李想造芯，一场不跟风的赌局

本文字数：3958｜预计阅读时间：6分钟

核心观点：自有主张，李想造芯另寻解法。跟风

记者丨易思琳 吴晓宇
编辑丨吴晓宇

2026年北京车展期间，李想造芯理想汽车CEO李想组局了一场特殊的跟风“老友饭局”。

席间，李想造芯李想与多位曾效力于理想、跟风现已出走的李想造芯高管重逢。在场者包括前总裁沈亚楠、跟风前智驾预研负责人贾鹏、李想造芯前智驾量产研发负责人王佳佳、跟风前第二产品线负责人张骁，李想造芯以及前智驾产品总监赵哲伦。跟风

这些离职高管如今各自创业，李想造芯创立了赫宇机器人、跟风至简动力、李想造芯斜跃智能、维他动力等公司，业务涵盖机器人及机器狗领域。众人调侃这场聚会为“车人狗聚会”。

“车人狗聚会”，图片来源：贾鹏朋友圈

寒暄过后，几位前高管向李想提出了一个共同的诉求：能否向他们的公司供应理想自研的马赫M100芯片？

马赫M100单颗芯片算力高达1280 TOPS，位居行业前列，且是全球唯一采用动态数据流架构的智驾芯片。该架构通过减少缓存中的反复存取，显著提升了AI运行效率。

“外采其他厂商的芯片，在工具链、稳定性、效率及成本上，均无法与马赫M100相比。”李想在播客中坦言，这些老友深知自研芯片的技术实力。

自2022年起，理想汽车历经四年芯片攻坚、四年操作系统重构、三年大模型打磨，逐步搭建起具身智能体系。这一系列动作正在兑现李想的野心——将理想打造为一家人工智能生态公司。

1

下注“数据流”：避开英伟达的正面战场

李想自研芯片的念头，萌芽于2021年的全球芯片荒。

当时，芯片交货周期从30天延长至6个月，单价暴涨5-10倍。头部车企占据了大部分产能，新势力车企面临严重的供应链瓶颈。

2022年7月，李想从华为引入谢炎，将其负责的系统与计算群组统筹芯片及操作系统业务，正式组建芯片团队。

谢炎入职时，理想芯片团队仅余两人，不到一个月又流失一人。

“资源有限，是否先做小芯片试水？”留守员工建议。所谓小芯片，指低成本、低算力的AI芯片，旨在试错并验证基础能力。

谢炎当即反对。

“我和李想达成共识：自研不是为了证明能力，而是为了解决实际问题。”谢炎在接受《21汽车·一见Auto》采访时指出，随着车内AI算力需求激增，外购高端芯片成本高昂。若自研成果不及外购，则毫无意义。团队必须着眼未来，追求超越外购方案的效能。

2022年11月，自研芯片项目在理想内部立项，初期团队规模约10人。

彼时，量产车普遍搭载英伟达Orin芯片，算力更强的Thor芯片尚在研发。经过半年分析，团队确立了自研目标：成本减半、性能翻倍，实现四倍效能提升。

谢炎深知，若延续英伟达的技术路线，此目标无法实现。

“英伟达起步早几十年，积累深厚，资源数量级远超我们。”他比喻道，这如同在百米赛道上与博尔特比赛，对方还领先2秒，常规追赶绝无可能。

最终，理想选择了动态数据流架构。

传统CPU/GPU采用指令驱动模式，遵循“取指令-取数据-执行”的逻辑；而数据流架构则是数据就绪即执行，执行完毕后直接传递至下一单元。数据自主决定计算时机，无需CPU/GPU指挥。

相较于传统GPU架构，数据流架构减少了缓存反复存取，释放了更多有效算力。

截至2026年，选择此架构设计智驾芯片的车企仅有理想。多数厂商回避该路线，主要顾虑有三：
1. 生态从零搭建：需重新开发自研编译器、调度器及模型映射工具链；
2. 通用适配性弱：该架构擅长规则化、标准化AI运算，但在应对实时路况时容错性不足；
3. 研发风险高：芯片研发周期长，若方向错误，近10亿元投入将付诸东流。

