Le CTO de Li Auto, Xie Yan : Vouloir devenir une entreprise de premier plan, la puce AI est une chose indispensable à faire

Il reste trois jours avant la sortie officielle du tout nouveau modèle idéal L9. Ce n’est pas seulement une itération régulière d’un véhicule phare, mais aussi la première voiture de Li Auto à être équipée d’une puce auto-développée, la Mach M100.

Le 12 mai, le PDG de Li Auto, Li Xiang, a publié un message sur les réseaux sociaux, répondant directement aux doutes du public concernant la fabrication de puces par les constructeurs automobiles. Il a clairement indiqué que le développement de puces maison n’était pas une “course au gaspillage d’argent pour suivre la tendance”, mais une démarche pour faire fonctionner l’IA dans le monde physique, afin de résoudre des problèmes techniques que les fournisseurs actuels ne peuvent pas surmonter.

“Pourquoi Apple peut-il offrir la meilleure expérience ? Ce n’est pas seulement parce qu’une technologie est la meilleure, mais parce qu’ils ont intégré la fabrication de puces, le système d’exploitation, le matériel et les services cloud, réalisant une conception autonome de toute la chaîne et une responsabilité totale, sans aucune faiblesse.” Li Xiang a déclaré que, à l’ère de l’IA, la compétition porte sur la capacité systémique. Li Auto cherche à synchroniser le développement de ses puces, systèmes d’exploitation et grands modèles pour une conception intégrée à l’échelle de l’intelligence artificielle, afin d’atteindre la “victoire en expérience utilisateur”.

En réalité, dès la fin mars, Li Xiang avait déjà révélé que le papier de recherche sur sa puce Mach 100 avait été officiellement accepté par la conférence internationale sur l’architecture des ordinateurs (ISCA) 2026, section industrielle. Li Auto devient ainsi la première entreprise automobile au monde à être sélectionnée dans cette section industrielle depuis la création de cette conférence.

La puce Mach 100 utilise une architecture native de flux de données originale de Li Auto, fabriquée en processus 5nm, avec une puissance de calcul nominale atteignant 1280 TOPS.

Avant la sortie officielle du tout nouveau Li Auto L9, le CTO de Li Auto, Xie Yan, a eu un échange avec des médias comme Jiemian News.

Partageant la même vision que Li Xiang, Xie Yan a expliqué la logique sous-jacente à la fabrication de puces par les constructeurs automobiles, en s’appuyant sur l’évolution de l’électronique grand public : “Les puces d’Apple offrent une capacité différenciée pour leur système d’exploitation, cette intégration verticale est une valeur que les solutions standard ne peuvent pas fournir.”

Il souligne que la compétition automobile future se dirigera vers la différenciation, et que les leaders devront forcément développer leurs propres technologies de base : “Si vous souhaitez faire de l’IA votre cœur de métier, fabriquer des puces IA est une étape incontournable. Pour devenir un leader, il faut faire cela.”

Les dirigeants évoquent “ce qu’il faut absolument faire”, et cette tendance macroéconomique est confirmée par d’autres analyses. Selon un rapport de McKinsey, sous l’impulsion de l’IA et de l’edge computing, le chiffre d’affaires mondial du secteur des semi-conducteurs atteindra 1,6 billion de dollars d’ici 2030. Dans cette explosion de puissance de calcul, les voitures accélèrent pour devenir les dispositifs IA d’edge les plus importants, obligeant les constructeurs à intégrer leurs propres puces en silicium.

Un autre aspect de l’investissement dans la technologie de base est la compétition commerciale de plus en plus féroce dans l’industrie automobile. En 2025, en raison de la forte concurrence et des cycles de produits, Li Auto a réalisé un chiffre d’affaires annuel de 112,3 milliards de yuans, avec une baisse de profit net. Cependant, ses investissements en R&D ont atteint un record de 11,3 milliards de yuans, dont environ 50 % directement consacrés à l’IA.

En 2026, avec la résolution des goulots d’étranglement de capacité, Li Auto a livré 34 085 véhicules en avril. Selon les données officielles, au 30 avril 2026, le total des livraisons historiques de Li Auto s’élève à 1 669 442 véhicules.

Xie Yan a déclaré lors d’une interview que lorsque les voitures auront la capacité d’agir de façon autonome dans le monde physique, leurs produits ressembleront de plus en plus à des “dispositifs intelligents incarnés”. À ce moment-là, la puissance de calcul de base ne sera plus seulement un centre de coûts, mais déterminera si l’entreprise pourra accéder à l’ère de l’intelligence incarnée.

