# 理想造了一颗登上台积电讲台的芯片，却希望你在开车时彻底忘掉它

- 作者：李华
- 发布时间：2026-11-20 18:39
- 分类：汽车
- 原文：https://www.ifanr.com/1690596

![](https://s3.ifanr.com/wp-content/uploads/2026/11/vgdcadxa.jpg)

买车的时候，要判断一台车好不好，往往是一件很凭直觉的事。

踩一脚油门，推背感会告诉你马力够不够。摸一下中控，指尖会告诉你是不是好用料。更不用说还有古早奥义：通过开关车门来听整车的做工。听起来厚实吗？厚实就是好车，简单且直接。

但是时代变了，高科技来了，AI 来了，信息大爆炸的时代来了，世界变得复杂又难懂，买车也是。

比如智驾这件事，就很玄乎。门店的销售通常会热情地抛出一串数字：500 TOPS、1000 TOPS……

力大砖飞的道理大家都懂，但实际上，没人真正在乎算力的具体数值。作为一个普通消费者，我们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？**

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164606247-1.jpg)

理想相信，这件事情可以靠自研的「马赫 M100」芯片来实现。就在 11 月 17 日，凭着这颗已经量产上车的芯片，理想走进了半导体的「内行局」——台积电 OIP 开放创新平台生态系统论坛。

作为全球芯片设计、EDA 与先进制程领域规格最高的年度盛会，台积电 OIP 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，或者是被称为「硅仙人」的芯片界传奇人物 Jim Keller。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164608887-2.jpg)

而在今年，与理想汽车同台分享的，也都是博通、瑞萨电子、SK 海力士这样的全球头部芯片企业。理想汽车，也由此成了台积电 OIP 生态论坛举办以来，唯一一家进行特邀演讲的中国大陆企业。

但比起这场登台本身，我们今天更想讲清楚的是，理想究竟是如何通过这套底层的芯片架构设计，去治好智驾的「犹豫」，让智驾开起来真正更像人的？

## 理想的「厨房变革」

用过智驾的人大概都经历过这种时刻，哪怕账面算力堆得再高，车子一到复杂路口还是有可能表现得像个新手，要么对时机的把握不够果决，要么在没有妥善判断路况的情况下莽撞操作。

这种对路况拿捏的不精准，除了算法模型在设计上的局限，还有很大一部分原因，来自更底层的计算效率。

过去几十年，科技行业一直享受着摩尔定律的红利，芯片制程一升级，软件不用大改就能获得一轮提升。但在摩尔定律放缓之后，面对海量并行的 AI 大模型计算，统治了计算机界整整 70 年的「冯·诺依曼架构」，遇到了棘手的内存效率瓶颈。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164610363-3.jpg)

在计算机体系结构领域，解释这个被称为「内存墙」的瓶颈，有个很经典的「大厨做菜」比喻：

传统的 CPU 或 GPU 就像后厨里手艺高超的「大厨」，而内存则是走廊尽头的「大仓库」。按照冯·诺依曼架构的规矩，大厨每切一次菜，都要放下菜刀跑回远处的仓库拿一次配料，切完再跑回去放好。

于是，大厨有 70% 的时间和体力都消耗在了来回跑仓库的路上，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%。

在传统软件时代，因为每次处理的数据量不大，大厨在手边放个「小料台」，也就是高速缓存，就能应付日常小炒。但到了 AI 大模型时代，动辄几十亿的参数和实时涌入的视频流直接撑爆了小料台，大厨不得不频繁往返远处的仓库。

那怎么办？行业里传统的方案是多请几个跑腿的厨师，也就是在传统架构的基础上叠加专用加速单元。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164612364-4.jpg)

而理想选择了对厨房做饭流程进行革新。2022 年，立项马赫 M100 时，理想直接拆掉旧厨房，做出了全球首款量产的动态数据流架构 AI 芯片。

理想取消了那个来回跑腿的「总厨」，把整个后厨改造成了「中央厨房流水线」。

食材，也就是数据，一到工位即刻加工，处理完不再送回远处的仓库，而是顺着片内的高速传送带直达下一个工位，或者通过环形与网格双互联总线，一次性分派给下游的所有工位协同处理。

与此同时，动态设计又保留了高度的软件可编程性。

传统的固定流水线往往只能做一道菜，而马赫 M100 相当于让流水线随时能根据算法换上新菜谱，通过软件重新编译来灵活调整工序，保住流水线高效率的同时，也给日新月异的 AI 大模型留出了演进空间。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164613909-5.jpg)

正如计算机先驱 Alan Kay 曾提出的，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，这在过去是行业的普遍现状。

