李想花了一個(gè)半小時(shí)，解釋了一件事：什么叫真正的具身智能。

作者｜周永亮

編輯｜鄭玄

具身智能，跟造車到底有什么關(guān)系？

這個(gè)問題，在公共輿論上發(fā)酵一年多了。機(jī)器人、具身智能，這些詞一次次出現(xiàn)在李想的 PPT 或演講里。很多人看著，內(nèi)心會(huì)有些迷惑：這跟買車、用車，有什么關(guān)系？

2026 年 6 月 15 日下午，理想汽車舉辦「Livis Day 理想汽車軟件與具身智能發(fā)布會(huì)」。李想和團(tuán)隊(duì)，用了一個(gè)半小時(shí)，給出了他們認(rèn)為最重要的答案：自研芯片、自研模型、全新交互體驗(yàn)、具身智能產(chǎn)品定義……一口氣全端出來了。

而發(fā)布會(huì)結(jié)束后的第二天，理想汽車 CTO 謝炎、基座模型負(fù)責(zé)人詹錕，在媒體群訪中說了更多發(fā)布會(huì)上沒來得及說的話。

01

「智能汽車」，其實(shí)并不智能

「今天的智能手機(jī)和智能汽車，其實(shí)都不智能?！拱l(fā)布會(huì)剛開場，李想說了一句很多人沒想到的話。

過去十年，行業(yè)對(duì)「智能汽車」的定義無外乎三點(diǎn)：軟件定義硬件、能聯(lián)網(wǎng)、系統(tǒng)可升級(jí)（OTA）。但放到今天，它其實(shí)是一臺(tái)功能驅(qū)動(dòng)的機(jī)器。

比如輔助駕駛系統(tǒng)在復(fù)雜場景下的常規(guī)處理是「退出」，把方向盤丟還給駕駛員。這完全合規(guī)，但卻很危險(xiǎn)；今天的輔助駕駛系統(tǒng)，只會(huì)向前開、向左轉(zhuǎn)、向右轉(zhuǎn)，卻不會(huì)倒車、靠邊停車；有急事的時(shí)候，在復(fù)雜路段，大多數(shù)人會(huì)關(guān)掉智駕自己開，因?yàn)橥ㄐ行什粔蚋摺?/p>

這些問題不是靠 OTA 打補(bǔ)丁能解決的，是設(shè)計(jì)之初架構(gòu)層面的問題。所以，理想的解決辦法，是直接用「具身智能」重寫底層架構(gòu)。

圖片來源：理想汽車

其中，模型是具身智能的「大腦」。理想汽車把大腦拆解為兩個(gè)維度：語言智能和機(jī)器智能。其中，語言智能負(fù)責(zé)聽懂你說什么，推演行動(dòng)方案。這部分由馬赫 Mind-Pro（云端）和馬赫 Mind-Edge（車端）承載；機(jī)器智能則負(fù)責(zé)看清物理世界，精準(zhǔn)執(zhí)行操作。這部分由馬赫 VLA 承載。 其中，馬赫 Mind Pro 是云端旗艦?zāi)Ｐ?。在?quán)威基準(zhǔn)測試中穩(wěn)居行業(yè)第一梯隊(duì)，在 Agent 專項(xiàng)評(píng)測中綜合性能超越多款主流大模型。

值得關(guān)注的是它的工程效率：通過 Token 壓縮技術(shù)，在任務(wù)完成率零衰減的前提下，整體 Token 平均消耗降低了 38%，工具調(diào)用冗余輪次降低了 47%，推理 TPS 峰值高達(dá) 208 token/秒，推理效率是主流 Agent 模型的兩倍以上。

馬赫 Mind Edge 則是行業(yè)領(lǐng)先的端側(cè)原生智能體模型。這不是云端模型的「閹割版」，而是完全在本地運(yùn)行的原生智能體。它不需要聯(lián)網(wǎng)，數(shù)據(jù)完全不上傳，全天候主動(dòng)感知、人車交互、自主控車、多模態(tài)問答，全都在車端本地完成。