Dans ses échanges avec Jiemian News et d’autres médias, Xie Yan a également raconté pour la première fois le contexte décisionnel, la percée technologique et l’innovation organisationnelle derrière la développement de la puce Mach 100.

Source de l’image : Li Auto

Voici le compte-rendu de l’interview, légèrement édité et organisé par Jiemian News :

Média : Depuis quand Li Auto envisage-t-elle de développer ses propres puces ? Quels sont les principaux facteurs et contraintes ?

Xie Yan : Je suis arrivé chez Li Auto en 2022, mais l’idée de faire des puces maison a germé dès 2021. À cette époque, l’industrie voyait de plus en plus la “fabrication de puces maison” comme une voie stratégique, mais nous nous posions une question plus fondamentale : pourquoi Tesla a-t-elle d’abord utilisé Nvidia, puis choisi de développer ses propres puces ? Quelle est la logique derrière cela ? Ce sujet était peu discuté à l’époque, mais nous pensons que seul un vrai questionnement sur le “pourquoi” peut guider le “comment”.

Notre choix de faire nos propres puces repose principalement sur une évaluation à long terme de l’évolution technologique. D’abord, la demande en puissance de calcul explose de façon exponentielle. En 2022, la loi de scaling des grands modèles de langage n’était pas encore largement reconnue, mais nous sentions intuitivement que plus de puissance apporterait de meilleures performances et une expérience supérieure.

Si l’IA continue de croître, la substitution complète de la conduite autonome L4 à l’humain est encore loin, mais la demande en puissance de calcul est énorme. Face à cette demande croissante, nous pensons qu’il serait trop passif de dépendre de l’itération des fournisseurs externes.

Ensuite, il y a un goulot d’étranglement dans l’architecture de calcul sous-jacente. Après 2020, le développement de l’IA a montré que l’architecture von Neumann traditionnelle devenait un frein. Classiquement, CPU et GPU sont optimisés sur cette architecture, mais nous croyons qu’il est possible de concevoir une architecture de calcul native pour l’IA, avec beaucoup d’innovations possibles, du logiciel au hardware.

En regardant l’histoire de l’évolution des ordinateurs, chaque saut dans l’architecture est souvent dû à un besoin que la technologie précédente ne pouvait pas satisfaire. Intel pensait que le calcul graphique n’avait pas besoin d’architecture dédiée, le CPU suffisant. Nvidia, lui, a lancé le GPU dédié au calcul graphique, et aujourd’hui, leur valorisation a inversé.

De la même façon, utiliser des GPU ou GPGPU pour l’IA est possible, mais peu efficace. Si le calcul IA est la croissance la plus rapide en puissance de calcul, il faut une architecture spécifique pour cela. Pour devenir un leader, fabriquer ses propres puces IA est une étape incontournable. Cette capacité d’intégration verticale est une valeur différenciante que les fournisseurs ne peuvent pas offrir.

Média : Quelles difficultés avez-vous rencontrées en développant vos propres puces ? Pourquoi la Mach 100 adopte-t-elle une architecture de flux de données, plutôt que la technologie Chiplet qui fait fureur ?

Xie Yan : La difficulté la plus immédiate est le coût en puissance de calcul. Avec l’évolution continue des grands modèles VLA et des modèles mondiaux, la demande en puissance pour l’inférence en edge ne cesse d’augmenter. Lors de la conception de la puce, il faut anticiper plusieurs années à venir, pas seulement répondre aux besoins actuels. Si un fournisseur pouvait offrir trois fois plus de performance pour moitié du prix, on pourrait envisager de ne pas faire la puce soi-même — mais la réalité est que ce n’est pas le cas. Les fournisseurs doivent satisfaire tous leurs clients, il est difficile de faire du sur-mesure pour un seul.

Concernant l’architecture, la Mach 100 est une grande SoC qui n’utilise pas la technologie Chiplet. Pour une puce d’inférence IA, la bande passante mémoire est cruciale. Nous avons intégré une SRAM distribuée très large sur la puce, ce qui évite de devoir transférer beaucoup de données via la DDR externe, ce qui dégraderait la performance.

Le processus de décision pour faire la Mach 100 a-t-il respecté le calendrier prévu ?