为何理想敢押注小众架构？

“过去数据流架构未能普及，是因为计算和数据规模尚未达到临界点。”谢炎解释，当规模扩大时，传统冯·诺依曼架构的扩展代价高昂且效率低下，此时全新的单一形态计算架构便有了机会。

“采用动态数据流架构，并非赌博。”李想后来公开解释，团队通过手敲140万字的技术资料，严格验证了可行性。

2

死磕编译器：打通硬件与算法的桥梁

首款芯片于2024年流片，初名“舒马赫”，2025年更名为“马赫”。

“马赫是速度单位，寓意AI计算速度更快。”一位理想芯片团队人士向21记者解释。

2025年，马赫芯片完成回片验证。这一年，团队重心从硬件调试转向编译器开发，同时进行芯片改版迭代，为量产上车做准备。

《21汽车·一见Auto》独家获悉，2025年3月，理想汽车组织算力单元部门进行为期3个月的封闭开发，核心任务即为马赫芯片开发编译器。

编译器是连接硬件与算法的关键桥梁，能将程序员常用的编程语言转换为芯片可识别执行的机器语言。

“编译器的核心作用是为芯片建立快速适配接口，使新算法能快速部署。”一位行业人士指出，芯片开发周期通常为3-5年，更新节奏滞后于算法迭代。引入编译器可缩短开发周期，提升效率。

编译器研发的高门槛源于硬件适配的复杂性。芯片架构复杂，包含大量晶体管和技术单元，编译器需优化这些硬件特性，并与芯片架构深度协同，如理解流水线结构、指令集扩展等。

“难点更在于生态。”