如果說 Mind 是「思考」，那么馬赫 VLA 就是「行動(dòng)」。馬赫 VLA 的升級(jí)，可以用三個(gè)維度來理解：更安全、更高效、更強(qiáng)大。

其中，最讓人印象深刻的是，發(fā)布會(huì)上播放的一系列視頻，展示了馬赫 VLA 在真實(shí)復(fù)雜場景下的表現(xiàn)：挖掘機(jī)爪臂伸出，從容減速等待，爪臂收起迅速通行；左轉(zhuǎn)遇對(duì)向來車，迅速切倒擋禮讓，再切前進(jìn)擋通行；穿著黃馬甲的保安用手勢指揮，車輛準(zhǔn)確理解停與行……

這些能力從哪里來？雙馬赫 M100 提供 2560TOPS 算力；模仿學(xué)習(xí)數(shù)據(jù)量增加 50%，強(qiáng)化學(xué)習(xí)數(shù)據(jù)量增加 15 倍；行泊一體模型參數(shù)量增加 10 倍，TPS 增大 15 倍。

同時(shí)，理想在架構(gòu)方面進(jìn)行了重構(gòu)。原生多模態(tài) MoE 大模型，取代傳統(tǒng)感知、預(yù)測、規(guī)劃各自為政的模塊化模型。不是先看見、再思考、再執(zhí)行，而是讓看見、理解、思考、行動(dòng)從一開始就在同一個(gè)框架里徹底對(duì)齊。

視覺能力的升級(jí)同樣關(guān)鍵。理想發(fā)布了全新的 3D ViT 視覺架構(gòu)。它的特別之處在于：不只是理解環(huán)境的 3D 空間結(jié)構(gòu)，還能理解 3D 物體的屬性、紋理、類型——因?yàn)楸Ａ袅送暾?RGB 信息，沒有任何感知損耗。更進(jìn)一步，它還能對(duì)移動(dòng)物體進(jìn)行動(dòng)靜分離，在 3D 環(huán)境中精準(zhǔn)判斷目標(biāo)是動(dòng)還是靜。

詹錕用了一個(gè)類比：人眼遮住一只，習(xí)慣了雙眼訓(xùn)練之后，單目也能看到 3D 結(jié)構(gòu)，因?yàn)榇竽X已經(jīng)把這種能力固化下來了。3D ViT 的思路完全一樣——用高維三維空間數(shù)據(jù)去訓(xùn)練模型，讓單目攝像頭也能構(gòu)建完整三維空間。

在發(fā)布會(huì)現(xiàn)場，理想直接調(diào)用了車載系統(tǒng)的實(shí)時(shí)視角，展示了 3D ViT 如何瞬間重建整個(gè)三維場景，識(shí)別觀眾的姿態(tài)、位置，甚至場地后方的文字。

理想的目標(biāo)，是在 2026 年年底追上特斯拉 FSD V14。基座模型負(fù)責(zé)人詹錕在媒體群訪中說了一句很坦誠的話，「國內(nèi)第一梯隊(duì)之間的差距感覺變小了，但大家跟特斯拉的距離并沒有縮小，特斯拉還是很強(qiáng)。」

他把追趕分成兩個(gè)層面：第一是基礎(chǔ)體驗(yàn)，具體是三方面：安全感、效率、舒適度是否能達(dá)到 FSD 的同等水平；第二是能力。FSD 有哪些能力是別人沒有的？比如特斯拉會(huì)禮讓特殊車輛，有極窄通行時(shí)的感知精準(zhǔn)度，它會(huì)識(shí)別交警指揮。

但詹錕同時(shí)表示，隨著芯片性能持續(xù)釋放、純視覺方案幀率向 15Hz、20Hz 乃至更高邁進(jìn)，以及 3D ViT 帶來更完整的視覺表征，追上 FSD V14「是有機(jī)會(huì)的」。