Xie Yan : Cela a pris environ 3 ans et demi. Globalement conforme, voire parfois plus rapide que prévu. La mise en projet a commencé en novembre 2022, la fabrication en série est prévue pour 2024, et la production de masse pour 2026. Pour une architecture totalement nouvelle et un composant pour véhicule de cette complexité, c’est un délai très court dans l’industrie. Notamment, nous avons réussi une première fabrication en 5nm, ce qui est rare pour un tel niveau de complexité.

Quels sont les facteurs clés qui ont permis à votre équipe d’atteindre cette vitesse de développement ? Et comment gérez-vous les coûts élevés de R&D ?

Xie Yan : La clé est la conception conjointe hardware-software. La partie la plus longue n’est pas la fabrication physique, mais la compréhension et l’analyse des besoins. Un SoC complexe avec une architecture totalement nouvelle prend généralement 4 à 6 ans. Nous l’avons fait en un peu plus de 3 ans, grâce à une approche intégrée : l’équipe hardware et l’équipe modèle travaillent dès le début ensemble, en définissant l’architecture tout en testant les modèles, sans attendre la fin de la conception pour faire du software.

Par exemple, avec l’arrivée de l’ère des grands modèles en 2024, nous avons rapidement identifié l’importance des Transformers, et notre équipe a optimisé la bas niveau en un mois. Si nous avions externalisé cette tâche, cela aurait été impossible. La collaboration étroite entre départements est la raison principale de notre rapidité.

Concernant le coût, on parle souvent du coût par puce, mais cela masque la différence de surface de silicium. Le vrai coût dépend du volume de production multiplié par la surface de chaque puce. Quand la demande en puissance IA par véhicule devient très grande, seul un volume élevé — des dizaines de milliers de véhicules — permet de réduire significativement le coût unitaire. Nous avons estimé qu’à grande échelle, la surface totale de silicium IA nécessaire pour une voiture dépasserait celle des smartphones, rendant la fabrication maison économiquement avantageuse pour les grands constructeurs.

Source de l’image : Li Auto

Média : Quelles seront les sensations concrètes pour l’utilisateur après l’intégration de la puce Mach 100 ?

Xie Yan : Avec une puissance de calcul plus grande et une inference plus efficace, la voiture semblera “plus humaine” dans son comportement, notamment dans plusieurs aspects.

D’abord, elle pourra voir plus loin, avec plus de précision, pour une compréhension plus fine du monde en 3D.

Ensuite, la fluidité des décisions et des contrôles sera améliorée, grâce à des modèles plus volumineux, la puissance de calcul étant la base pour une conduite plus humaine, moins brusque.

Enfin, la réactivité sera accrue : que ce soit dans la capture visuelle, l’inférence ou la commande du châssis, l’architecture de flux de données de Mach 100 réduit considérablement le délai, permettant de traiter les signaux à un taux de rafraîchissement plus élevé.

Sur le long terme, notre objectif est d’apporter une tranquillité d’esprit, en faisant en sorte que la “conscience” du conducteur virtuel corresponde à celle de la majorité des humains.

De plus, la Mach 100, en tant que puce polyvalente, ne se limite pas à la conduite autonome. Elle constitue une plateforme IA universelle, pouvant être mise à jour via logiciel. Notre logique est alignée avec Tesla : cette puce, en plus de la conduite autonome, pourra faire tourner des algorithmes d’IA pour la robotique, et continuer à ajouter de nouvelles capacités, comme un smartphone.

Média : Comment la Mach 100 est-elle déployée sur le nouveau Li Auto L9 ? Prévoyez-vous différentes versions selon les segments de prix ?

Xie Yan : Sur le nouveau Li Auto L9, nous utilisons la virtualisation pour faire fonctionner simultanément la conduite autonome (AD) et le contrôleur central (XCU) avec une seule puce Mach 100, supprimant ainsi l’ancien contrôleur XCU dédié.

Concernant la gamme, nous ne proposerons qu’une seule version, sans différenciation de puissance. La capacité IA est notre différenciateur clé. Si la puce maison peut offrir plus de puissance et réduire le coût, nous voulons que chaque véhicule en bénéficie. Sur des modèles haut de gamme comme le Li Auto L9 Livis, nous utiliserons deux puces pour assurer une puissance maximale.

