买车判断一台车好不好,往往是件很凭直觉的事。踩一脚油门,推背感告诉你马力够不够;摸一下中控,指尖告诉你用料如何。但到了智驾这件事上,直觉失灵了——销售抛出的是一串数字:500 TOPS、1000 TOPS。
力大砖飞的道理大家都懂,可没人真正在乎算力的具体数值。普通消费者想问的其实特别简单:花好几年、砸几十个亿自研的芯片,到底能不能让车开起来更像个人?
理想给出的答案是自研的「马赫 M100」。11 月 17 日,凭着这颗已经量产上车的芯片,理想走进了台积电 OIP 开放创新平台生态系统论坛。这个论坛历来只邀请全球最顶尖的计算巨头登台,往年坐上特邀演讲席的是 Google、Meta 的基础设施负责人,或是被称为「硅仙人」的 Jim Keller。今年与理想同台的是博通、瑞萨电子、SK 海力士,理想也成为该论坛举办以来唯一进行特邀演讲的中国大陆企业。
「内存墙」:大厨七成体力花在跑腿上
用过智驾的人大概都经历过这种时刻:账面算力堆得再高,车子一到复杂路口还是可能像个新手,要么时机把握不够果决,要么没判断好路况就莽撞操作。这种不精准,除了算法模型的局限,很大一部分来自更底层的计算效率。
摩尔定律放缓之后,统治计算机界 70 年的「冯·诺依曼架构」遇到了内存效率瓶颈。解释这个被称为「内存墙」的瓶颈,有个经典的「大厨做菜」比喻:CPU 或 GPU 是后厨里手艺高超的大厨,内存是走廊尽头的大仓库。按冯·诺依曼架构的规矩,大厨每切一次菜,都要放下菜刀跑回仓库拿一次配料,切完再跑回去放好。
结果是,大厨有 70% 的时间和体力消耗在来回跑路上,真正挥刀做菜的时间,也就是芯片的实际算力利用率还不到 30%。传统软件时代数据量不大,手边放个「小料台」也就是高速缓存就能应付;到了 AI 大模型时代,几十亿参数和实时涌入的视频流直接撑爆小料台,大厨不得不频繁往返仓库。
行业传统方案是多请几个跑腿的厨师,在原有架构上叠加专用加速单元。理想选了另一条路:2022 年立项马赫 M100 时,直接拆掉旧厨房,做出全球首款量产的动态数据流架构 AI 芯片。
具体做法是取消来回跑腿的「总厨」,把后厨改造成「中央厨房流水线」。数据一到工位即刻加工,处理完不再送回远处仓库,而是顺着片内高速传送带直达下一个工位,或通过环形与网格双互联总线,一次性分派给下游所有工位协同处理。动态设计又保留了高度的软件可编程性——传统固定流水线只能做一道菜,马赫 M100 相当于让流水线随时按算法换新菜谱,通过软件重新编译调整工序。
计算机先驱 Alan Kay 有句被乔布斯在初代 iPhone 发布会上奉为圭臬的名言:真正在乎软件的人,应该自己制造硬件。过去车企在芯片面前只是看着菜单点菜的「食客」,供应商给什么芯片,算法就得迁就什么架构。理想则通过打破部门墙的「软硬一体联合设计」把自己变成主厨,算法团队与芯片团队从第一天起就协同工作。
成果落在这颗采用 5nm 车规级工艺、单颗算力达 1280 TOPS 的马赫 M100 上:算力利用率被拉升到 82% 以上。用它运行 35B 规模的 Qwen3.5-35B-A3B 模型,预填充速度达到英伟达 DGX Spark 的 2.7 倍,解码速度达到 1.5 倍。今年初,马赫 M100 的架构论文与 Google、Meta 的成果一道入选全球计算机体系结构最高顶会 ISCA 2026 的工业分区,理想是该分区设立以来全球首家入选的车企,上一家入选 ISCA 的中国公司还是 2025 年的 DeepSeek。
