Chief Technology Officer Ideanomics, Xie Yan: Ingin menjadi perusahaan terdepan, chip AI adalah hal yang harus dilakukan

Jadwal peluncuran resmi Idean L9 yang sepenuhnya baru tinggal tiga hari lagi. Ini bukan hanya iterasi biasa dari model flagship, tetapi juga model pertama Idean yang dilengkapi dengan chip buatan sendiri, Mach M100.

Pada 12 Mei, CEO Idean Motors, Li Xiang, memposting di media sosial, secara tegas menanggapi keraguan dari luar tentang pembuatan chip oleh perusahaan otomotif. Dia menyatakan dengan jelas bahwa chip buatan sendiri bukanlah “mengikuti tren dengan membakar uang”, melainkan untuk membuat AI benar-benar berjalan di dunia fisik, menyelesaikan masalah yang saat ini tidak dapat diatasi oleh teknologi dari pemasok.

“Kenapa Apple bisa mencapai pengalaman terbaik? Bukan hanya satu teknologi yang paling kuat, tetapi chip buatan sendiri, sistem operasi, perangkat keras, dan layanan cloud, mewujudkan desain mandiri seluruh rantai, bertanggung jawab penuh, tidak boleh ada kekurangan.” Li Xiang mengatakan, di era AI, kompetisi adalah kemampuan sistematis, dan Idean sedang melalui sinkronisasi pengembangan chip, sistem operasi, dan model besar, untuk mencari desain terpadu di seluruh bidang menuju era kecerdasan buatan, sehingga mencapai “juara pengalaman pengguna”.

Sebenarnya, sejak akhir Maret, Li Xiang sudah mengungkapkan bahwa makalah tentang chip Mach 100 buatan sendiri telah diterima secara resmi oleh Konferensi Arsitektur Komputer Internasional 2026 (ISCA) di bagian industri. Dengan demikian, Idean Motors menjadi perusahaan otomotif pertama di dunia yang terpilih sejak didirikan di bidang industri konferensi tersebut.

Chip Mach 100 menggunakan arsitektur aliran data asli buatan Idean, dengan proses 5nm, dan nilai kinerja teoretis mencapai 1280 TOPS.

Sebelum peluncuran resmi Idean L9 yang sepenuhnya baru, CTO Idean, Xie Yan, melakukan dialog dengan media seperti Jiemian News.

Sejalan dengan pandangan Li Xiang, Xie Yan menggunakan evolusi industri elektronik konsumen untuk mengungkap logika dasar pembuatan chip oleh perusahaan otomotif: “Chip Apple mampu memberikan kemampuan diferensiasi pada sistem operasinya, integrasi vertikal ini adalah nilai yang tidak bisa disediakan oleh solusi umum.”

Dia menunjukkan, kompetisi mobil di masa depan akan menuju diferensiasi, perusahaan terkemuka pasti akan melakukan pengembangan mandiri di tingkat dasar, “Jika ingin fokus pada AI, membuat chip AI adalah hal yang wajib dilakukan, ingin menjadi perusahaan terdepan, pasti harus melakukan ini.”

Para eksekutif menyebut “wajib dilakukan” ini, dan tren industri makro juga membenarkan hal tersebut. Menurut laporan McKinsey, didorong oleh AI dan komputasi edge, pendapatan industri semikonduktor global akan mencapai 1,6 triliun dolar AS pada 2030. Dalam ledakan daya komputasi ini, mobil semakin cepat menjadi perangkat AI edge terpenting, memaksa perusahaan otomotif untuk mengintegrasikan chip silikon dasar.

Di sisi lain dari investasi teknologi dasar adalah kompetisi bisnis yang semakin intens di industri otomotif. Pada 2025, karena kompetisi pasar yang sengit dan pergantian siklus produk, pendapatan tahunan Idean Motors mencapai 112,3 miliar yuan, dengan laba bersih menurun. Namun, pada saat yang sama, investasi R&D mencapai rekor 11,3 miliar yuan, sekitar 50% langsung dialokasikan ke bidang terkait AI.

