El CTO de Li Auto, Xie Yan: Quiero convertirme en una empresa líder, las chips de IA son una tarea imprescindible

Faltan tres días para el lanzamiento oficial del nuevo modelo Ideal L9. Esto no solo representa una iteración regular de un vehículo insignia, sino también el primer modelo de Ideal equipado con su propio chip de desarrollo interno, el Mach M100.

El 12 de mayo, el CEO de Ideal Motors, Li Xiang, publicó en las redes sociales para responder directamente a las dudas del público sobre la fabricación de chips por parte de las empresas automotrices. Él afirmó claramente que el desarrollo propio de chips no es simplemente “seguir la tendencia de gastar mucho dinero”, sino que busca hacer que la IA realmente funcione en el mundo físico, resolviendo problemas técnicos que los proveedores actuales no pueden superar.

“¿Por qué Apple puede ofrecer la mejor experiencia? No solo porque una tecnología sea la más avanzada, sino porque integra de forma autónoma el desarrollo de chips, sistemas operativos, hardware y servicios en la nube, logrando un diseño y responsabilidad total en toda la cadena, sin puntos débiles.”, dijo Li Xiang. Añadió que en la era de la IA, la competencia se basa en capacidades sistemáticas, y que Ideal está sincronizando el desarrollo de chips, sistemas operativos y grandes modelos para buscar un diseño integral orientado a la era de la inteligencia artificial, logrando así “el campeón en experiencia de usuario”.

De hecho, ya a finales de marzo, Li Xiang reveló que el artículo técnico sobre su chip Mach 100 había sido aceptado oficialmente en la Conferencia Internacional de Arquitectura de Computadoras (ISCA) 2026, en la sección industrial. Esto convirtió a Ideal en la primera empresa automotriz en ser seleccionada en esta conferencia desde su creación en la categoría industrial.

El chip Mach 100 utiliza una arquitectura nativa de flujo de datos original de Ideal, con proceso de 5nm, y su capacidad de cálculo nominal alcanza los 1280 TOPS.

Antes del lanzamiento oficial del nuevo Ideal L9, el CTO de Ideal, Xie Yan, mantuvo una conversación con medios como Jiemian News.

Siguiendo la línea de pensamiento de Li Xiang, Xie Yan explicó la lógica subyacente en la fabricación de chips por parte de las empresas automotrices, usando la evolución de la electrónica de consumo: “Los chips de Apple le brindan capacidades diferenciadas a su sistema operativo, y esta integración vertical es un valor que las soluciones generalizadas no pueden ofrecer.”

Él señaló que en el futuro, la competencia en la industria automotriz se dividirá, y las principales empresas deberán avanzar en el desarrollo de sus propias tecnologías básicas. “Si el objetivo es centrarse en la IA, hacer chips de IA es una obligación. Quien quiera ser líder, definitivamente debe hacerlo.”

Las palabras de los ejecutivos sobre “hacerlo sí o sí” también encuentran respaldo en las tendencias macroindustriales. Según un informe de McKinsey, impulsada por la IA y el computo en el edge, la industria global de semiconductores alcanzará ingresos de 1.6 billones de dólares para 2030. En esta explosión de capacidad de cálculo, los automóviles están acelerando su papel como los dispositivos de IA en el edge más importantes, forzando a los fabricantes a integrar chips de silicio en sus vehículos desde la base.

Por otro lado, la inversión en tecnología fundamental también intensifica la competencia comercial en la industria automotriz. Para 2025, debido a la feroz competencia y los ciclos de productos, los ingresos anuales de Ideal Motors alcanzaron 112.300 millones de yuanes, con una caída en beneficios netos. Sin embargo, su inversión en I+D alcanzó un récord de 11.3 mil millones de yuanes, aproximadamente el 50% de los cuales se destinó directamente a áreas relacionadas con la IA.

Para 2026, con la resolución de los cuellos de botella en la capacidad de producción, Ideal entregó 34,085 vehículos en abril. Según datos oficiales, hasta el 30 de abril de 2026, la entrega acumulada de Ideal había sido de 1.669.442 unidades.

Xie Yan afirmó en una entrevista que, cuando un vehículo adquiere la capacidad de actuar de forma autónoma en el mundo físico, su producto se asemeja cada vez más a un “dispositivo inteligente con cuerpo”. En ese momento, la capacidad de cálculo en la base no solo es un centro de costos, sino que también determina si la empresa puede obtener un pase hacia la era de la inteligencia con cuerpo en una competencia de eliminación.

