上半場(chǎng)贏(yíng)在產(chǎn)品，下半場(chǎng)贏(yíng)在底層。

定焦One（dingjiaoone）原創(chuàng)

作者 | 陳頤

編輯 | 方展博

6月15日，理想舉辦了一場(chǎng)發(fā)布會(huì)。主角不是車(chē)，是“AI怎么走進(jìn)物理世界”。

在“Livis Day理想汽車(chē)軟件與具身智能發(fā)布會(huì)”的演示環(huán)節(jié)，理想空間智能產(chǎn)品經(jīng)理呂怡然對(duì)著車(chē)說(shuō)了句：后排小朋友困了，幫我哄他睡覺(jué)吧。

話(huà)音剛落，車(chē)?yán)锏臒舭盗讼氯?，歡快的歌換成了搖籃曲，空調(diào)風(fēng)量調(diào)到最輕的一檔，座椅緩緩放平；主動(dòng)懸架也配合著伸縮，讓整個(gè)車(chē)左右緩慢搖晃起來(lái)。整個(gè)車(chē)廂，從可以開(kāi)party的氛圍，變成了適合嬰兒入睡的地方。沒(méi)有人翻菜單、點(diǎn)按鈕，理想的具身智能系統(tǒng)Livis聽(tīng)懂了這句話(huà)，把這一切做完了。

這一下看著輕巧，其實(shí)并不容易。AI現(xiàn)在能幫我們寫(xiě)代碼、做圖、做視頻，可一旦要它走出屏幕、到真實(shí)世界里干點(diǎn)活，難度完全不是一個(gè)量級(jí)。就拿開(kāi)車(chē)來(lái)說(shuō)，我們現(xiàn)在還是要自己開(kāi)、自己停、自己在復(fù)雜路口判斷交警的手勢(shì)。

李想在臺(tái)上拋出一個(gè)觀(guān)點(diǎn)：今天的智能手機(jī)和智能汽車(chē)，其實(shí)都不智能，它們本質(zhì)上還是功能驅(qū)動(dòng)的，不是真正的智能體。

那么問(wèn)題就來(lái)了，AI要走出屏幕，第一站會(huì)落在哪兒？

理想的答案是汽車(chē)。想一想很合理：汽車(chē)每天在真實(shí)道路上跑，要感知、要決策、要控制；支撐一輛車(chē)的感知、模型、芯片、控制和操作系統(tǒng)，恰恰是通用人形機(jī)器人的技術(shù)底座。而在所有機(jī)器人形態(tài)里，只有汽車(chē)，已經(jīng)是一個(gè)萬(wàn)億級(jí)的付費(fèi)市場(chǎng)。

一位關(guān)注汽車(chē)產(chǎn)業(yè)的投資人告訴「定焦One」，他現(xiàn)在評(píng)估一家車(chē)企，只看一件事：AI能力，具體說(shuō)就是芯片、系統(tǒng)、模型這三層，掌握得越多，未來(lái)的天花板就越高。在他看來(lái)，誰(shuí)先在車(chē)這個(gè)平臺(tái)上，把全棧技術(shù)跑通，誰(shuí)就先拿到了AI時(shí)代最重要的一張入場(chǎng)券。

而理想從2021年星環(huán)OS立項(xiàng)，到2022年自研芯片啟動(dòng)，再到2023年大模型立項(xiàng)，這張牌已經(jīng)打了五年。

01.今天的智駕，到底差在哪？

李想說(shuō)今天的車(chē)不智能，那在他眼里，什么才算智能？

他給“真正的智能”下了定義：真正的具身智能汽車(chē)，得同時(shí)是四種角色，一輛電動(dòng)車(chē)、一位職業(yè)司機(jī)、一臺(tái)AI計(jì)算機(jī)、一位生活助手。其中，電動(dòng)車(chē)和AI計(jì)算機(jī)是“具身”，職業(yè)司機(jī)和生活助手是“智能”。

對(duì)照這個(gè)標(biāo)準(zhǔn)，行業(yè)過(guò)去對(duì)“智能汽車(chē)”的那套定義（軟件定義硬件、能聯(lián)網(wǎng)、能OTA升級(jí)）講的全是功能，離真正的智能體還差得遠(yuǎn)。

具體差在哪，從普通車(chē)主的體感說(shuō)起，主要是三個(gè)維度。

先說(shuō)安全。今天的智駕，遇到復(fù)雜的、沒(méi)見(jiàn)過(guò)的場(chǎng)景，標(biāo)準(zhǔn)動(dòng)作是退出，把方向盤(pán)丟回給你。這在法規(guī)上完全合規(guī)，但對(duì)人來(lái)說(shuō)恰恰是最危險(xiǎn)的時(shí)刻。李想表示，接近一半的智駕事故，就發(fā)生在接管的那一瞬間，駕駛員毫無(wú)防備。

