī)和智能汽車，都并不是真的智能。

理想給出的解藥，叫“具身智能汽車”。

具身智能汽車既是一輛電動(dòng)車，一位職業(yè)司機(jī)，也是一臺(tái)AI計(jì)算機(jī)和一位生活助手，這不是四個(gè)產(chǎn)品，而是一個(gè)產(chǎn)品，電動(dòng)車和AI計(jì)算機(jī)是“具身”，職業(yè)司機(jī)和生活助手是“智能”。

這不是換個(gè)說法那么簡(jiǎn)單，它意味著汽車不再是一個(gè)拼湊的玩具，而是一個(gè)完整的、統(tǒng)一的、有閉環(huán)能力的生命體。

在李想看來，具身智能汽車必須以保護(hù)人類安全為核心、全面學(xué)習(xí)人類技能并獨(dú)立完成任務(wù)，并且比人類效率更高。

要想做到這種程度，就得重新認(rèn)識(shí)汽車這個(gè)物種。

它得有眼睛，能看清車外的路況，也能看懂車內(nèi)乘客的微表情；它得有大腦，能聽懂你的弦外之音，也能預(yù)判你接下來五分鐘的需求。它更得有手腳，能自主地完成從出發(fā)、會(huì)車、泊車到補(bǔ)能的全過程，而不需要你時(shí)刻緊繃著神經(jīng)去兜底。

過去幾年的內(nèi)卷，大家都在忙著給汽車改造型、堆內(nèi)飾，比誰更光鮮亮麗，比誰的場(chǎng)景更豐富。

而理想現(xiàn)在做的，是重塑汽車的神經(jīng)系統(tǒng)和骨骼肌肉，賭的是整個(gè)行業(yè)的未來形態(tài)。有了這套清晰的頂層認(rèn)知，理想后續(xù)所有的芯片、模型、系統(tǒng)、底盤研發(fā)，都有了唯一且堅(jiān)定的落腳點(diǎn)。

02

重構(gòu)算力底座

所有宏大的敘事，最后都得落到芯片這塊硬骨頭上。

最近這幾年，在車載算力市場(chǎng)出現(xiàn)了頗為尷尬的一幕——TOPS數(shù)字越堆越高，有效算力卻越來越虛。各家車企發(fā)布的新車，算力動(dòng)輒標(biāo)上千TOPS，看起來威風(fēng)凜凜，但真去跑模型，有效利用率往往只有30%到50%。

一方面，通用芯片為了賣給更多廠商，勢(shì)必會(huì)有架構(gòu)上的兼容和妥協(xié)，這意味著大量算力在跑特定算法時(shí)，都會(huì)有浪費(fèi)，導(dǎo)致推理延遲高、有效算力折損嚴(yán)重，無法支撐車規(guī)級(jí)實(shí)時(shí)多模態(tài)具身運(yùn)算。

此前理想CTO謝炎也曾形容：“通用芯片像成衣，自研芯片則是量體裁衣，唯有極致定制才能構(gòu)建非對(duì)稱競(jìng)爭(zhēng)優(yōu)勢(shì)。”

另一方面，計(jì)算機(jī)行業(yè)曾享受摩爾定律與登納德縮放定律的雙重紅利，習(xí)慣了兩年后性能的自動(dòng)翻倍。但如今這套邏輯已然疲軟，單靠擠牙膏式升級(jí)，再也滿足不了爆炸式增長(zhǎng)的算力需求。

再有就是，傳統(tǒng)緩存架構(gòu)需要反復(fù)讀寫，搬運(yùn)海量的視覺、雷達(dá)、車身數(shù)據(jù)。大量算力消耗在無效的數(shù)據(jù)流轉(zhuǎn)中，為了掩蓋架構(gòu)缺陷，車企只能不停堆芯片、降精度、減感知，用妥協(xié)換取暫時(shí)可用。

理想干的事，比“再堆一顆芯片”狠得多：直接換掉了芯片的底層架構(gòu)邏輯。

馬赫M100，全球首款量產(chǎn)的動(dòng)態(tài)數(shù)據(jù)流AI芯片，5nm車規(guī)級(jí)工藝，單顆算力1280TOPS，雙芯片上車總算力2560TOPS。