理想则通过打破部门墙的「软硬一体联合设计」，把自己变成了主厨，在理想内部，算法团队与芯片团队得以从第一天起就协同工作。

这套量身定制的「后厨」，推高了端侧 AI 计算的效率上限，在这颗采用 5nm 车规级工艺、单颗算力达 1280 TOPS的马赫 M100 芯片上，算力利用率被一举拉升到了 82% 以上。

用它来运行 35B 规模的 Qwen3.5-35B-A3B 模型，预填充速度达到了英伟达 DGX Spark 的 2.7 倍，解码速度也达到 1.5 倍。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164617209-6.jpg)

今年初，马赫 M100 的架构论文还与 Google、Meta 的成果一道，入选了全球计算机体系结构最高顶会 ISCA 2026 的工业分区。理想汽车也是该分区设立以来，全球首家入选的车企，而上一家入选 ISCA 的中国公司，还是 2025 年的 DeepSeek。

不把算力浪费在「跑路」上，通过马赫 M100 芯片，理想得以进一步释放大模型的执行效率。而芯片上挣出来的效率，最终转化成了路面上的流畅反应。

## 让车像正常人脑一样「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，负责深度的逻辑推理与复杂博弈。

但实际上，在人开车的过程中，「系统 1」和「系统 2」是一个手眼脑一体、协同工作的状态。人类大脑处理信息的速度够快，在依靠直觉对实时路况做出快速决断的同时，还能调用经验，也就是「系统 2」，对即将发生的路面状况提前做出预判。

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，或者在施工路段看懂临时改道的意图。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164620629-7.jpg)

以往的智驾对「系统 2」的利用不够多，核心原因是算不起、算不快。

在传统架构上，一旦模型同时调动复杂的三维空间理解与多步逻辑推演，海量的数据搬运就会撞上「内存墙」。车虽然最终想明白了，但等它算完，路口的通行时机早已错过表现。

表现在驾驶体感上，就是顿挫犹豫，以及「无法像人一样思考」。

而随着今年 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。在 11 月 6 日推送的 OTA 9.2 版本中，理想正式上线了马赫 VLA 2.5，并把自研的原生三维视觉编码器——3D ViT 搬上了车端。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164623050-8.jpg)

如果说以前的智驾视觉是「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，那么 3D ViT 则是给了智能汽车一双真正能「看懂」真实三维物理世界的眼睛。

3D ViT 的特点，是在视觉编码阶段就将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」。

而这种连续、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」的最大强项。

你看，自家的厨房果然还是最懂自家人的口味。

依托马赫 M100 的算力底座，3D ViT 引入了前馈式 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，车辆的前向感知距离直接拉长到了 300 米，拥有等效 1080 线分辨率的像素级感知，动态视力提升了 50%。放到每天上下班的路上，这些技术指标也能进一步赋予理想辅助驾驶更加干脆利落的细节反应。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164625469-9.jpg)

某种意义上说，理想这套从底层芯片到顶层模型的逻辑，更接近正常人大脑思考开车的逻辑：真正厉害的老司机，往往是手、眼、脑一体的配合，需要的是「系统 1」与「系统 2」的协同运作——用底层极高的传输效率，把「系统 2」的深度思考，跑出「系统 1」般的本能直觉。

在理想的技术体系里，如果把全线控底盘比作手脚、VLA 比作大脑、3D ViT 比作眼睛，那么马赫 M100 就是那颗持续泵出算力的心脏。

而今天渴望这颗「心脏」和这双「眼睛」的，还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。

当年亚马逊为了解决自家电商大促的算力拥堵，逼出了一套高效的内部云架构，最终对外开放，成了云计算底座 AWS。而马赫 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，整个人形机器人与具身智能行业，同样困在「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」的死结里。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164627604-10.jpg)

今年 10 月，理想芯片子公司「马赫心」刚刚完成 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

到这里，我们终于可以回过头，看看开头谈及的那个问题：

在一台汽车全身上下众多显性的卖点之中，为什么智驾和芯片，往往是最难以被普通人直接感知的产品能力之一？

因为「不被感知」，就是智驾和芯片要达成的终极目标。

「普适计算之父」Mark Weiser 曾提出过一个著名的论断：

> 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，才会频频让你时刻注意到它的存在，而真正顶级的底层技术，生来就是要「隐身」的。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795164629801-11.jpg)

理想费尽周折自研芯片、走上台积电的讲台，并非只是为了念叨诸如「动态数据流」或「1280 TOPS」这些参数和名词。

这一切的核心目标，是为了让你在握住方向盘的那一刻，彻底忘掉芯片的存在。
