新一波车载芯片革新落地，马赫M100重新定义端侧算力

理想汽车正式对外公布自研车载芯片马赫M100的全部细节。这款全新芯片搭载在新款理想L9 Livis车型上面，是行业首款采用动态数据流架构的车规级AI推理芯片。市面主流的英伟达Thor U车载芯片，在实际算力效率、模型适配能力层面，和马赫M100存在明显差距，车载芯片的市场竞争格局出现变动。

马赫M100芯片的四年研发工作，由理想汽车CTO谢炎带队完成。谢炎专注智能驾驶底层技术、车载芯片架构、车载系统研发多年，全程敲定这款芯片的技术路线、架构设计、适配标准。谢炎在技术沟通会上表示，团队放弃行业通用的GPU堆叠模式，针对性打造适配车载大模型运行的全新架构，核心目标提升芯片实际工作的有效算力，不做表面参数堆砌。

过去几年智能汽车行业的芯片选型，基本依赖英伟达车载芯片方案。多数车企升级智能驾驶能力，只会更换更高参数的英伟达芯片，行业形成固定的硬件采购模式。芯片的算力数值好看，但实际运行车载大模型、智能驾驶算法时，会出现算力浪费、功耗偏高、响应速度慢的问题。

英伟达Thor U是目前市面装车量较高的车载芯片。这款芯片沿用传统GPU架构设计，适配各类通用计算场景。通用架构的运行逻辑，没办法完全贴合车载AI推理的专属需求，大量算力消耗在数据搬运、冗余计算环节，实际可以用到的有效算力占比偏低。

理想马赫M100采用专属的动态数据流架构。整套架构专门服务车载AI运算，简化多余计算流程，数据传输直接在计算单元之间完成，减少中间周转步骤。芯片整体计算效率达到百分之八十二，行业同类型芯片的效率数值普遍维持在百分之五十左右。

硬件工艺层面，马赫M100采用五纳米车规级制程，单颗芯片峰值算力一千二百八十TOPS。车辆搭载两颗马赫M100芯片，整套系统的实际有效算力，达到英伟达Thor U的五到六倍。日常智能驾驶、车载AI交互、场景识别的运行速度，都会得到明显提升。

这款芯片支持完全可编程设置，不会锁定固定算法。车载智能模型可以持续迭代更新，芯片硬件不用同步更换，车辆智能能力可以长期升级。传统车载芯片大多固化基础算法，后期模型升级会出现硬件适配不足的情况，车辆智能体验会快速落后。

理想同步搭配自研马赫VLA视觉语言行动模型，和马赫M100芯片做软硬件适配。芯片和模型同步研发调试，整套智能系统的适配契合度更高，车端各类智能指令的执行精准度、响应速度更加稳定。

现阶段车载芯片行业存在普遍的发展问题。多数车企没有自研芯片能力，只能采购通用芯片组装硬件。通用芯片和车企自研模型的适配度不足，软硬件磨合成本偏高，智能功能的落地效果达不到设计标准。高端车载芯片的采购成本、供货周期，都会影响车企新车迭代节奏。

马赫M100的落地，打破车载芯片的行业固定模式。车企可以通过专属架构芯片，匹配自身车载AI模型，摆脱通用芯片的性能限制。自研芯片的迭代节奏，可以完全贴合新车研发进度，不用受外部供应链约束。

其他车企可以调整技术研发方向。减少对通用GPU芯片的单一依赖，布局专属车载推理芯片的研发或联合研发工作。针对性优化芯片和车载模型的适配性，提升车辆智能功能的实际落地效果。

车载芯片供应链可以优化产品迭代逻辑。弱化峰值算力参数竞争，重点提升芯片有效算力、运行效率、软硬件适配能力，贴合智能汽车真实运行需求。

普通消费者可以调整购车参考维度。选购智能车型时，重点关注芯片架构、实际算力效率、软硬件适配程度，不单纯参考芯片峰值算力数值，规避参数虚标的车型。

行业技术研发可以参考本次架构思路。AI终端芯片不再套用通用计算架构，根据设备使用场景、运算需求，定制专属架构，最大化释放硬件性能，降低设备运行功耗。