En la entrevista con medios como Jiemian News, Xie Yan también compartió por primera vez el proceso de decisión, innovación tecnológica y organización que llevaron al desarrollo del chip Mach 100.

Fuente de la imagen: Ideal

A continuación, la transcripción de la entrevista, con algunas ediciones y organización por parte de Jiemian News:

Medio: ¿Desde cuándo empezó Ideal a considerar el desarrollo propio de chips? ¿Cuáles fueron los principales factores y limitaciones?

Xie Yan: Me uní a Ideal en 2022, pero la idea de hacer chips internos ya había surgido en 2021. En ese momento, en la industria, “el desarrollo propio de chips” se convertía en una tendencia cada vez más clara, pero siempre nos preguntamos una cuestión más fundamental: ¿Cuál es la lógica detrás de que Tesla usara Nvidia inicialmente y luego optara por el desarrollo interno? Esa cuestión rara vez se discutía en profundidad, y creíamos que solo entendiendo claramente “por qué” se podía decidir “cómo hacerlo”.

Elegimos desarrollar internamente principalmente por una evaluación a largo plazo de la evolución tecnológica. Primero, por la explosión exponencial en la demanda de capacidad de cálculo. En 2022, las leyes de escalamiento de grandes modelos de lenguaje aún no eran ampliamente conocidas, pero ya intuíamos que mayor capacidad de cálculo traería mejor rendimiento y experiencia.

Si la capacidad de IA continúa creciendo, y la sustitución completa de la conducción autónoma L4 por humanos aún está lejos, la demanda de cálculo será enorme. Frente a esta demanda creciente, pensamos que depender de la velocidad de iteración de proveedores externos sería una posición pasiva.

Luego, está el cuello de botella en la arquitectura de cálculo subyacente. Después de 2020, el desarrollo de la IA hizo que la arquitectura tradicional de von Neumann se convirtiera en una limitación. Técnicamente, tanto los CPU como los GPU están optimizados en esta arquitectura, pero creemos que se puede diseñar una arquitectura de cálculo nativa para IA, con innovaciones tanto en software como en hardware.

Al revisar la historia del desarrollo de la humanidad y las computadoras, los avances en la arquitectura de sistemas suelen surgir cuando una necesidad no puede ser satisfecha por la tecnología anterior. Intel pensaba que el cálculo gráfico no requería una arquitectura especializada, solo un CPU era suficiente, pero Nvidia apostó firmemente por los GPU especializados en gráficos, y hoy en día su valor de mercado se ha invertido.

De manera similar, usar GPU o GPGPU para IA también es posible, pero con eficiencia limitada. Si el cálculo de IA será la forma de cálculo de mayor crecimiento en el futuro, entonces se necesita una arquitectura de cálculo dedicada a IA. Para convertirse en líder, hacer chips de IA es un umbral imprescindible, y esa capacidad de integración vertical que ofrecen los proveedores no puede ser igualada por soluciones generalizadas.

Medio: ¿Qué problemas ha enfrentado el desarrollo propio de chips en escenarios reales? ¿Por qué el Mach 100 usa arquitectura de flujo de datos en lugar de la tecnología Chiplet?

Xie Yan: El problema más directo es el costo de cálculo. Con modelos grandes VLA y modelos del mundo en constante evolución, la demanda de cálculo para inferencia en el edge sigue creciendo. Al planear el chip, debemos anticipar las necesidades de los próximos años, no solo satisfacer las actuales. Si un proveedor puede ofrecer el triple de rendimiento a la mitad del costo, no tendría sentido hacer el chip propio—pero la realidad es que eso no es posible, los proveedores deben atender a todos los clientes y es difícil hacer personalizaciones extremas para un solo cliente.

En cuanto a la arquitectura, el Mach 100 es un SoC grande y no usa tecnología Chiplet. Para chips de inferencia de IA, el ancho de banda de memoria es crucial. Diseñamos en el chip una SRAM distribuida muy grande, lo que elimina la necesidad de mover grandes cantidades de datos fuera del chip a través de DDR, ya que eso reduciría el rendimiento.

Medio: Desde que decidieron desarrollar su propio chip en 2021, ¿el ritmo de desarrollo del Mach 100, que será instalado en el nuevo Ideal L9, ha cumplido con sus expectativas?

Xie Yan: En realidad, tomó unos 3 años y medio. En general, fue conforme a lo planeado, incluso en algunos aspectos más rápido de lo esperado. Desde que se inició en noviembre de 2022, hasta la fabricación en 2024 y la producción en 2026, el ciclo total fue de poco más de 3 años—lo cual es bastante rápido para un chip de arquitectura completamente nueva y nivel automotriz. Además, logramos una primera fabricación en proceso de 5nm, algo poco común en el desarrollo de chips complejos.

