摘要：

理想汽車從“車企”向“具身智能公司”轉(zhuǎn)型過程中，最核心也最冒險的三張底牌：自研芯片馬赫M100、基座大模型馬赫Mind系列，以及自動駕駛VLA架構(gòu)。

鳳凰網(wǎng)科技 出品

作者｜于浩

編輯｜董雨晴

2026年6月15日，理想汽車Livis Day軟件與具身智能發(fā)布會現(xiàn)場，CEO李想拋出了一個讓市場既興奮又緊張的定義：具身智能汽車是“四位一體”的結(jié)合體——一輛電動車、一位職業(yè)司機、一臺AI計算機、一位生活助手。電動車和AI計算機是“具身”，職業(yè)司機和生活助手是“智能”。

第二天，理想汽車CTO謝炎和基座模型負責人詹錕接受了專訪。這場持續(xù)數(shù)小時的對話，揭開了理想汽車從“車企”向“具身智能公司”轉(zhuǎn)型過程中，最核心也最冒險的三張底牌：自研芯片馬赫M100、基座大模型馬赫Mind系列，以及自動駕駛VLA架構(gòu)。

圖｜理想汽車CTO 謝炎

“你跟博爾特跑同一條賽道，不可能贏”

四年前，當理想汽車決定自研芯片時，行業(yè)內(nèi)多數(shù)人持觀望態(tài)度。彼時英偉達Orin已是主流智駕芯片的事實標準，一家成立不過數(shù)年的車企要挑戰(zhàn)芯片巨頭，聽上去像是天方夜譚。

謝炎給出的邏輯很清晰?！叭绻匝凶霾坏奖韧赓徃茫蜎]有意義。最初目標是達到Orin的4倍性能，同時成本更低。”這個目標不是隨意設(shè)定的，團隊花了約半年時間做分析。

但真正關(guān)鍵的不是目標，而是路徑?！耙接ミ_，沿用其技術(shù)路線根本不可能——他們比我們早起步幾十年，積累更深，資源多幾個數(shù)量級。”謝炎打了一個比方：“就像在百米賽道上，博爾特已經(jīng)先跑了兩秒，你不可能用同一條路線贏他。唯一的機會是另辟蹊徑。”

這條路，叫數(shù)據(jù)流架構(gòu)。

謝炎在研究生階段的導(dǎo)師高光榮教授是數(shù)據(jù)流架構(gòu)方向的奠基人之一，該思想在六十年代開始提出，但在通用計算時代并未成功。理想團隊從AI計算的第一性原理出發(fā)，傳統(tǒng)計算依賴于人類編程的“翻譯”中介，這降低了效率。如果回歸計算本質(zhì)，可以去掉中間翻譯，構(gòu)建一套基于數(shù)據(jù)流的架構(gòu)。

這套思想在全球?qū)嵺`極少。中國幾乎沒有大規(guī)模商業(yè)化項目；美國有Groq、Cerebras等公司，思路相近但不完全相同。理想在四年前認定這條路徑可行，2022年11月正式立項，2024年流片，2025年回片驗證，2026年上車，全程耗時三年半。

2026年5月，馬赫M100實現(xiàn)量產(chǎn)上車，成為全球首款量產(chǎn)的動態(tài)數(shù)據(jù)流AI芯片。采用5nm車規(guī)級工藝，單芯片算力1280TOPS，實際運行效率超過82%。對比行業(yè)主流方案——英偉達Orin-X單芯254TOPS，馬赫M100的算力密度顯著更高。搭載雙馬赫M100芯片的全新理想L9 Livis，整機總算力達2560TOPS。

謝炎透露了一個關(guān)鍵細節(jié)：芯片設(shè)計不是硬件團隊的獨角戲?！八惴?、軟件、模型四個團隊坐在一起，軟件工程師也有機會直接對硬件提出需求?！边@種“篝火會議式”協(xié)作機制，正在理想內(nèi)部越來越多的項目中推廣。

“除了特斯拉FSD，國內(nèi)沒有智駕第一梯隊”