再看能力。今天的智駕，本質(zhì)只會(huì)三件事：向前開(kāi)、向左轉(zhuǎn)、向右轉(zhuǎn)。李想在現(xiàn)場(chǎng)問(wèn)觀(guān)眾：你對(duì)哪輛車(chē)的智駕倒車(chē)能力是滿(mǎn)意的？沒(méi)人舉手。它既不會(huì)像人一樣在窄路里倒車(chē)騰挪，也不會(huì)在遇到危險(xiǎn)時(shí)，自己找個(gè)地方靠邊停下。

最后是效率。你最不愿意在什么時(shí)候用智駕？趕時(shí)間、走胡同的時(shí)候。因?yàn)檫@些時(shí)候，“你得時(shí)刻盯著隨時(shí)準(zhǔn)備接管”，其實(shí)比自己開(kāi)還慢、還累。

安全、能力、效率上的差距，根源在于：今天的智駕系統(tǒng)能“看見(jiàn)”，但感知層沒(méi)有理解“語(yǔ)義”的能力。

激光雷達(dá)的線(xiàn)數(shù)，從128線(xiàn)堆到512線(xiàn)，但它看不懂紅綠燈的顏色、路牌上的“前方施工”，也看不懂保安的手勢(shì)。感知層看不懂，在決策層再怎么堆數(shù)據(jù)、調(diào)參數(shù)，上限都不高。所以這不是靠“堆數(shù)據(jù)、調(diào)參數(shù)”能解決的，這是一個(gè)架構(gòu)問(wèn)題。

理想的解法，正是從架構(gòu)下手的。

感知層，它首次讓3D ViT（三維視覺(jué)感知模型）上了車(chē)。簡(jiǎn)單說(shuō)，就是實(shí)時(shí)把場(chǎng)景里每一個(gè)對(duì)象，在三維空間里的位置、姿態(tài)、動(dòng)作甚至是顏色都建出來(lái)，讓系統(tǒng)從“看見(jiàn)”進(jìn)化到“看懂”。現(xiàn)場(chǎng)演示時(shí)，3D ViT把臺(tái)下全場(chǎng)觀(guān)眾的姿態(tài)，瞬間還原成了一個(gè)三維世界，連后排的文字都能讀出來(lái)。

決策這一層，理想把整套智駕架構(gòu)推倒重來(lái)，推出了馬赫VLA（視覺(jué)-語(yǔ)言-行動(dòng)大模型）。過(guò)去，感知、決策、執(zhí)行分屬不同模塊，中間要“交接”，一交接就有延遲；現(xiàn)在，從“看見(jiàn)”到“決定怎么開(kāi)”，都在同一個(gè)大模型里，一氣呵成。

底層架構(gòu)的重構(gòu)，讓鏈路短了，反應(yīng)速度提快到了0.28秒。普通人從發(fā)現(xiàn)危險(xiǎn)到踩下剎車(chē)，平均要0.45秒，頂級(jí)F1車(chē)手的生理極限是0.25秒，0.28秒已經(jīng)逼近人類(lèi)極限了多出來(lái)的這0.17秒，在120公里時(shí)速下，等于多出約6米的制動(dòng)響應(yīng)距離，差不多是一輛勞斯萊斯幻影的車(chē)長(zhǎng)。

理想汽車(chē)基座模型負(fù)責(zé)人詹錕

馬赫VLA對(duì)標(biāo)的是特斯拉。理想汽車(chē)基座模型負(fù)責(zé)人詹錕承諾，今年第四季度，理想的智駕模型要對(duì)齊FSD V14。

在發(fā)布會(huì)上，詹錕提到，自己上個(gè)月飛了趟硅谷，把特斯拉最新的FSD V14.3連著開(kāi)了整整兩個(gè)星期，兩點(diǎn)感受：第一，特斯拉真的太強(qiáng)大了；第二，壓力也真的太大了。

為了兌現(xiàn)承諾，理想也給了三個(gè)明確的交付節(jié)點(diǎn)：7月，智駕效率整體提升30%；9月，實(shí)現(xiàn)全場(chǎng)景自主倒車(chē)、主動(dòng)停車(chē)觀(guān)察這類(lèi)復(fù)雜場(chǎng)景的獨(dú)立處理；12月，安全和效率全面超越人類(lèi)駕駛員。