让车像人脑一样「快思考」
诺奖得主卡尼曼在《思考,快与慢》里把思维分为两种:「系统 1」是直觉快思考,瞬间本能反应;「系统 2」是逻辑慢思考,负责深度推理与复杂博弈。人开车时,两者是手眼脑一体、协同工作的状态——依靠直觉对实时路况快速决断的同时,还能调用经验对即将发生的状况提前预判。
今天智驾行业拼命卷 VLA(视觉-语言-动作)大模型,就是为了赋予汽车更多「系统 2」的高级推理能力,比如在没有红绿灯的路口提前预判盲区风险,或在施工路段看懂临时改道的意图。以往对「系统 2」利用不够多,核心原因是算不起、算不快:一旦模型同时调动三维空间理解与多步逻辑推演,海量数据搬运就会撞上「内存墙」,车最终想明白了,路口的通行时机早已错过。
随着今年 5 月马赫 M100 随全新理想 L9 等车型量产上车,这道横在硬件与算法之间的墙被拆掉了。11 月 6 日推送的 OTA 9.2 版本中,理想正式上线马赫 VLA 2.5,并把自研的原生三维视觉编码器 3D ViT 搬上车端。
以前的智驾视觉是「隔着 2D 屏幕看世界」,只能先在平面画面里认出方框,再去和点云信息做多模块拼接,中间免不了信息损耗与对齐误差。3D ViT 则在视觉编码阶段就把三维空间几何与语义信息融为一体,把空间结构、位置关系和物体类别一口气从头算到尾,不拆包、不拼接。这种连续、海量的数据处理方式,恰好是马赫 M100 动态数据流架构「流水线直达」的强项。
依托马赫 M100 的算力底座,3D ViT 引入前馈式 3DGS 三维高斯泼溅,把道路、建筑等静态环境与车辆、行人等动态物体分别建模,并通过「下一帧预测」的自监督学习持续进化。反映在感知能力上:前向感知距离拉长到 300 米,拥有等效 1080 线分辨率的像素级感知,动态视力提升 50%。
在理想的技术体系里,全线控底盘是手脚、VLA 是大脑、3D ViT 是眼睛,马赫 M100 则是持续泵出算力的心脏。而渴望这颗心脏和这双眼睛的,不止四个轮子的汽车——整套体系同样匹配上了具身智能产品。马赫 M100 从诞生之初就不止于一颗「智驾专用芯片」,而是一颗能跑通大语言模型、Agent 与复杂视觉推理的端侧通用 AI 芯片。
眼下人形机器人与具身智能行业同样困在一个死结里:电池背不动几百瓦高功耗的传统 GPU,又必须在端侧实时跑大模型。今年 10 月,理想芯片子公司「马赫心」完成 16.25 亿元纯股权融资,投后最大估值达 171 亿元。随着马赫 M100 芯片以及碳化硅模块等自研核心部件陆续推进对外供应,理想多年攒下的自研家底,也开始在物理 AI 的淘金热里做起了给行业「卖铲子」的生意。
最好的芯片,是被你忘记的那一个
回到开头那个问题:在一台车众多显性卖点中,为什么智驾和芯片往往最难被普通人直接感知?因为「不被感知」,就是它们要达成的终极目标。
「普适计算之父」Mark Weiser 有个著名论断:最深刻的技术,是那些消失的技术,它们将自己编织进日常生活的肌理之中,直到你再也察觉不到它们的存在。放在智能汽车上也是如此——一颗不够聪明的芯片、一套算不过来的智驾系统,才会频频让你注意到它的存在;真正顶级的底层技术,生来就是要「隐身」的。
理想费尽周折自研芯片、走上台积电的讲台,核心目标只有一个:让你在握住方向盘的那一刻,彻底忘掉芯片的存在。
热门跟贴