“除了特斯拉FSD，國內(nèi)沒有智駕第一梯隊”，行業(yè)里一直有這樣的聲音。

當被問及國內(nèi)智駕第一梯隊的差距為何沒有拉大時，詹錕告訴我們：“第一梯隊的差距其實在縮小，但是跟特斯拉的差距沒有縮小。”

圖｜理想汽車基座模型負責人 詹錕

理想的追趕計劃清晰而激進：2026年第三季度，Orin、Thor平臺的AD Max用戶將推送全新馬赫VLA版本；第四季度，整體智駕能力全面對標特斯拉FSD V14。

底氣來自哪里？這一代馬赫VLA相較之前，模仿學(xué)習規(guī)模提升50%、強化學(xué)習規(guī)模提升15倍、模型參數(shù)量提升10倍、模型計算量提升15倍。馬赫VLA 2.0系統(tǒng)多模態(tài)計算量較前代提升十倍，集成3D ViT感知模型，融合激光雷達與視覺信息，可視距離提升50%。

但詹錕強調(diào)，硬件只是基礎(chǔ)?！敖⒆o城河必須全棧自研——算力、芯片、基礎(chǔ)設(shè)施全部可控，并且在數(shù)據(jù)清洗、評測體系等'苦功夫'上做到極致?！?/strong>

關(guān)于自動駕駛模型中語言部分的作用，詹錕給出了技術(shù)層面的拆解：長期來看，所有主流自動駕駛架構(gòu)都會走向VLA與World Model的整合。語言一定存在，無論是VLA中的指令理解，還是World Model的prompt，都離不開語言。但更關(guān)鍵的問題是：馬赫VLA是以語言為基礎(chǔ)還是以視覺為基礎(chǔ)？

“機器智能（尤其是自動駕駛）應(yīng)以視覺為基礎(chǔ)，因為3D空間感知、環(huán)境理解是核心；語言用于推理、決策、交通規(guī)則理解，是重要的中間監(jiān)督項?！遍L遠來看，谷歌等研究已出現(xiàn)原生多模態(tài)的趨勢，但這仍是未來方向。

謝炎補充了一個判斷：“語言模型的重要性在L3/L4階段會越來越突出，因為泛化問題越多，越需要類人思考能力，而語言模型正是這種能力的來源。隨之而來的算力需求也會大幅增長?！?/strong>

基座模型為什么不能拿來主義？

發(fā)布會當天，理想發(fā)布了全新自研基座大模型，包括馬赫Mind-Pro和馬赫Mind-Edge。馬赫Mind-Pro在指令跟隨、長文本理解、高階數(shù)學(xué)推理、工具調(diào)用等權(quán)威基準中均居行業(yè)第一梯隊，Agent綜合性能超越多數(shù)主流模型。

但一個核心問題擺在面前：基座模型會成為汽車公司的必備能力嗎？是否會像手機行業(yè)那樣，最終收斂到統(tǒng)一生態(tài)？

詹錕的回答斬釘截鐵：“對于走具身智能和AI方向的汽車公司，基座模型是必爭之地。各公司環(huán)境任務(wù)不同，基座需求各異，大概率需要自建?！?/strong>

他進一步解釋：“云端可能有統(tǒng)一強大基模，但上車時必須裁剪、適配芯片，參數(shù)量需完全匹配。外部開源預(yù)訓(xùn)練模型可作參考，但仍需強力后訓(xùn)練?！?/p>

謝炎從算力角度補充：“算力和軟件基礎(chǔ)設(shè)施應(yīng)獨立，角色使用算力時是獨占的。”

這意味著，理想的戰(zhàn)略不是“拿來主義”，而是從芯片到模型的全棧自研——馬赫M100跑馬赫Mind，馬赫Mind支撐馬赫VLA，三者形成閉環(huán)。

艙駕融合是一個被高估的概念？

在行業(yè)熱議“艙駕融合”的當下，謝炎給出了一個略帶反共識的判斷。

“艙和駕本質(zhì)上是兩個獨立系統(tǒng)。往L3/L4發(fā)展，智駕需要確定性、專屬的內(nèi)存和計算資源，此時'融合'意義不大?！?/strong>