更重要的，是建立自己的護(hù)城河。詹錕說，「只有芯片、基礎(chǔ)設(shè)施、模型全?？煽?，遷移成本才足夠高。如果你只是算法，中美之間的人才流動(dòng)很快，很容易被遷移。但如果你是全棧的，遷移成本很高，也很難?！顾€補(bǔ)充了一個(gè)容易被忽視的維度：下苦功夫，比如精細(xì)地洗數(shù)據(jù)，這些不高大上但不可忽視的細(xì)節(jié)，才是真正的護(hù)城河。

在理想看來，全棧自研，不只是技術(shù)路線的選擇，更是在加厚自己的競爭壁壘。

02

理想造芯片，沒走尋常路

如果說大模型是大腦，那芯片則是心臟。理想 CTO 謝炎在發(fā)布會(huì)上掏出的馬赫 M100，官方對(duì)它的描述是「全球首款動(dòng)態(tài)數(shù)據(jù)流 AI 芯片」。

「自研不是為了證明自己有能力做，而是真正去解決問題。」謝炎說，四年前，理想內(nèi)部為這顆芯片立項(xiàng)時(shí)，先給自己設(shè)了一個(gè)近乎苛刻的目標(biāo)：做到外購芯片 4 倍性能，否則自研沒有意義。同時(shí)，也要在成本上幫助公司省錢。

他和團(tuán)隊(duì)花了半年時(shí)間做分析，得出一個(gè)冷靜的結(jié)論：要超越英偉達(dá)，沿用英偉達(dá)的技術(shù)路線根本不可行。英偉達(dá)比你早啟動(dòng)幾十年，資源多出幾個(gè)數(shù)量級(jí)，在同一條賽道上追，永遠(yuǎn)追不上。

他用了一個(gè)直白的比喻，「就像你跟博爾特在 100 米賽道上，他比你早跑 2 秒，你不可能超過。你唯一的機(jī)會(huì)，就是跑另外一條路徑?！?/p>

這條「另外的路徑」，就是數(shù)據(jù)流架構(gòu)。

馮·諾依曼架構(gòu)的本質(zhì)，是把計(jì)算抽象成一條順序執(zhí)行的指令隊(duì)列。這套設(shè)計(jì)統(tǒng)治計(jì)算機(jī)行業(yè)整整 70 年，但指令隊(duì)列掩蓋了計(jì)算本有的并行度。為了彌補(bǔ)這個(gè)局限，芯片需要用海量晶體管來做緩存、調(diào)度、分支預(yù)測等管理開銷，這些開銷在 AI 時(shí)代會(huì)同步爆炸式增長，效率永遠(yuǎn)上不去。

因?yàn)?AI 的計(jì)算天然是并行的：數(shù)據(jù)是張量，關(guān)系是確定的，數(shù)據(jù)流動(dòng)路徑是清晰的。這是一張數(shù)據(jù)依賴圖，不是一條指令隊(duì)列。

圖片來源：理想汽車

馬赫 M100 的設(shè)計(jì)思路是，拆掉中央式的指令隊(duì)列和大量管理開銷，讓數(shù)據(jù)的流動(dòng)來驅(qū)動(dòng)計(jì)算的發(fā)生。數(shù)據(jù)即計(jì)算。數(shù)據(jù)流到哪里，就在哪里觸發(fā)計(jì)算，架構(gòu)本身圍繞 AI 的計(jì)算形態(tài)原生設(shè)計(jì)。

具體參數(shù)層面，馬赫 M100 采用 5 納米車規(guī)級(jí)工藝，單芯片算力 1280 TOPS，實(shí)際運(yùn)行效率超過 82%，這是基于 GPU 架構(gòu)的主流芯片極難達(dá)到的。在標(biāo)準(zhǔn)測試中，馬赫 M100 對(duì)比行業(yè)最主流的智駕芯片，每一項(xiàng)測試都有數(shù)倍的性能優(yōu)勢。

更令人驚訝的是通用性測試，在馬赫 M100 上部署千問 3.5 35B 通用大模型，與售價(jià) 4 萬元的 NVIDIA DGX Spark 桌面超算對(duì)比，prefill 速度是后者的 2.7 倍，decode 速度是 1.5 倍。一顆裝在車?yán)锏男酒苴A了 4 萬塊的桌面超算。