但這都不是重點(diǎn)，重點(diǎn)是它拋棄了行業(yè)沿用了幾十年的“先存再算”緩存架構(gòu)，改用“讓數(shù)據(jù)流動(dòng)來驅(qū)動(dòng)計(jì)算”的數(shù)據(jù)流架構(gòu)。

謝炎在現(xiàn)場(chǎng)打了個(gè)比方，說得非常形象，“它是用完全不同的思路造出來一棟完全不同的房子。馮·諾伊曼架構(gòu)用70年推動(dòng)了通用計(jì)算的輝煌，今天我們以馬赫M100為起點(diǎn)，希望用數(shù)據(jù)流架構(gòu)接過歷史這一棒，繼續(xù)推動(dòng)AI計(jì)算再輝煌70年。”

能說出這句話的底氣在于，馬赫M100的實(shí)際算力利用率超過82%，而行業(yè)主流通用架構(gòu)想摸到這個(gè)數(shù)，難如登天。

除了智能駕駛，馬赫M100還能跑其他大模型，比如部署Qwen3.5-35B-A3B通用大模型。發(fā)布會(huì)現(xiàn)場(chǎng)，謝炎直接展示了在通用模型部署上的測(cè)試結(jié)果，英偉達(dá)桌面超算DGX-Spark的售價(jià)4萬元，測(cè)試結(jié)果顯示，馬赫M100的prefill速度是DGX-Spark的2.7倍，decode速度是DGX-Spark的1.5倍。

正是這顆芯片的架構(gòu)創(chuàng)新，讓ISCA破例向一家車企敞開了大門，該論文入選了國(guó)際計(jì)算機(jī)體系結(jié)構(gòu)研討會(huì)ISCA 2026工業(yè)分區(qū)，也是自ISCA工業(yè)分區(qū)設(shè)立以來，全球首家入選的汽車企業(yè)。同批入選的是谷歌、Meta、美光這些純種硅谷硬核玩家。

除了革新硬件架構(gòu)，理想還自研了專屬編譯器、底層驅(qū)動(dòng)與AI運(yùn)行時(shí)工具鏈?？梢詫?shí)現(xiàn)芯片、編譯調(diào)度、VLA模型的原生協(xié)同，從根源上消除了外購(gòu)芯片軟硬件適配割裂的行業(yè)通病。

所以對(duì)于行業(yè)而言，馬赫M100的真正價(jià)值，是終結(jié)了通用芯片統(tǒng)治車載AI的時(shí)代。它為物理AI時(shí)代的智能汽車，建立了全新的算力底層范式，也成為理想具身智能最穩(wěn)固的硬件地基。

03

具身大腦再進(jìn)化

芯片是心臟，但心臟跳得再猛，沒有大腦指揮，也只是一團(tuán)高性能的肌肉。

傳統(tǒng)車載AI最大的問題，就是“大腦分裂”。如前文所說，座艙和智駕兩者各想各的，數(shù)據(jù)不共享、認(rèn)知不連貫，如果想車輛舒適且安全地跑完長(zhǎng)途行程，傳統(tǒng)智能車只能拆解成碎片化操作，全程需要人工介入兜底。

為了實(shí)現(xiàn)“更安全、更高效、更強(qiáng)大”的能力，理想具身智能的大腦被拆成了“左腦”和“右腦”，語言智能由馬赫Mind-Pro和Mind-Edge負(fù)責(zé)，機(jī)器智能由馬赫VLA負(fù)責(zé)，在理想汽車基座模型負(fù)責(zé)人詹錕看來，任何一側(cè)單獨(dú)存在，都不能形成完整的具身智能能力。

語言智能負(fù)責(zé)語言與邏輯思考，聽懂指令、推演行動(dòng)方案，機(jī)器智能則負(fù)責(zé)三維視覺感知與軀體動(dòng)作控制，看清物理世界、精準(zhǔn)執(zhí)行操作。

