Ідеальний автомобіль CTO Сєй Янь: щоб стати провідною компанією, створення AI-чипів є обов’язковим.

距全新一代理想L9正式發布還有三天。這不僅是旗艦車型的常規迭代，更是理想首款搭載自主研發芯片馬赫M100的車型。

5月12日，理想汽車CEO李想在社交媒體發文，正面回應了外界對車企造芯的質疑。他明確表示，自研芯片絕非“跟風燒錢”，而是為了讓AI真正能在物理世界中跑起來，解決當前供應商技術無法攻克的難題。

“蘋果為什麼能做到體驗最好？不只是某一項技術做到最強，而是自研芯片、操作系統、硬件與雲服務，實現全鏈條自主設計、全鏈條自主負責，不能有一點短板。“李想稱，AI時代比拼的是系統化能力，理想正通過同步自研芯片、操作系統與大模型，謀求面向人工智能時代的全域聯合設計，從而實現“用戶體驗的冠軍”。

其實早在3月底，李想就曾透露，其自研的馬赫100芯片論文被2026年國際計算機體系結構大會（ISCA）工業分會正式錄用。理想汽車由此成為該頂會工業分區設立以來，全球首家入選的汽車企業。

馬赫100芯片採用理想原創的數據流原生架構，採用5nm工藝製程，單顆算力標稱值達1280 TOPS。

在全新一代理想L9正式發布前，理想汽車CTO謝炎與界面新聞等媒體進行了一場對話。

與李想的觀點一脈相承，謝炎用消費電子行業的演進揭示了車企造芯的底層邏輯：“蘋果的芯片能給其操作系統提供差異化能力，這種垂直整合是通用方案提供不了的價值。”

他指出，未來汽車競爭將走向分化，頭部車企必然走向底層自研，“如果有志於以AI為核心，做AI芯片是必須做的事，想成為頭部公司肯定要做這件事。”

高管們口中“肯定要做的事”，宏觀產業趨勢也有所印證。麥肯錫在報告中指出，受AI與邊緣計算驅動，全球半導體行業營收将在2030年達到1.6萬億美元。在這場算力爆發中，汽車正加速成為最重要的邊緣AI設備，迫使整車企業必須走向底層硅片整合。

底層技術投入的另一面，是汽車產業日益白熱化的商業博弈。2025年，受市場激烈競爭與產品週期交替影響，理想汽車全年營收1123億元，淨利潤出現下滑。但與此同時，其研發投入達到創紀錄的113億元，其中約50%直接投入於AI相關領域。

進入2026年，隨著產能瓶頸的解決，理想汽車4月交付新車34085輛。根據官方發布的數據，截至2026年4月30日，理想汽車歷史累計交付量為1669442輛。

謝炎在採訪中稱，當汽車在物理世界中具備自主行動能力，其產品實質便越來越像“具身智能設備”。此時，底層算力不僅是成本中心，更決定了企業能否在淘汰賽中拿到通往具身智能時代的船票。

在與界面新聞等媒體的採訪中，謝炎首次還原了馬赫100自研芯片的決策背景、技術突圍與組織創新的歷程。

圖片來源：理想

以下為採訪實錄，界面新聞略做編輯與整理：

媒體：理想從什麼時間開始考慮做自研芯片？主要有哪些考慮因素和限制？

謝炎：我在2022年加入理想汽車，但公司想做芯片的想法在2021年就已萌生。當時行業裡“自研芯片”越來越成為一個方向，但我們一直在追問一個更底層的問題：特斯拉最初用英偉達，後來選擇自研，這背後的邏輯到底是什麼？這個問題當時很少被深入討論，而我們認為，只有真正想清楚“為什麼”，才能決定“怎麼做”。

我們選擇自研主要基於長期的技術演進判斷。首先是算力需求的指數級爆發，2022年大語言模型的Scaling Law（規模化法則）還未被大眾廣泛認知，但我們隱約感覺到，更大的算力會帶來更高的性能和更好的體驗。

如果AI的能力不斷增長，離自動駕駛L4完全替代人類還有很長的路，對算力的需求是龐大的。面對越來越高的算力需求，我們認為依賴外部廠商的迭代速度會比較被動。

其次是底層計算架構的瓶頸。AI發展到2020年之後，傳統的冯·诺依曼架構已經成為一個限制因素。按技術分類，CPU和GPU都是在這個架構上做優化，但我們認為，完全可以Native for AI，也就是為AI原生設計出一種完整的計算機架構，這裡面從軟件到硬件存在大量的創新機會。