在發(fā)布會(huì)現(xiàn)場，謝炎說了一句雄心十足的話，「馮·諾依曼架構(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?！?/p>

當(dāng)下，越來越多的汽車公司宣布自研智駕芯片。謝炎提出了自己兩個(gè)評(píng)判指標(biāo)，「一個(gè)是全量的車能不能用上，能不能快速上車，能不能跑最先進(jìn)或最新一代模型，并且部署到所有車上。另外一個(gè)指標(biāo)是能不能持續(xù)迭代。做一代芯片不說明問題，最終要做出第二代、第三代?！?/p>

03

不是一輛更好的車，而是一個(gè)伙伴

模型有了，芯片有了，理想給出了具身智能時(shí)代的汽車公式：具身智能汽車 = 電動(dòng)車 + 職業(yè)司機(jī) + AI 計(jì)算機(jī) + 生活助手。

圖片來源：理想汽車

這個(gè)公式，在發(fā)布會(huì)現(xiàn)場的 Agent 演示里，得到了最直觀的體現(xiàn)。

難度最高的場景是「李想要去接家人」。產(chǎn)品經(jīng)理一口氣說出了一段極其復(fù)雜的指令：「老婆在藍(lán)色港灣購物，老大在趙全營學(xué)美術(shù)，老二在望京學(xué)芭蕾，老三在中關(guān)村學(xué)樂高，老四在馬泉營打羽毛球。先接老大，再接老四，再接老三，最后接上老二去接老婆，晚上要給老四在三里屯過生日。」

這是一個(gè)讓很多人聽了都頭大的復(fù)雜多點(diǎn)規(guī)劃任務(wù)。它涉及 5 個(gè)人、6 個(gè)不同地點(diǎn)、完全交錯(cuò)的接送順序。如果你來做這件事，得拿出手機(jī)、打開地圖、一個(gè)個(gè)搜地址，再想順序、算路程，搞不好還要重來一遍。Livis 幾秒鐘就給出了答案，所有地址，所有順序，一個(gè)沒錯(cuò)。

這不是提前寫好的程序，是真正運(yùn)行在模型上的 Agent。

OTA 節(jié)奏是這場發(fā)布會(huì)最后的內(nèi)容。按照規(guī)劃，7 月的目標(biāo)是智駕效率整體提升 30%，出行導(dǎo)游相關(guān) Agent 技能上線；9 月，Livis 學(xué)會(huì)窄路會(huì)車、倒車讓行技能，Agent 連接手機(jī)和電腦，新增超級(jí) CarPlay；12 月，Livis 的反應(yīng)速度達(dá)到 0.2 秒，比人類快 56%……

圖片來源：理想汽車

最后，回到開頭的那個(gè)問題：具身智能跟造車有什么關(guān)系？

如果你只是想造一輛更好的車，其實(shí)并不需要具身智能。但如果你想造一個(gè)能保護(hù)你安全，還能獨(dú)立完成任務(wù)的伙伴，你必須從架構(gòu)底層重新來過。

馬赫 M100 芯片是「心臟」，3D ViT 感知模型是「眼睛」，自研馬赫 VLA 大模型是「大腦」，全線控底盤系統(tǒng)是「手腳」，自研星環(huán) OS 是「神經(jīng)系統(tǒng)」……它們不是獨(dú)立的產(chǎn)品，是同一個(gè)生命體的不同器官。

李想在發(fā)布會(huì)結(jié)尾說，「過去 10 年，我們創(chuàng)造了一個(gè)移動(dòng)的家；在第二個(gè) 10 年，我們會(huì)給車和家賦予生命。」理想不是在造一輛更好的車，它在試圖創(chuàng)造一個(gè)新物種，定義下一個(gè)范式。

*頭圖來源：理想汽車

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請(qǐng)聯(lián)系極客君微信 geekparkGO

極客一問

你如何看待具身智能汽車？