這套從感知到?jīng)Q策的重構(gòu)，靠的是更強(qiáng)的模型。模型越復(fù)雜，對(duì)算力的要求就越高，芯片和操作系統(tǒng)如果跟不上，模型的潛力就發(fā)揮不出來(lái)。而這兩件最底層、最燒錢(qián)的事，多數(shù)車(chē)企選擇外購(gòu)，理想偏偏自己造。

02.理想為什么要自己造芯片？

當(dāng)一家車(chē)企說(shuō)要自己造芯片，外界的第一反應(yīng)往往是：買(mǎi)英偉達(dá)的不行嗎？能用，還省事。理想為什么非要自己從頭造？

理想算過(guò)一筆賬，發(fā)現(xiàn)買(mǎi)來(lái)的方案，在A(yíng)I時(shí)代不夠用了

一個(gè)原因是，光靠軟件，拉不開(kāi)差距。用通用芯片，架構(gòu)層面的優(yōu)化空間被鎖死了，能做的差異化只有軟件層。

更核心的原因是效率的天花板。過(guò)去幾十年，計(jì)算機(jī)行業(yè)吃的是摩爾定律的紅利，芯片上的晶體管密度每?jī)赡攴叮阅芨疂q船高。可2010年之后，每一代制程帶來(lái)的提升，從翻倍掉到30%、20%、10%。供給在放緩，AI對(duì)算力的需求卻在猛漲，這是行業(yè)難題。

而專(zhuān)用架構(gòu)芯片可以繞開(kāi)這個(gè)天花板，在特定任務(wù)上做到通用芯片做不到的效率。

所以，理想CTO謝炎2022年帶隊(duì)啟動(dòng)芯片設(shè)計(jì)時(shí)的想法是：不能只造一顆比過(guò)去更快的芯片，得造一種完全不同的芯片。

理想CTO謝炎

不同在哪？傳統(tǒng)芯片用的是馮·諾依曼架構(gòu)，統(tǒng)治了計(jì)算機(jī)70年，本質(zhì)是“一條指令接一條指令”地順序執(zhí)行，大量晶體管花在緩存、調(diào)度這些“管理開(kāi)銷(xiāo)”上?？葾I的計(jì)算天然是并行的，本該一起開(kāi)工的活，硬塞進(jìn)一條排隊(duì)的流水線(xiàn)，效率自然提不上去。

理想自研的馬赫M100，走的就是另一條路：數(shù)據(jù)流架構(gòu)。

打個(gè)比方，傳統(tǒng)芯片像一個(gè)廚房里有個(gè)總廚統(tǒng)一發(fā)號(hào)施令，規(guī)模一大，總廚的統(tǒng)籌能力就決定了上限；數(shù)據(jù)流架構(gòu)干脆把總廚撤了，每個(gè)工位的食材一到就開(kāi)工，做完直接遞給下一個(gè)工位。

過(guò)去通用計(jì)算的規(guī)模不夠大，這條路線(xiàn)沒(méi)有用武之地，直到AI時(shí)代計(jì)算量出現(xiàn)數(shù)量級(jí)的躍升，它的優(yōu)勢(shì)才真正顯出來(lái)。

這么造出來(lái)的馬赫M100，5nm車(chē)規(guī)工藝，單顆算力1280 TOPS，雙芯2560 TOPS。但比算力數(shù)字更說(shuō)明問(wèn)題的是效率：因?yàn)榧軜?gòu)專(zhuān)為AI而設(shè)計(jì)，它的實(shí)際運(yùn)行效率超過(guò)82%，這個(gè)數(shù)字，主流架構(gòu)很難做到。

更值得一提的是，這顆車(chē)規(guī)芯片的架構(gòu)論文，入選了計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域的頂級(jí)會(huì)議ISCA 2026的工業(yè)論文分區(qū)（Industry Track）。這個(gè)分區(qū)專(zhuān)門(mén)收錄來(lái)自產(chǎn)業(yè)界的架構(gòu)創(chuàng)新成果。作為這個(gè)分區(qū)設(shè)立以來(lái)全球第一家入選的車(chē)企，理想6月底要和谷歌、Meta、美光這些公司同臺(tái)分享。

光有好芯片還不夠。芯片上面要是跑別人的系統(tǒng)，潛力也發(fā)揮不出來(lái)。謝炎在臺(tái)上問(wèn)了全場(chǎng)一個(gè)問(wèn)題：蘋(píng)果和安卓，哪個(gè)更安全？多數(shù)人答蘋(píng)果。原因是蘋(píng)果把芯片和系統(tǒng)放在一起設(shè)計(jì)。手機(jī)被攻擊，泄露的是隱私；車(chē)被攻擊，威脅的是生命。