其中馬赫Mind-Pro覆蓋車輛控制、智慧出行、辦公、問答、娛樂全部車載高頻場(chǎng)景，而且基于Token壓縮技術(shù)，在任務(wù)完成率不下降的前提下，整體Token平均消耗降低了38%，工具調(diào)用冗余輪次降低47%，模型TPS峰值達(dá)到208token/s。

對(duì)于車載Agent來說，這些數(shù)字意味著同樣一個(gè)任務(wù)，可以用更少Token、更少調(diào)用輪次和更低時(shí)延完成。

馬赫Mind-Edge則是端側(cè)原生智能體模型，多模態(tài)流式時(shí)序的建模，讓模型能夠連續(xù)理解動(dòng)態(tài)的物理世界，同時(shí)具備因果推理和自主決策能力，擺脫傳統(tǒng)AI“只回答不行動(dòng)”的模式，專門來搞定即時(shí)的艙內(nèi)交互。

兩者配合，讓車既能理解各種復(fù)雜的指令，又能實(shí)時(shí)回答像“我的耳機(jī)掉在哪個(gè)座椅上”的問題，讓車成為真正懂你的助手。

“更安全”則交給了機(jī)器智能端的馬赫VLA，傳統(tǒng)輔助駕駛系統(tǒng)中，感知、預(yù)測(cè)、規(guī)劃往往分別工作，容易出現(xiàn)“效率低，結(jié)果錯(cuò)”的情況，理想這次將其升級(jí)為原生多模態(tài)MoE模型，讓看見、理解、思考和行動(dòng)在同一個(gè)框架內(nèi)對(duì)齊。

還首次引入了3D ViT全域視覺模型，系統(tǒng)能實(shí)時(shí)把二維的攝像頭畫面，在大腦里構(gòu)建出像素級(jí)的三維空間。有了它，機(jī)器智能真正像人類一樣去感知和理解這個(gè)真實(shí)世界。

能力也很直觀，普通人開車遇到緊急情況剎車平均需要0.45秒，而新一代馬赫VLA系統(tǒng)，反應(yīng)耗時(shí)僅需0.28秒，這一水平已經(jīng)接近頂級(jí)F1車手0.25秒的人類生理極限。

在120km/h的速度下，這0.17秒的差距意味著提前6米剎停。而6米，可能就直接避免了一場(chǎng)重大事故。

算力和訓(xùn)練規(guī)模也同步放大，雙馬赫M100讓車端算力達(dá)到2560TOPS，模仿學(xué)習(xí)數(shù)據(jù)規(guī)模提升50%，強(qiáng)化學(xué)習(xí)數(shù)據(jù)量提升了15倍，強(qiáng)化學(xué)習(xí)訓(xùn)練算力提升5倍，模型參數(shù)量提升10倍，每秒Token計(jì)算量提升15倍。

但讓人印象深刻的不是數(shù)字，而是那些涌現(xiàn)出來的能力：倒車讓路、識(shí)別交警手勢(shì)、穿越無車道線的城中村雨夜窄路。

今年下半年，用戶也將在現(xiàn)實(shí)中，感受到理想具身智能汽車所帶來的變化：

7月，智駕效率整體將提升30%，可以協(xié)助用戶通過限寬墩、限高桿等復(fù)雜場(chǎng)景。9月，用戶則會(huì)體驗(yàn)到人類司機(jī)的能力，包括窄路倒車、會(huì)車倒車讓行、復(fù)雜路面通過，以及智能地鎖和車庫(kù)門控制。

12月OTA，則是理想最有野心的一步，讓Livis的安全和效率超越人類。用戶誤觸方向盤會(huì)主動(dòng)防護(hù)，系統(tǒng)能緊急躲避補(bǔ)償，甚至可以聽從交警指揮。

最關(guān)鍵的是，理想官宣要在第四季度，對(duì)齊特斯拉FSD V14的能力。

04

別人抄不走的作業(yè)

對(duì)于其他車企而言，芯片可以自研，模型可以迭代。但真正能拉開代差的，從來不是某一個(gè)單點(diǎn)參數(shù)，而是這些東西有沒有長(zhǎng)在同一個(gè)身體里。