Memasuki 2026, seiring penyelesaian hambatan kapasitas produksi, Idean Motors mengirimkan 34.085 mobil baru pada April. Berdasarkan data resmi, hingga 30 April 2026, total pengiriman historis Idean adalah 1.669.442 unit.

Xie Yan dalam wawancara menyatakan, ketika mobil memiliki kemampuan beroperasi mandiri di dunia fisik, produk mereka semakin mirip “perangkat cerdas berwujud”. Pada saat ini, daya komputasi dasar bukan hanya pusat biaya, tetapi juga menentukan apakah perusahaan bisa mendapatkan tiket menuju era kecerdasan berwujud dalam kompetisi eliminasi.

Dalam wawancara dengan media seperti Jiemian News, Xie Yan juga mengungkap latar belakang pengambilan keputusan, inovasi teknologi, dan proses organisasi dalam pengembangan chip Mach 100 buatan sendiri.

Sumber gambar: Idean

Berikut adalah rekaman wawancara, disunting dan disusun oleh Jiemian News:

Media: Sejak kapan Idean mulai mempertimbangkan pembuatan chip sendiri? Faktor dan batasan apa yang menjadi pertimbangan utama?

Xie Yan: Saya bergabung dengan Idean Motors pada 2022, tetapi ide perusahaan untuk membuat chip sudah muncul sejak 2021. Saat itu, industri semakin melihat “pengembangan chip sendiri” sebagai arah, tetapi kami terus bertanya pada diri sendiri soal dasar yang lebih fundamental: Tesla awalnya pakai Nvidia, lalu memilih buat sendiri, logika di balik itu apa? Pertanyaan ini jarang dibahas secara mendalam saat itu, dan kami percaya, hanya dengan benar-benar memahami “mengapa”, kita bisa memutuskan “bagaimana”.

Kami memilih pengembangan sendiri terutama berdasarkan penilaian evolusi teknologi jangka panjang. Pertama, kebutuhan daya komputasi meningkat secara eksponensial, pada 2022, Scaling Law dari model bahasa besar belum dikenal luas, tetapi kami sudah merasakan bahwa daya komputasi yang lebih besar akan membawa performa dan pengalaman yang lebih baik.

Jika kemampuan AI terus berkembang, dan otomatisasi L4 benar-benar menggantikan manusia, kebutuhan daya komputasi akan sangat besar. Menghadapi kebutuhan ini, kami merasa bergantung pada kecepatan iterasi vendor eksternal akan sangat pasif.

Kedua, ada batasan arsitektur komputasi dasar. Setelah 2020, perkembangan AI membuat arsitektur von Neumann tradisional menjadi hambatan. Secara teknis, CPU dan GPU dioptimalkan di atas arsitektur ini, tetapi kami percaya, bisa didesain secara native for AI, yaitu arsitektur komputer lengkap yang dirancang khusus untuk AI, dengan banyak peluang inovasi dari perangkat lunak hingga perangkat keras.

Melihat sejarah perkembangan manusia dan komputer, lonjakan arsitektur sistem komputer biasanya dipicu oleh kebutuhan yang tidak terpenuhi oleh teknologi generasi sebelumnya. Intel pernah berpendapat bahwa pengolahan grafis tidak membutuhkan arsitektur khusus, cukup CPU saja, tetapi Nvidia dengan teguh meluncurkan GPU khusus untuk pengolahan grafis, dan saat ini nilai pasar keduanya berbalik.

Demikian juga, saat ini menggunakan GPU dan GPGPU untuk pengolahan AI memang bisa, tetapi efisiensinya rendah. Jika pengolahan AI adalah bentuk komputasi yang paling cepat berkembang di masa depan, maka harus ada arsitektur komputasi yang khusus melayani AI. Jika ingin menjadi perusahaan terdepan, membuat chip AI adalah ambang batas yang harus dilalui, dan kemampuan integrasi vertikal ini adalah nilai diferensiasi yang tidak bisa disediakan oleh model vendor.