回顧人類和計算機的發展歷史，計算機體系結構的躍升往往是某種需求不被上一代技術滿足而催生的。英特爾曾認為圖形計算不需要專門的架構，用CPU就夠了，而英偉達堅定推出了專門針對圖形計算的GPU，如今兩者的市值地位已經發生反轉。

同理，今天用GPU、GPGPU做AI計算肯定也可以，但效率不高。如果AI計算是未來增長最快的計算形式，那麼必須要有專門圍繞AI做服務的計算架構。如果想成為頭部公司，做AI芯片是必須跨越的門檻，這種vertical integration（垂直整合）的能力是供應商模式無法提供的差異化價值。

媒體：自研芯片在實際場景中遇到了什麼問題？馬赫100芯片為何採用數據流架構，而沒有隨大流採用Chiplet技術？

謝炎：最直接的問題是算力成本。隨著VLA大模型、世界模型持續演進，端側AI推理的算力需求是在持續增長的。我們在規劃芯片時，就必須面向未來幾年的需求，而不是只滿足當下。在這個前提下，如果供應商的方案能用一半的價格提供3倍的性能，我們確實沒必要自己做——但現實是做不到的，供應商必須滿足所有客戶，很難為單一客戶做非常極致的定制化需求。

在架構選擇上，馬赫100芯片是一顆大的SoC，並沒有使用Chiplet技術。對於AI推理芯片來說，內存帶寬至關重要。我們在片上設計了非常大的分佈式SRAM。這決定了我們並不需要去片外的DDR大量搬運數據，因為一旦走DDR，性能就會下降。

媒體：從2021年決定自研芯片，到現在馬赫100芯片要搭載於全新一代理想L9，研發的節奏是不是符合預期？

謝炎：實際花費了3年半時間。基本符合預期，甚至在某些節點上比預期更快。从2022年11月正式立項，到2024年完成流片，再到2026年上車量產，整個周期是3年多——對於一顆全新架構的車規級芯片來說，這個速度在行業裡並不常見。另外值得一提的是，在5nm這種先進製程上，我們實現了一次流片成功，這在複雜芯片的開發歷史上也是相對少見的。

媒體：在具體的執行過程中，團隊能在3年半內取得量產速度優勢的核心原因是什麼？未來又該如何平衡高昂的研發成本？

謝炎：最關鍵的是軟硬聯合設計。設計芯片最耗時的不是物理層面的實現，而是對需求的理解與分析。一顆全新架構的複雜SoC，業內通常需要4至6年；我們能做到3年多，背後最關鍵的是軟硬聯合設計的模式——芯片團隊和模型團隊、智駕團隊從第一天就在一起工作，不是芯片設計完了再去適配軟件，而是邊定義架構邊跑模型、邊驗證性能。

例如2024年大模型時代全面到來，我們看準了Transformer的重要性，內部團隊僅用了1個月就完成了底層針對性優化。如果是外部供應商或外包公司，根本不會接這種臨時改變技術路線的需求。這種極其緊密、跨部門的高密度協同，是我們在研發上取得速度優勢的根本原因。

在成本方面，業界常講芯片論“顆”算，但這掩蓋了硅片面積的差異。正確的成本計算，應該是出貨量×單個芯片面積。當單車對AI算力的面積需求成倍增長時，只有達到幾十萬台甚至更高的量級，自研芯片才能大幅摊薄高額成本。我們測算過，當汽車產量達到一定規模，其所需的AI計算硅片總面積會超過手機行業，此時頭部車企自研芯片在經濟上是非常划算的。

圖片來源：理想

媒體：用了自研智駕芯片以後，對用戶來說會有什麼實質性感受？

謝炎：更大的芯片算力配合更高效的推理，會讓這輛車開起來“更像一個人”，表現在幾個具體方面。

首先是看得更遠、更准，讓自動駕駛對三維世界能有更遠、更准、更細膩的理解。

其次是決策和控制的絲滑度，這就需要更大規模的模型來支撐，算力是模型進化到更擬人、不會急剎急頓的基礎。

還有就是響應要快，無論是從視覺傳感器輸入到推理環節，還是線控底盤的最終輸出，馬赫100芯片的數據流架構能把中間的時間大幅縮短，並以更高的幀率對傳感器信號做處理。

長期來看，我們想提供的是一種安心感，讓這個“司機”的認知習慣跟大多數人類的駕駛認知相匹配。

此外，馬赫100作為通用芯片，並不局限於提供智駕能力。它更像是一個可以通過軟件不斷升級的通用AI平台。我們與特斯拉的邏輯一致，這顆芯片除了做自動駕駛，完全可以運行機器人的AI推理算法，未來能夠像智能手機一樣持續擴展新能力。

