北京
“理想汽车推崇构建垂直整合的竞争力。在这个时代，如果没有自研芯片、只自研模型，一旦遇到需要芯片和模型联合设计才能破解的问题时，我们就失去了机会，特别是一些重大创新机遇。”6月16日，理想汽车CTO谢炎在接受澎湃新闻采访时表示。
在15日的理想汽车软件与具身智能发布会上，理想汽车董事长兼CEO李想正式发布了马赫M100芯片。他高举芯片向现场观众开玩笑说，“给我拍张照片吧，要不然网上留下的都是我举桌子的。这张照片旁边最好标上全世界性能最强的AI芯片。”
车企下场造芯已经不是新鲜事，但都会遭到“不务正业”的拷问。面对外界质疑，李想表示，自研芯片不是为了证明技术能力，也并不是烧钱跟风，而是要解决现实问题：让AI在物理世界能真正跑起来、解决当前供应商技术无法攻克的难题。
“全球首款数据流AI芯片”
谢炎介绍，马赫M100采用5nm工艺、单颗算力1280TOPS，因为是全球首款数据流AI芯片，该款产品没有任何现成IP可以参考，马赫100芯片的论文还入选了计算机体系结构领域的顶级学术会议ISCA 2026工业分区，同期入选的还有谷歌、美光、Meta等头部科技企业。
“它不只是一颗更快的芯片，它是用完全不同的思路造出来一栋完全不同的房子。”谢炎说，不同于传统的冯·诺依曼架构，数据流架构回归计算本质，拿掉了冯·诺依曼架构为适应人类编程而引入的“翻译层”，让晶体管利用率大幅提升。
以厨房的场景来类比，传统CPU架构中，厨房里有一个“总厨”来统一指挥、分配任务，这种方式在人数不多时运行良好，但当厨房规模扩大，总厨就会成为瓶颈。有人空闲等指令，有人忙碌但等不到资源分配，整体效率被中心化的调度所限制。GPU架构的改进，是把一个大总厨拆分成许多个“小厨”，每个小厨指挥一小组人工作。这种方式提升了并行度，但本质上仍然是指令驱动的，每组之间的资源不能灵活共享。
而数据流架构的做法则是彻底取消“总厨”，让厨房中的每个人不再等待指令，而是当自己所需的“食材”（数据）到达工位时，立即开始工作，完成后直接将成果传递给流水线上的下一个人，这种方式在计算规模巨大时尤其高效。
研发节奏上，理想2021年敲定自研方向、2022年底立项，耗时四年完成全流程研发，2026年将随新一代L9 Livis车型全系标配装车。不同于不少企业流片即官宣造势，理想完成全车规验证、全车型适配后，才对外发布芯片，从一开始就摒弃“为了自研而自研”。
“做一颗芯片和做一颗领先的芯片，难度是不一样的”
在接受采访时，谢炎强调，自研芯片最大风险从来不是“造不出来”，而是造出来了但却不领先，企业投入的资金就会白花，这也是他最不想看到的结局，“做一颗芯片和做一颗领先的芯片，难度是不一样的”。
近年，国内头部车企纷纷开启芯片自研，造芯似乎已成行业普遍选择。
车企扎堆自研芯片，不仅是为了供应链自主可控，以及打造差异化智能化体验。成本与长期迭代需求也是车企们的关键考量：随着规模效应，自研芯片能够大幅压低单车算力硬件采购成本；同时，外购芯片迭代周期固定，车企只能被动等待供应商硬件升级，而自研模式则可同步推进芯片与算法迭代，延长车辆生命周期价值。
在谢炎看来，车企造芯，最终比拼的是全流程落地能力。
他提出，判断车企自研芯片是否跑得通，有四大核心评判指标：第一，自研芯片能否全车型适配搭载，而非仅限单款小众车型小批量上车；第二，芯片能否快速搭载上车量产；第三，芯片能否稳定运行最新的模型，并可部署上车；第四，是否具备持续迭代能力，不能只研发一代芯片就止步。
“做一代芯片不能说明问题，最终要做出第二代、第三代。很多公司只做了第一代，第二代就不做了。有些公司也可能买个IP就做了，也可以宣称自研。”他补充说。
当下，芯片后端相关工序已经颇为成熟，能够借助外部资源推进提速，谢炎认为，想要做出能够量产、性能领先的芯片，必须自主把控核心的芯片设计、配套软件开发环节。“如果你连软件都外包给别人的话，你不可能迭代芯片性能。” 他直言。
在谢炎看来，企业自研芯片还有待进一步纵向深挖。他说，仅做芯片设计、做出GDS2（版图数据库）交给晶圆厂流片还不够。想要长期领先，还需要和封装厂开展联合设计，推进垂直整合，“有些技术不仅仅是货架商品，由别人提供即可。你必须深入到封装制造领域才能领先。我们不会停留于此，会越做越深。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