Media: Apa masalah yang dihadapi chip buatan sendiri dalam skenario nyata? Mengapa Mach 100 menggunakan arsitektur aliran data, dan tidak mengikuti tren Chiplet?

Xie Yan: Masalah paling langsung adalah biaya daya. Dengan model besar VLA dan model dunia yang terus berkembang, kebutuhan daya inference AI di edge terus meningkat. Saat merancang chip, kita harus memikirkan kebutuhan beberapa tahun ke depan, bukan hanya saat ini. Jika vendor bisa menawarkan performa 3 kali lipat dengan setengah harga, tentu kita tidak perlu buat sendiri—tapi kenyataannya tidak bisa, vendor harus melayani semua pelanggan, sulit melakukan kustomisasi ekstrem untuk satu pelanggan.

Dalam arsitektur, chip Mach 100 adalah sebuah SoC besar, tidak memakai teknologi Chiplet. Untuk chip inference AI, bandwidth memori sangat penting. Kami merancang SRAM distribusi besar di dalam chip, sehingga tidak perlu banyak memindahkan data keluar ke DDR, karena begitu DDR digunakan, performa akan menurun.

Media: Sejak memutuskan buat chip sendiri pada 2021, hingga Mach 100 akan dipasang di Idean L9 yang baru, apakah ritme pengembangan sesuai harapan?

Xie Yan: Memakan waktu sekitar 3,5 tahun. Secara umum sesuai harapan, bahkan di beberapa titik lebih cepat dari perkiraan. Dimulai dari pengajuan proyek resmi pada November 2022, selesai wafering pada 2024, dan masuk produksi massal pada 2026, seluruh siklus ini sekitar 3 tahun lebih—untuk chip mobil dengan arsitektur baru dan tingkat keandalan tinggi, ini kecepatan yang jarang ditemui. Selain itu, berhasil melakukan wafering pertama di proses 5nm, yang juga cukup langka dalam sejarah pengembangan chip kompleks.

Media: Dalam proses eksekusi, apa kunci utama tim bisa mencapai keunggulan produksi massal dalam 3,5 tahun? Bagaimana menyeimbangkan biaya R&D yang tinggi?

Xie Yan: Yang paling penting adalah desain gabungan perangkat lunak dan perangkat keras. Membuat chip yang kompleks tidak paling memakan waktu di tahap fisik, tetapi di tahap pemahaman dan analisis kebutuhan. Sebuah SoC arsitektur baru yang kompleks biasanya butuh 4-6 tahun; kami bisa lebih cepat, sekitar 3 tahun lebih, berkat model desain gabungan perangkat lunak dan perangkat keras—tim chip dan tim model, tim pengemudian otomatis, sejak awal bekerja sama, bukan setelah desain selesai baru menyesuaikan perangkat lunak, tetapi secara bersamaan mendefinisikan arsitektur, menjalankan model, dan verifikasi performa.

Contohnya, pada 2024, era model besar akan benar-benar tiba, kami sudah mengidentifikasi pentingnya Transformer, dan tim internal hanya butuh satu bulan untuk melakukan optimasi dasar. Jika mengandalkan vendor eksternal atau outsourcing, mereka tidak akan mampu menyesuaikan kebutuhan yang mendadak ini. Kerja sama yang sangat erat dan lintas departemen ini adalah alasan utama kami bisa cepat.

Dari segi biaya, industri sering membahas chip berdasarkan “jumlah”, tetapi ini menutupi perbedaan luas wafer. Perhitungan biaya yang benar adalah volume pengiriman dikali luas satu chip. Ketika kebutuhan area daya komputasi AI per mobil meningkat berkali-kali lipat, hanya dengan mencapai puluhan ribu unit atau lebih, chip buatan sendiri bisa secara ekonomi menurunkan biaya tinggi tersebut. Kami memperkirakan, ketika produksi mobil mencapai skala tertentu, total luas silikon AI yang dibutuhkan akan melebihi industri ponsel, dan saat itu, perusahaan terkemuka yang buat chip sendiri akan sangat menguntungkan secara ekonomi.