Medio: ¿Cuál fue la clave para que el equipo lograra una ventaja en velocidad de producción en solo 3 años y medio? ¿Cómo planean equilibrar los altos costos de I+D en el futuro?

Xie Yan: La clave está en el diseño conjunto de hardware y software. La parte más lenta en el diseño de chips no es la implementación física, sino la comprensión y análisis de los requisitos. Para un SoC con arquitectura completamente nueva, normalmente se necesitan entre 4 y 6 años; nosotros logramos en poco más de 3, y esto se debe a que adoptamos un modelo de diseño conjunto. El equipo de chips y el equipo de modelos, de conducción inteligente, trabajan desde el primer día en conjunto, no se diseña el chip y luego se adapta el software, sino que se define la arquitectura y se prueba el rendimiento simultáneamente.

Por ejemplo, en 2024, con la llegada de la era de grandes modelos, identificamos la importancia de los transformadores, y nuestro equipo interno en solo un mes optimizó la base para ello. Si dependiéramos de proveedores externos o subcontratistas, no aceptarían cambios tan rápidos en la estrategia tecnológica. Esta colaboración estrecha y multidisciplinaria es la razón principal de nuestra velocidad en I+D.

En cuanto a costos, en la industria a menudo se habla de “número de chips”, pero eso oculta las diferencias en área de silicio. La forma correcta de calcular costos es: volumen de producción por área de cada chip. Cuando la demanda de capacidad de cálculo en un vehículo crece varias veces, solo con volúmenes de decenas de miles de unidades o más, la fabricación propia puede reducir significativamente los costos elevados. Calculamos que, cuando la producción de autos alcanza cierto volumen, el área total de silicio de IA necesaria superará a la de los teléfonos móviles, haciendo que la fabricación propia sea muy rentable para las principales empresas automotrices.

Fuente de la imagen: Ideal

Medio: ¿Qué beneficios prácticos aportará a los usuarios el uso del chip de conducción inteligente propio?

Xie Yan: Mayor capacidad de cálculo combinada con inferencia más eficiente hará que el coche “se parezca más a una persona”, en varios aspectos concretos.

Primero, verá más lejos y con mayor precisión, permitiendo que la conducción autónoma tenga una comprensión más profunda, lejana, precisa y detallada del entorno tridimensional.

Segundo, la fluidez en la toma de decisiones y control, que requiere modelos de mayor escala, donde la capacidad de cálculo es la base para que la conducción sea más humana y sin frenazos bruscos.

También, la respuesta será más rápida: desde la entrada de datos de los sensores visuales hasta la inferencia, y la salida final al sistema de control, la arquitectura de flujo de datos del Mach 100 puede reducir significativamente los tiempos intermedios y procesar las señales de los sensores a mayor velocidad de cuadro.

A largo plazo, buscamos ofrecer una sensación de tranquilidad, haciendo que la percepción del “conductor” se asemeje a la de la mayoría de los humanos en su forma de conducir.

Además, el Mach 100, como chip de uso general, no se limita a la conducción inteligente. Es más bien una plataforma de IA general que puede actualizarse mediante software. Nuestra lógica con Tesla es similar: además de conducción autónoma, este chip puede ejecutar algoritmos de inferencia de IA para robots, y en el futuro podrá expandir continuamente sus capacidades, como un teléfono inteligente.

Medio: ¿Cómo se implementará el Mach 100 en el nuevo Ideal L9? ¿Planean lanzar diferentes versiones con distintas capacidades para diferentes segmentos de precio?

Xie Yan: En el nuevo Ideal L9, usamos tecnología de virtualización en la base para que un solo chip Mach 100 asuma las funciones de conducción autónoma (AD) y controlador central (XCU), eliminando la necesidad de un controlador XCU independiente.

En cuanto a versiones, solo ofreceremos una, sin diferentes niveles de capacidad. Porque la capacidad de IA potente es nuestra principal ventaja diferenciadora. Mientras el chip propio pueda ofrecer mayor rendimiento y menor costo en la lista de materiales, y tenga una relación calidad-precio competitiva, queremos que cada vehículo la tenga. Para modelos de alta gama como el nuevo Ideal L9 Livis, planeamos usar dos chips para ofrecer una potencia de cálculo aún mayor.