如果只是把兩顆芯片封裝在一起，資源仍是兩份，只省了一次封裝成本，對高端產(chǎn)品價值有限。真正的融合應(yīng)是動態(tài)共享資源，但當下操作系統(tǒng)層面做不到艙駕實時切換。

“低端L2對實時性要求不高，有一定共享空間，但省不了太多成本。我更看好將多顆芯片緊密集成在同一塊板子上，而非強行做成單芯片?！?/p>

這個判斷直接回應(yīng)了為何英偉達、蔚來、理想等大算力芯片方案都沒有做芯片級艙駕融合，反而是高通在低算力8650上做了嘗試，路徑選擇取決于對高端智駕的判斷。

從車企到具身智能公司實現(xiàn)估值邏輯切換

當理想不再以“車企”自居，而是定位“具身智能”公司時，資本市場面臨一個根本性問題：估值邏輯如何切換？

從汽車銷量的PE/PB估值，切換到“硬件+軟件”的雙輪驅(qū)動，乃至對標SaaS類估值——這條路尚無成功先例。

謝炎和詹錕給出的答案指向三個層面：

第一，技術(shù)壁壘。

從芯片數(shù)據(jù)流架構(gòu)到VLA模型，從編譯器到操作系統(tǒng)，理想的護城河不是單一技術(shù)點，而是芯片、模型、操作系統(tǒng)等的垂直整合閉環(huán)。

第二，成本優(yōu)勢。

自研芯片帶來的BOM成本下降，將在規(guī)模化后顯現(xiàn)。

第三，場景擴展。

詹錕將物理機器人分為三個關(guān)鍵任務(wù)：具身交互、移動、操作。汽車天然覆蓋了這三者——座艙內(nèi)交互、自動駕駛移動、以及未來可能的操作能力?！捌嚮Ｐ途邆湎蚓呱碇悄軘U展的潛力。”

但挑戰(zhàn)同樣巨大。從第一天量產(chǎn)算力達標的方案，到真正打磨出讓用戶“離不開”的體驗，中間橫亙著數(shù)據(jù)閉環(huán)效率、算力底座支撐、模型算法突破三重關(guān)卡。

終局是一場關(guān)于“定義權(quán)”的戰(zhàn)爭

在這場采訪中，一個關(guān)于“類比”的提問讓兩位技術(shù)負責人發(fā)出了不一樣的回應(yīng)。

謝炎表示：“類比是幫助理解的工具，前提是理解足夠深才能做出恰當?shù)念惐取Ｎ覀儾⒎侵粫惐?，理想每年發(fā)表幾十篇頂會論文，從模型到系統(tǒng)到芯片，講得非常清楚?！?/p>

詹錕補充了一個數(shù)據(jù)：團隊從2022年至今已發(fā)表近200篇論文或技術(shù)報告?！邦惐戎皇巧钊霚\出的溝通方式，內(nèi)部真正的工程思考遠不止于此?！?/p>

這或許揭示了理想此次戰(zhàn)略轉(zhuǎn)型的本質(zhì)：這不是一場關(guān)于銷量的戰(zhàn)爭，而是一場關(guān)于“智能”定義權(quán)的戰(zhàn)爭。

當李想說出“當下的智能手機與智能汽車都算不上真正意義上的智能產(chǎn)品”時，他實際上在重新劃一條線——線的一邊是功能驅(qū)動的傳統(tǒng)產(chǎn)品，另一邊是具備自主生命屬性的具身智能體。

馬赫M100、馬赫Mind、馬赫VLA，這三個名字共同指向一個目標：讓汽車從一個被動的交通工具，進化為一個能獨立完成任務(wù)的智能體。

這條路能否走通，取決于三個未知數(shù)：數(shù)據(jù)流芯片的量產(chǎn)穩(wěn)定性、VLA對FSD的追趕速度、以及資本市場對“具身智能”估值模型的接受程度。

但有一點可以確定，當謝炎說出“你跟博爾特跑同一條賽道不可能贏”時，理想已經(jīng)選擇了另一條賽道。那條賽道沒有博爾特，但也沒有路標。