理想汽车首席技术官谢炎近日接受专访时，分享了一个重要观点：在当前技术浪潮中，如果仅仅自研模型却忽视芯片研发，那么当遇到需要芯片与模型联合设计才能突破的难题时，企业只能束手无策，尤其是那些决定行业格局的重大创新机会。这番言论的底气，正是来源于理想刚刚发布的全新马赫M100芯片。

在理想汽车软件与具身智能发布会上，CEO李想亲自手持这枚芯片亮相，并幽默地表示，请大家赶紧拍照，免得网络上留下的都是他举桌子的画面。他还特别强调，要在照片旁标注上“全球性能最强的AI芯片”字样。

车企跨界研发芯片早已不是新鲜事，但每次都会被质疑“是否不务正业”。面对这种声音，李想回应得非常直接：自研芯片不是为了证明技术实力，也不是盲目跟风烧钱，而是要解决一个真实痛点——让AI在物理世界中真正落地运行，攻克那些供应商目前无法处理的技术瓶颈。

“全球首款数据流AI芯片”

谢炎介绍，这款马赫M100采用5nm工艺制造，单颗算力达到1280 TOPS。更关键的是，它被定义为全球首款数据流AI芯片，意味着没有任何现成的IP可供参考。相关论文甚至入选了计算机体系结构领域顶级学术会议ISCA 2026工业分区，同期入围的还有谷歌、美光、Meta等国际顶尖科技企业。

“它不只是一颗更快的芯片，而是用完全不同的思路建造了一栋完全不同的房子。”谢炎打了个比方：传统冯·诺依曼架构就像一个大厨房，由一位总厨统一指挥分配任务。人少时还行，一旦厨房规模扩大，总厨就成了瓶颈——有人闲等指令，有人忙不过却拿不到资源，效率被中心化调度牢牢限制。GPU架构做了改进，把一位大总厨拆成一群小厨，每个小厨指挥一组人，并行度提升了，但本质上仍是指令驱动，各组之间资源无法灵活共享。

而数据流架构的做法更为彻底：直接取消总厨。厨房里的人不再等待指令，当自己需要的食材（数据）一到工位，立刻开工，干完活直接传给下一个人。这种模式在处理超大规模计算时，效率优势尤为突出。

从研发节奏来看，理想汽车于2024年敲定自研方向，年底正式立项，历时四年完成全流程研发。2026年，这颗芯片将随新一代L9 Livis车型全系标配装车。值得注意的是，理想并没有像很多企业那样，流片成功就急着官宣造势，而是等完整通过全车规验证、全车型适配之后，才正式对外发布。从一开始，就没打算“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，谢炎反复强调了一个观点：自研芯片最大的风险，从来不是“造不出来”，而是造出来了，却不具备领先性。一旦不领先，企业投入的资金就等于打了水漂。这也是他最不愿看到的结果。“做一颗芯片和做一颗领先的芯片，难度完全是两码事。”

近几年来，国内头部车企纷纷涌入芯片自研赛道，造芯似乎已经成为行业标配。车企们扎堆布局，不仅是为了供应链自主可控，也不仅仅是为了打造差异化的智能体验。成本和长期迭代的考量同样关键——随着规模效应显现，自研芯片能大幅降低单车算力硬件的采购成本；而外购芯片的迭代周期固定，车企只能被动等待供应商升级硬件，但自研模式则能让芯片与算法同步迭代，延长整车生命周期的价值。

在谢炎看来，车企造芯，最终比拼的是全流程落地的能力。他提出了四个核心评判指标，用以判断一家车企的自研芯片能否真正跑通：

第一，这颗芯片能否在所有车型上适配搭载，而不是仅在某款小众车上小批量装装样子；第二，能否快速上车、快速量产；第三，能否稳定运行最新模型，并真正部署到实车上；第四，是否具备持续迭代能力——不是只搞出一代芯片就结束了。

“做一代芯片说明不了问题，最终要看能不能做出第二代、第三代。很多公司只做了第一代，第二代就不做了。还有一些公司可能买个IP就宣称是自研了。”他补充道。

目前，芯片后端的相关工序已经相当成熟，可以借助外部资源推进。但谢炎认为，想要做出能量产、性能又领先的芯片，核心的芯片设计和配套软件开发这两个环节，必须牢牢掌握在自己手中。“如果连软件都外包给别人，那你根本不可能迭代芯片性能。”他的表述直截了当。

在他看来，企业自研芯片还有进一步纵向深挖的空间。仅仅做好芯片设计、把GDS2（版图数据库）交给晶圆厂流片，还远远不够。想要长期保持领先，还需要与封装厂开展联合设计，推进垂直整合。“有些技术不只是货架商品，别人提供了你就能用。你必须深入到封装制造那个层面，才能真正领先。我们不会停在这里，肯定会越做越深。”