一位业内人士表示，英伟达和谷歌的上层架构成熟，后来者只需做差异化；而数据流架构缺乏现成的编译生态可复用。

例如，若新芯片不兼容Python等主流开发工具，将大幅降低程序员的使用效率。

谢炎告诉21记者，马赫芯片从设计之初便同步开发编译器，流片前已跑通多个模型。3个月的封闭开发旨在迭代版本，以充分发挥芯片性能。

最终，马赫M100单颗芯片算力达到1280 TOPS。

“最佳性能点难以预知，只能不断逼近。‘跑通’与‘做到极致’之间差距巨大。”谢炎表示，运行VLA模型时，马赫芯片性能已是Thor U的三倍，内部评估仍有潜力可挖。

3

塞进大模型：软硬协同重构研发逻辑

2025年上半年，编译器封闭开发期间，基座模型团队启动了一项关键工作——将大语言模型嵌入马赫M100芯片。

此前，团队在重新定义Thor U芯片的VLA智驾模型时发现痛点：即便搭载顶级车载芯片，大模型运行性能仍大幅缩水。

根源在于行业长期割裂的研发模式：芯片工程师追求峰值算力，算法工程师堆叠模型参数与数据，双方互不考虑对方的硬件约束（如带宽、功耗），各自狂奔。

“总以为模型参数越大、车端算力越高即可，后来发现此路不通。”一位参与模型研发的芯片工程师回忆，若沿袭“堆料”老路，只能跟在别人身后“吃灰”。

团队意识到，真正解法在于重构底层逻辑：将云端超大模型塞入芯片，在模型设计初期即考虑硬件能力。

“先算硬件瓶颈，再设计模型。”该人士总结。最终，团队提出一套可量化、可预测的软硬协同数学框架。

今年3月，理想汽车联合创新决策智能技术研究，正式发布以“软硬协同设计定律”命名的框架。

该定律构建统一数学逻辑，将芯片物理特性与算法计算需求“翻译”为数学语言：输入芯片硬件参数与模型性能目标，公式自动输出最优软硬配比方案。

谢炎强调，芯片设计前期必须透彻理解模型端需求。

“选对架构并不能加速芯片研发。”他表示，团队共识在于：芯片非孤立设计，而是与模型团队、自动驾驶团队共同设计。

“若无他们的输入与分析，研发易偏离方向，造成时间浪费。”谢炎评价，在他过往经历中，未曾见过如此高密度的跨部门协同。

VLA（Vision-Language-Action）是塑造理想AI的“决策大脑”。

2025年春节后，李想认为理想VLA必须使用自研基座，以打通视觉感知、语言理解、车辆动作决策、座舱交互、高阶智驾及车身控制的统一认知体系。因此，基座模型团队与自动驾驶团队联合开发。

同年5月，理想发布车端VLA模型——MindVLA，基座模型团队转向VLA框架的前瞻性预研。

团队负责人陈伟回忆，当时200人的团队抽调3-4名核心人员，启动下一代VLA研发架构开发，迅速锁定攻坚重点——视觉编码器。

4

突破下一代：纯视觉的3D ViT革命

下一代VLA架构如何搭建？

团队从MindVLA上线后的用户反馈中寻找突破点。车主反映，车辆在白天与夜间表现不一致，出现无诱因异常减速、动力响应滞后、提速乏力等问题。

复盘发现，问题源于传统视觉编码器的感知缺陷：模型仅能识别物体类别，无法精准获取障碍物的空间深度与距离参数，导致空间位置误判及决策异常。

为突破硬件与传统算法限制，团队提出全新思路：

利用RGB纯视觉摄像头（通过红绿蓝三原色通道采集环境反射光，输出彩色二维画面）采集数据，赋予模型对空间位置与深度的准确理解能力。

初期，团队面向2D图像构建视觉编码器，命名为2D ViT。相较于通用编码器SigLip，2D ViT能以更小模型尺寸、更快速度实现更优效果。

预研设计落地后，陈伟向李想汇报。

国庆假期后的秋季战略会上，李想对基座模型团队的方案大加赞赏。

随后，团队引入X、Y、Z空间三维坐标系，将视觉编码方案升级为3D ViT（三维视觉Transformer），能够表征空间深度。

“测试显示，在空间感知精度上，纯视觉方案保持了激光雷达95%的精度，有效弥补了激光雷达探测距离短的缺点。”一名参与设计的工程师告诉《21汽车·一见Auto》，3D ViT立体视觉编码技术还可应用于机器人研发，“空间距离判断对机器人同物理世界交互至关重要”。

今年1月，詹锟接手基座模型团队。他认为，激光雷达仍具安全兜底价值，但不再适合作为前融合主传感器，因其存在探测距离与延迟等物理短板，纯视觉将成为未来主力感知方案。

詹锟

他预告，理想汽车下半年将推进两件事：
1. 提升纯视觉帧率，最大化芯片性能，大幅提升反应速度；
2. 激光雷达承担重要数据采集环节。

“想要催生颠覆性创新，必须打破原有边界，而非追随他人路线。”谢炎在理想科技日如是说。

All in AI之后，理想亦如此。

在自研芯片上，多数车企跟随英伟达路线，理想独选动态数据流架构；在行业争相复刻端到端+VLA方案时，理想切换重心，攻坚VLA基座。

这些非共识抉择，带有几分“赌”性：赌自己找到细分赛道，赌自己能跑通。

赌对了，是独一份的先发优势与长期增长底气；赌错了，是无人兜底的试错代价与市场阵痛，且再想重新洗牌难度极大。

无论对错，理想必须承担选择的重量。

（原文题为《理想做AI的六年：一场不跟风的赌局》，来源“一见Auto”，本文有删减）

文中部分图片来自理想汽车

若对文章内容有建议或异议，请联系编辑部。

办公电话：020 87399753

(责任编辑：知识)