Sumber gambar: Idean

Media: Setelah menggunakan chip AI buatan sendiri, apa manfaat nyata yang dirasakan pengguna?

Xie Yan: Daya komputasi chip yang lebih besar dan inference yang lebih efisien akan membuat mobil ini “lebih seperti manusia”, terlihat dari beberapa aspek.

Pertama, pandangan yang lebih jauh dan akurat, sehingga otomatisasi mampu memahami dunia tiga dimensi dengan jarak yang lebih jauh, lebih tepat, dan lebih detail.

Kedua, kelancaran dalam pengambilan keputusan dan kontrol, yang membutuhkan model berukuran besar, dan daya komputasi adalah fondasi agar model bisa berkembang menjadi lebih mirip manusia, tidak lagi melakukan pengereman mendadak secara tiba-tiba.

Selain itu, respons yang lebih cepat, baik dari input sensor visual ke inference, maupun output ke sistem kendali, arsitektur data Mach 100 mampu mempersingkat waktu proses secara signifikan dan memproses sinyal sensor dengan frame rate yang lebih tinggi.

Dalam jangka panjang, kami ingin memberikan rasa aman, agar “pengemudi” ini memiliki kebiasaan kognitif yang sesuai dengan kebanyakan manusia.

Selain itu, Mach 100 sebagai chip serbaguna tidak terbatas pada kemampuan pengemudian otomatis. Ia lebih seperti platform AI umum yang bisa terus diperbarui melalui perangkat lunak. Pendekatan kami sejalan dengan Tesla, chip ini selain untuk otomatisasi mengemudi, juga bisa menjalankan algoritma inferensi AI robot, dan di masa depan mampu memperluas kemampuan baru layaknya smartphone.

Media: Bagaimana Mach 100 di-deploy di Idean L9 yang baru? Apakah akan ada versi dengan daya komputasi berbeda untuk berbagai segmen harga?

Xie Yan: Di Idean L9 yang baru, kami menggunakan teknologi virtualisasi dasar, sehingga satu chip Mach 100 menjalankan tugas pengemudian otomatis (AD) dan pusat kendali domain utama (XCU), menghapus XCU kontroler terpisah sebelumnya.

Dalam rencana versi, kami hanya akan menyediakan satu varian, tidak membedakan daya komputasi. Karena kemampuan AI yang kuat adalah keunggulan utama kami, selama chip buatan sendiri mampu menyediakan daya lebih tinggi dan biaya BOM lebih rendah, dengan rasio harga-kinerja yang cukup, kami ingin setiap mobil menggunakannya. Untuk model high-end seperti Idean L9 Livis, kami akan menggunakan dua chip untuk menyediakan daya komputasi maksimal.

Media: Setelah chip buatan sendiri diproduksi massal, apakah kolaborasi perangkat lunak dan perangkat keras akan mempercepat iterasi teknologi? Bagaimana rencana ritme iterasi hardware di masa depan untuk mendukung pengemudian L4?

Xie Yan: Setelah chip diproduksi massal, kolaborasi perangkat lunak dan perangkat keras akan semakin erat. Di satu sisi, optimasi perangkat lunak akan sangat bergantung pada performa hardware yang digunakan; performa berbeda jauh tergantung optimasi model. Di sisi lain, kami juga akan merencanakan generasi chip berikutnya, meskipun saat ini belum bisa mengungkapkan ritme iterasi, kami percaya AI akan terus berkembang dan harus terus diupdate.

Mengenai kapan L4 akan tiba, saat ini belum ada jadwal pasti yang disepakati industri, tetapi fondasi daya komputasi harus selalu maju dan berkembang.

Media: Bagaimana kondisi kapasitas produksi chip saat ini? Dengan semakin banyak perusahaan mengembangkan chip AI sendiri, apakah kapasitas foundry akan kelebihan pasokan?