所以理想自研了星環(huán)OS，這是最底層的整車(chē)操作系統(tǒng)，車(chē)機(jī)和智駕，都是跑在它上面的“應(yīng)用”。比起行業(yè)通用的AUTOSAR（汽車(chē)軟件行業(yè)標(biāo)準(zhǔn)架構(gòu)），星環(huán)OS響應(yīng)速度快了1倍，穩(wěn)定性高了5倍；落到體感上，120km/h下AEB的剎停距離能再縮短7米。

當(dāng)芯片和OS都握在自己手里，最直接的體現(xiàn)就是系統(tǒng)響應(yīng)的“快”。這0.28秒是怎么來(lái)的？視覺(jué)輸入的時(shí)延降了47%，模型推理的鏈路縮了43%，操作系統(tǒng)的調(diào)度降了28%，線(xiàn)控底盤(pán)的響應(yīng)降了38%，四個(gè)層級(jí)各自?xún)?yōu)化，端到端總時(shí)延最終降了40%。這四層分別是視覺(jué)感知、模型推理、操作系統(tǒng)、線(xiàn)控底盤(pán)，背后是四個(gè)技術(shù)團(tuán)隊(duì)。

以剎車(chē)這個(gè)動(dòng)作為例，用供應(yīng)商方案的車(chē)企，芯片、系統(tǒng)、底盤(pán)背后各站著一家不同的供應(yīng)商，接口封閉，優(yōu)化只能在自己負(fù)責(zé)的那一層里打轉(zhuǎn)；理想這四層全是自己的，可以讓四層一起為“快”這一個(gè)目標(biāo)讓路。

說(shuō)白了，買(mǎi)方案的車(chē)企，手里只有一層的優(yōu)化權(quán)；自研全棧的車(chē)企，手里有整條鏈路的優(yōu)化權(quán)。

這個(gè)路線(xiàn)，還有實(shí)實(shí)在在的成本優(yōu)勢(shì)，而且賣(mài)得越多，越劃算。

謝炎今年5月時(shí)算過(guò)一筆賬：如果今年賣(mài)出的車(chē)全部搭載馬赫M100，一年省下來(lái)的錢(qián)就超過(guò)三年的芯片研發(fā)費(fèi)用，更別說(shuō)這顆芯片還能用兩三年。靠高集成度，新一代車(chē)型直接取消了上一代平臺(tái)的一個(gè)域控制器，每臺(tái)車(chē)省下一千多塊。

星環(huán)OS也一樣。理想2025年已經(jīng)把這套自研系統(tǒng)開(kāi)源，是全球首家開(kāi)源整車(chē)操作系統(tǒng)的車(chē)企，據(jù)估算，能幫整個(gè)行業(yè)每年省下一兩百億的重復(fù)研發(fā)。

所以今年電池、存儲(chǔ)芯片價(jià)格集體上行，同行大多只能漲價(jià)、把成本轉(zhuǎn)嫁給用戶(hù)，理想?yún)s能靠“技術(shù)降本”消化壓力，全系車(chē)型沒(méi)有同步漲價(jià)，新款車(chē)型普遍硬件升級(jí)但不加價(jià)。

往更深一層看，全棧自研真正的壁壘，是把技術(shù)轉(zhuǎn)化成了組織能力

英偉達(dá)做通用芯片，必須服務(wù)全球所有AI應(yīng)用，只能做最大公約數(shù)；而理想的芯片只需要解一道題：讓自家的車(chē)在中國(guó)道路上跑得最好。因?yàn)槟繕?biāo)清晰，芯片團(tuán)隊(duì)和算法團(tuán)隊(duì)可以從定義階段就坐在一起，算法需要什么，芯片就設(shè)計(jì)什么。這種從底層硬件到上層軟件完全咬合的研發(fā)體系，外部供應(yīng)商給不了，買(mǎi)方案的車(chē)企也學(xué)不會(huì)。這才是全棧自研最核心的價(jià)值。

03.增程被跟進(jìn)、多屏成標(biāo)配之后，理想的下一張牌

把時(shí)間線(xiàn)拉長(zhǎng)，更能看懂理想為什么要押重注去造一套底層技術(shù)體系。

理想的上半場(chǎng)，贏(yíng)在對(duì)中國(guó)家庭用車(chē)需求的洞察。要大空間、要冰箱彩電大沙發(fā)、要一家老小坐得舒服，它做出了理想ONE，做成了首個(gè)千億營(yíng)收的新勢(shì)力。