當(dāng)下大多數(shù)車企，走的都是組裝式研發(fā)路線。比如芯片采用外購(gòu)，系統(tǒng)是外包，智駕算法分包給供應(yīng)商，座艙再找另一家做，硬件定型之后軟件來做適配。結(jié)果就是，軟件想優(yōu)化，硬件改不了，硬件出了下一代，軟件又得重新聯(lián)調(diào)，軟硬件永遠(yuǎn)存在適配鴻溝。

這種碎片化模式，適配不了傳統(tǒng)智能，更承載不了具身智能的一體化邏輯，理想最大的優(yōu)勢(shì)在于，敢推倒重來，顛覆舊有的邏輯。

2021年，理想立項(xiàng)自研操作系統(tǒng)星環(huán)OS，到2022年芯片和800V主動(dòng)懸架立項(xiàng)，再到2023年基座大模型立項(xiàng)，這些不是“并行項(xiàng)目”，但是同一條命的根系，從第一天起就同步定義、協(xié)同研發(fā)。比如算法需求定義硬件架構(gòu)，硬件迭代反哺算法升級(jí)，軟件和硬件之間不是“適配關(guān)系”，是共生關(guān)系。

組織層面上，更能看出這種“共生”不是嘴上說說。

基于具身智能企業(yè)的定位，理想按照“造硅基人”的方式重構(gòu)了研發(fā)體系，重組為Infra團(tuán)隊(duì)、基座模型團(tuán)隊(duì)、軟/硬件本體團(tuán)隊(duì)以及評(píng)估團(tuán)隊(duì)，類似于心臟、大腦、手腳等。好處在于，讓做模型、芯片和執(zhí)行器的人，從一開始就坐同一張桌子。

星環(huán)OS就是這套體系的神經(jīng)中樞，它打破了多域隔離的舊架構(gòu)，用統(tǒng)一底層內(nèi)核打通算力池、感知設(shè)備、智能終端與車身執(zhí)行機(jī)構(gòu)，從而達(dá)到“感知-決策-執(zhí)行”全鏈路的深度融合。

全線控底盤則是最終的執(zhí)行軀干，無機(jī)械硬連接的純電控制信號(hào)，可以毫秒級(jí)承接VLA的決策指令，讓大腦的每一次思考，都精準(zhǔn)落地為輪胎的動(dòng)作。

正如理想CTO謝炎所言，智能化的競(jìng)爭(zhēng)，從來不是參數(shù)競(jìng)賽，而是芯片、OS、模型三者深度垂直整合帶來的系統(tǒng)化效率與體驗(yàn)優(yōu)勢(shì)。

單一技術(shù)或許可以被追趕，炫目的功能可以被復(fù)制，但一整套磨合多年、自迭代、自閉環(huán)的工程體系，沒有任何企業(yè)能在短期內(nèi)復(fù)刻得了。

所以時(shí)至今日，智能汽車的時(shí)代分層已經(jīng)徹底清晰了。

短期競(jìng)爭(zhēng)，拼的是內(nèi)飾、大屏、冰箱等表層硬件，門檻極低。中期競(jìng)爭(zhēng)，拼外購(gòu)智駕方案和通用大模型，這個(gè)差距兩三年內(nèi)也會(huì)被抹平。而長(zhǎng)期競(jìng)爭(zhēng)，拼的就是理想已經(jīng)站穩(wěn)的這個(gè)位置：自研芯片、原生大模型、軟硬一體工程體系、全域數(shù)據(jù)閉環(huán)，這是未來十年維度的壁壘。

從靠產(chǎn)品定義取勝，到靠底層技術(shù)立身，理想完成了一次徹底的身份躍遷。

持續(xù)的自研投入，讓技術(shù)可以全系復(fù)用、攤薄成本，海量的實(shí)車數(shù)據(jù)閉環(huán)，讓智能能力持續(xù)進(jìn)化、越用越強(qiáng)，形成無法逆轉(zhuǎn)的馬太效應(yīng)。

所以Livis Day的真正意義，從來不是發(fā)布幾項(xiàng)新技術(shù)。而是宣告理想正式走出那片紅海，從地基開始，用芯片、模型、OS和底盤等創(chuàng)新技術(shù)，開辟了一條別人追不上的賽道。