Xie Yan: Saat ini, kapasitas fab sangat ketat, dan kapasitas substrate serta pengemasan juga sangat terbatas, tetapi pasokan kami aman. Produksi chip AI saat ini sangat langka dan ketat, tetapi kapasitas kami terjamin.

Ledakan aplikasi AI memang akan menyebabkan kebutuhan daya komputasi meningkat secara superlinier, sehingga kapasitas foundry akan menjadi langka. Tapi, evaluasi industri chip sangat sederhana, hanya berdasarkan biaya dan performa. Ini berarti, meskipun banyak perusahaan mengklaim membutuhkan kapasitas besar, kapasitas efektif yang mampu bertahan di pasar sangat terbatas.

Media: Anda menyebutkan bahwa menjadi perusahaan terdepan seperti Apple dalam pengembangan chip, semua produsen mobil akan melakukan pengembangan sendiri. Apakah kompetisi akan seperti di industri ponsel? Apakah vendor akan tetap memasok chip ke perusahaan non-terdepan?

Xie Yan: Bisa dilihat dari pola industri ponsel. Di satu sisi, hanya perusahaan dengan skala dan pengakuan cukup besar yang mampu menanggung biaya tinggi pengembangan chip sendiri. Sebaliknya, pengembangan sendiri akan memperkuat keunggulan kompetitif perusahaan terdepan, seperti Apple dan Huawei di ponsel. Sedangkan perusahaan menengah dan kecil tetap membutuhkan vendor pihak ketiga untuk menyediakan solusi umum di berbagai segmen harga.

Media: Idean baru-baru ini melakukan penyesuaian besar dalam organisasi R&D, beralih dari fokus fungsi berbasis kendaraan ke logika membangun “digital human”. Apa motivasi utama di balik perubahan ini?

Xie Yan: Logika dasarnya adalah bahwa organisasi harus sesuai dengan arah bisnis. Kami percaya, mobil semakin mirip robot di dunia fisik. Sebuah mobil dengan kamera resolusi tinggi dan lidar sebagai mata, dipadukan dengan chip Mach 100, daya komputasi AI-nya akan jauh melampaui total daya komputer dan ponsel yang dimiliki orang. Lebih penting lagi, mobil memiliki kemampuan beroperasi mandiri di dunia tiga dimensi.

Dalam dua tahun terakhir, teknologi agen cerdas berkembang pesat. Inti dari produk yang kami berikan adalah membuatnya lebih proaktif. Sebelumnya, mobil adalah alat pasif, ke depan, mereka bisa berpikir secara aktif tentang jalur tugas, dan otomatisasi mengemudi adalah tugas tertutup yang bisa dilakukan secara aktif di dunia tiga dimensi. Karena produk sudah benar-benar menjadi perangkat cerdas berwujud, organisasi R&D kami harus dirombak.

Media: Setelah kepopuleran lobster, banyak orang menantikan kedatangan Agent. Apa keunggulan mobil sebagai agen cerdas di dunia fisik?

Xie Yan: Agen cerdas di dunia digital biasanya bergerak di elektronik portabel, sedangkan di dunia fisik, agen harus mampu memindahkan atom. Mobil secara alami adalah produk berwujud yang sangat baik, karena dilengkapi roda, sistem tenaga, sensor, dan fondasi daya komputasi besar, memiliki kemampuan bergerak, jauh lebih mudah daripada merakit robot dari nol.

Selain itu, skala industri mobil yang besar memungkinkan iterasi sensor, daya komputasi, dan sistem kendali secara cepat dan besar. Setelah sistem ini dioptimalkan dan di-scale-up di mobil, migrasi ke bentuk berwujud lain akan menjadi hal yang alami. Seperti industri PC yang matang, kemudian melahirkan smartphone, skala dan kecerdasan industri mobil adalah prasyarat mutlak untuk evolusi ke bentuk berwujud yang lebih maju.