媒體：馬赫100芯片在全新一代理想L9上是如何部署的？未來是否會針對不同價格區間的車型推出不同算力的版本？

謝炎：在全新一代理想L9上，我們通過底層虛擬化技術，用一顆馬赫100芯片同時承擔了自動駕駛（AD）和中央域控制器（XCU）的任務，取消了以往獨立的XCU控制器。

在版本規劃上，我們只會提供一個版本，不會做算力高低之分。因為強大的AI能力是我們的核心差異化優勢，只要自研芯片能提供更高的算力和更低的BOM成本，性價比足夠高，我們肯定希望每輛車都能用上它。對於像全新理想L9 Livis這樣的高端車型，我們會通過搭載兩顆芯片來提供更充足的極致算力。

媒體：自研芯片量產後，軟硬件的協同會加快技術迭代嗎？未來硬件的迭代節奏如何規劃，以支撐L4級自動駕駛的發展？

謝炎：芯片量產後，軟硬件的協同會更加緊密。一方面是軟件上的協同優化，同樣的硬件，模型優化與否帶來的性能差異巨大。另一方面則是共同規劃下一代芯片，雖然目前還不能透露迭代的節奏，但我們相信AI還在增長，就必須迭代。

至於L4何時到來，目前業界並沒有一個公認的絕對時間表，但算力底座必須永遠保持迭代向前。

媒體：現在芯片的產能如何？隨著越來越多廠商入局自研AI芯片，未來代工廠的產能是否會面臨擠兌？

謝炎：現在Fab廠的產能很緊張，基板和封測產能也非常緊張，但我們的供應是可以保障的。今天AI芯片的產能非常稀缺和緊張，但我們的產能有保障。

AI應用爆發確實會導致算力需求呈超線性增長，進而使得代工廠產能變得稀缺。但芯片行業的評價維度很單一，只有成本和性能。這意味著雖然很多公司聲稱需要大量產能，但真正能在市場上站穩腳跟的有效產能是有限的。

媒體：你剛提到要成為頭部車企，就要像蘋果這樣自研芯片。未來所有車廠都自研芯片的話，競爭格局會像手機格局一樣嗎？供應商會供應非頭部車企的芯片嗎？

謝炎：這可以參考手機行業的發展格局。一方面，只有具備足夠體量和認知的頭部車企，才能支撐起自研芯片的高昂成本。反過來，自研也會幫助這些頭部車企鞏固自身的差異化競爭優勢，就像手機領域的蘋果與華為。而對於市場中庞大的中腰部及尾部車企，他們依然需要第三方芯片供應商來提供不同價格段的通用方案。

媒體：理想汽車近期針對研發組織進行了大幅調整，從基於開發車的功能，轉向基於造一個數字人的邏輯，這背後的核心動因是什麼？

謝炎：基本邏輯是業務往哪個方向走，組織架構就必須匹配。我們認為汽車越來越像物理世界的機器人。一輛車擁有高分辨率攝像頭和激光雷達作為眼睛，搭載馬赫100芯片後，其AI算力將遠超個人擁有的電腦和手機算力總和。更為關鍵的是，車在三維物理世界中具備自主行動的能力。

近兩年智能體技術飛速發展，我們賦予產品的核心變化是使其變得更加主動（proactive）。以前車是被動的工具，未來它能主動思考任務的完成路徑，而自動駕駛就是三維世界裡第一個可以主動完成的閉環任務。既然產品實質已經變成了具身智能設備，我們的研發組織就必須重構。

媒體：龍蝦火了以後，大家對Agent的到來充滿期待。汽車作為物理世界的智能體具備哪些優勢？

謝炎：數字世界的智能體主要是在移動電子，而物理世界的智能體必須能移動原子。汽車天生是一個非常好的具身智能產品，它自帶輪子、動力系統、傳感器和庞大的算力底座，具備了行動能力，這比從零開始拼裝一個機器人要容易得多。

此外，汽車行業巨大的體量可以支撐起傳感器、算力和線控底盤的极速迭代。當這套系統在汽車上被高度優化並規模化之後，未來遷移到其他具身智能躯體上將是水到渠成的事情。就像PC產業高度成熟後催生了智能手機一樣，汽車產業的規模化和智能化，是向更進一步具身智能形態演進的絕對前提條件。

本文來源：多面體InterfaceX

風險提示及免責條款

        市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。