但隨著行業(yè)成熟，增程被跟進(jìn)，多屏成標(biāo)配，這種靠“產(chǎn)品定義建立的優(yōu)勢(shì)”，正在被一點(diǎn)點(diǎn)抹平這不是理想一家的問(wèn)題，是所有靠產(chǎn)品定義驅(qū)動(dòng)的公司，在行業(yè)成熟期都會(huì)遇到的困境。

要打破這層天花板，必須建立一種更底層、別人難以復(fù)制的“系統(tǒng)化能力”

星環(huán)OS、馬赫M100芯片、馬赫VLA大模型、3D ViT感知模型、全線(xiàn)控底盤(pán)……今天展示的技術(shù)，不是為了應(yīng)對(duì)眼前的競(jìng)爭(zhēng)突擊做出來(lái)的，而是五年前，幾乎沒(méi)人討論具身智能時(shí)，就已經(jīng)開(kāi)始的長(zhǎng)期投入。

這套長(zhǎng)期邏輯，從今年一季度的幾個(gè)動(dòng)作可以得到印證。逐步停產(chǎn)停售正熱銷(xiāo)的L系列、拒絕降價(jià)清庫(kù)存、為跨年交付的i6用戶(hù)自掏腰包補(bǔ)了5億購(gòu)置稅差額……單看一個(gè)季度的賬本，每一步都是在主動(dòng)讓出利潤(rùn)。但結(jié)合它賬上近千億的現(xiàn)金儲(chǔ)備，以及連續(xù)六年加碼研發(fā)、AI投入占比過(guò)半來(lái)看，邏輯就清楚了：理想看重的不是一時(shí)的交付數(shù)字，而是未來(lái)五年、甚至十年的核心競(jìng)爭(zhēng)力。

為了讓這套技術(shù)體系轉(zhuǎn)得更快，理想在2026年初重組了研發(fā)架構(gòu)，按照“造硅基人”的邏輯分成了Infra、基座模型、軟件本體、硬件本體、評(píng)估五個(gè)團(tuán)隊(duì)。

結(jié)果是，智駕模型的訓(xùn)練迭代頻率從兩周一次，大幅縮短到一天一次。在同樣的時(shí)間里，它能跑完更多的試錯(cuò)循環(huán)。這種迭代速度上的差，時(shí)間一拉長(zhǎng)，就是產(chǎn)品體驗(yàn)上的代差。

所以，對(duì)手可以復(fù)制屏幕布局、增程系統(tǒng)，但很難在短時(shí)間里，復(fù)制一整套從芯片到OS再到大模型、并且已經(jīng)高效運(yùn)轉(zhuǎn)了多年的研發(fā)體系。

李想的判斷是，自動(dòng)駕駛只是上半場(chǎng)，通用人形機(jī)器人才是下半場(chǎng)，而未來(lái)買(mǎi)L4自動(dòng)駕駛汽車(chē)的用戶(hù)，和買(mǎi)家庭機(jī)器人的用戶(hù)，重合度高達(dá)90%。如果這個(gè)判斷成立，那理想這五年在全棧自研上的投入，其實(shí)是在用一個(gè)已經(jīng)跑通的萬(wàn)億級(jí)市場(chǎng)，為下一個(gè)更大的市場(chǎng)做技術(shù)儲(chǔ)備

如果它押對(duì)了，意義就不止是銷(xiāo)量和市值，而是一個(gè)更有價(jià)值的商業(yè)命題：中國(guó)的科技產(chǎn)業(yè)，到底能不能長(zhǎng)出一家靠系統(tǒng)性技術(shù)創(chuàng)新立身的公司。

這種“用一個(gè)成熟業(yè)務(wù)養(yǎng)一套底層技術(shù)，再用底層技術(shù)打開(kāi)更大市場(chǎng)”的路徑，科技史上有過(guò)先例。亞馬遜當(dāng)年為了解決自己內(nèi)部的服務(wù)器調(diào)度問(wèn)題，搭出了AWS，最后發(fā)現(xiàn)這套能力本身就是生意，從一家零售公司成長(zhǎng)為全球科技基礎(chǔ)設(shè)施的提供商。

理想現(xiàn)在走的，是這一條路的中國(guó)版本。上半場(chǎng)靠產(chǎn)品定義，下半場(chǎng)靠底層能力，這是理想押注的邏輯，也是它接下來(lái)要證明的事。

*題圖來(lái)源于理想汽車(chē)。