Medio: ¿La producción en masa del chip propio acelerará la innovación en hardware y software? ¿Cómo planean la futura cadencia de actualización del hardware para soportar el desarrollo de la conducción autónoma nivel L4?

Xie Yan: Tras la producción en masa, la colaboración entre hardware y software será aún más estrecha. Por un lado, la optimización del software puede marcar una gran diferencia en el rendimiento con el mismo hardware. Por otro, planificamos conjuntamente la próxima generación de chips. Aunque aún no podemos revelar la cadencia de actualización, creemos que la capacidad de cálculo de la IA seguirá creciendo, por lo que debe seguir evolucionando.

En cuanto a cuándo llegará el nivel L4, no hay una fecha oficial aceptada en la industria, pero la base de capacidad de cálculo debe seguir avanzando sin parar.

Medio: ¿Cuál es la situación actual de la capacidad de producción de chips? Con más empresas desarrollando sus propios chips de IA, ¿habrá competencia por la capacidad en los fabricantes por contrato?

Xie Yan: Actualmente, la capacidad de las fábricas de chips es muy ajustada, y también hay mucha tensión en la producción de placas y pruebas. Sin embargo, nuestra oferta está garantizada. La producción de chips de IA es muy escasa y limitada, pero contamos con capacidad suficiente.

El auge de la IA ciertamente aumentará la demanda de capacidad de cálculo de forma superlineal, haciendo que la capacidad de los fabricantes por contrato sea escasa. Pero en la industria de chips, los únicos criterios relevantes son costo y rendimiento. Esto significa que, aunque muchas empresas afirmen necesitar gran capacidad, la cantidad efectiva de producción que puede sostenerse en el mercado es limitada.

Medio: Mencionaste que para ser una empresa líder, hay que desarrollar chips propios como Apple. ¿Si todas las empresas automotrices desarrollaran sus propios chips, el escenario competitivo sería similar al de los teléfonos? ¿Los proveedores suministrarán chips a empresas no líderes?

Xie Yan: Es una referencia útil la evolución del mercado de teléfonos. Solo las empresas con suficiente tamaño y reconocimiento podrán soportar los altos costos del desarrollo propio. A su vez, el desarrollo interno ayuda a estas empresas a consolidar su ventaja competitiva, como Apple y Huawei en teléfonos. Para las muchas empresas de tamaño medio y pequeño, seguirán dependiendo de proveedores externos para soluciones de diferentes rangos de precio.

Medio: Últimamente, Ideal ha realizado grandes cambios en su organización de I+D, pasando de centrarse en funciones de vehículos a construir una “persona digital”. ¿Cuál es la motivación principal detrás de esto?

Xie Yan: La lógica básica es que la organización debe alinearse con la dirección del negocio. Creemos que los autos cada vez más parecen robots en el mundo físico. Un vehículo equipado con cámaras de alta resolución y lidar, y con el chip Mach 100, tendrá una capacidad de IA que supera la suma del poder de cálculo de las computadoras y teléfonos que posea una persona. Lo más importante es que el vehículo en el mundo tridimensional puede actuar de forma autónoma.

En los últimos años, el desarrollo de la tecnología de agentes inteligentes ha sido muy rápido. La innovación clave en nuestros productos es hacer que sean más proactivos. Antes, el vehículo era solo una herramienta pasiva; en el futuro, podrá pensar activamente en cómo completar tareas, y la conducción autónoma será la primera tarea en un ciclo cerrado en el mundo tridimensional. Dado que el producto en esencia se ha convertido en un dispositivo inteligente con cuerpo, nuestra organización de I+D debe reestructurarse.

Medio: Tras el éxito de la “Langosta”, la comunidad espera con entusiasmo la llegada de los “Agentes”. ¿Qué ventajas tiene un agente en el mundo físico, como un coche?

Xie Yan: Los agentes en el mundo digital se mueven en electrónica móvil, pero en el mundo físico, deben mover átomos. Los autos son, por naturaleza, excelentes productos de inteligencia con cuerpo, ya que tienen ruedas, sistema de propulsión, sensores y una gran base de cálculo, y además pueden moverse. Esto es mucho más fácil que construir un robot desde cero.

Además, la escala de la industria automotriz permite una rápida iteración en sensores, potencia de cálculo y sistemas de control. Cuando estos sistemas se optimizan y escalan en los autos, será natural trasladarlos a otros cuerpos inteligentes con cuerpo. Como la industria de PCs, que tras madurar dio lugar a los teléfonos inteligentes, la escala y la inteligencia en los autos son condiciones previas para avanzar hacia formas más avanzadas de inteligencia con cuerpo.