Média : Après la mise en production de la puce, la collaboration hardware-software accélérera-t-elle l’innovation technologique ? Comment planifiez-vous le rythme d’évolution du hardware pour soutenir la conduite L4 ?

Xie Yan : La production en série renforcera la synergie hardware-software. La performance dépend beaucoup de l’optimisation logicielle, même avec le même hardware. Par ailleurs, nous planifions déjà la prochaine génération de puces, car l’IA continue de croître, et il faut continuer à innover.

Concernant la conduite L4, il n’y a pas encore de calendrier précis reconnu par l’industrie, mais la puissance de calcul doit toujours progresser.

Média : Quel est l’état actuel de la capacité de production ? Avec l’entrée de nombreux acteurs dans la fabrication de puces IA, le marché de la sous-traitance sera-t-il saturé ?

Xie Yan : Les fabs ont actuellement une capacité très tendue, notamment pour la fabrication de substrats et le test. Mais notre approvisionnement est garanti. La demande en IA est très forte, ce qui rend la capacité limitée, mais nous avons des réserves.

L’explosion de l’IA va faire croître la demande en puissance de façon exponentielle, ce qui pourrait saturer les sous-traitants. Cependant, dans l’industrie, la seule métrique est le coût et la performance. Beaucoup de sociétés revendiquent des besoins massifs, mais seules quelques-unes pourront réellement s’appuyer sur une capacité efficace et pérenne.

Média : Vous avez dit que pour devenir un leader, il faut comme Apple faire ses propres puces. Si tous les constructeurs fabriquaient leurs puces, le marché ressemblerait-il à celui des smartphones ? Les fournisseurs continueront-ils à approvisionner les non-leaders ?

Xie Yan : On peut s’inspirer du marché des smartphones. Seuls les grands acteurs, avec une masse critique, peuvent supporter le coût élevé de la R&D. En retour, faire ses propres puces renforce leur différenciation, comme Apple ou Huawei dans le mobile. Pour les autres, il restera nécessaire de recourir à des fournisseurs tiers pour des solutions standard, à différents prix.

Média : Li Auto a récemment restructuré son organisation R&D, passant d’un focus sur le développement de fonctionnalités à une logique de “création d’un avatar numérique”. Quelle en est la raison principale ?

Xie Yan : La logique est simple : l’organisation doit suivre la stratégie. La voiture devient de plus en plus un robot dans le monde physique. Avec des capteurs haute résolution et la puce Mach 100, la puissance IA dépasse celle des ordinateurs ou smartphones personnels. Plus important, la voiture doit pouvoir agir de façon autonome dans l’espace 3D.

Ces deux dernières années, la technologie des agents intelligents a beaucoup progressé. Notre changement principal est de rendre le produit plus proactif. Avant, la voiture était un outil passif. Demain, elle pourra anticiper ses tâches, et la conduite autonome sera la première boucle fermée dans un environnement 3D. Comme le produit devient un dispositif intelligent incarné, notre organisation doit se restructurer.

Média : Avec le succès de la “langouste”, l’arrivée des Agents est très attendue. Quelles sont les forces d’un agent dans le monde physique ?

Xie Yan : Les agents dans le monde numérique se déplacent principalement dans l’électronique mobile. Dans le monde physique, ils doivent pouvoir déplacer des atomes. La voiture est un excellent exemple d’agent incarné : elle possède des roues, une motorisation, des capteurs, et une énorme puissance de calcul, ce qui lui donne une capacité d’action, beaucoup plus simple que de construire un robot à partir de zéro.

De plus, la taille du secteur automobile permet d’accélérer la mise à jour des capteurs, du calcul et des systèmes de contrôle. Quand cette plateforme sera optimisée et déployée à grande échelle, il sera naturel de la transférer à d’autres formes d’agents incarnés. Comme le PC a permis l’émergence du smartphone, la maturité et la croissance du secteur automobile sont des prérequis pour une évolution vers une intelligence incarnée plus avancée.

Ce contenu provient de : Polyèdre InterfaceX

Avertissement sur les risques et clauses de non-responsabilité

Le marché comporte des risques, l’investissement doit être prudent. Cet article ne constitue pas un conseil d’investissement personnel, ni une recommandation spécifique tenant compte des objectifs, situation financière ou besoins particuliers de chaque utilisateur. L’utilisateur doit juger si les opinions, points de vue ou conclusions présentés ici sont adaptés à sa situation. En investissant sur cette base, il en assume l’entière responsabilité.