从“奶爸”到“AI宗师”
作者｜秦章勇 王磊
在新势力的江湖里，理想汽车是最具战略定力的一家。
当其他选手还在烧钱试错的蛮荒期，理想汽车早已完成增程路线的验证，跑通了商业模式，并率先实现稳定盈利，提前进入成熟期。
冰箱彩电大沙发，这七个字不止是产品标签，还是理想亲手开辟的时代红利，它用一套贴合家庭出行的产品逻辑，站稳了高端家用新能源赛道，也让同行看到了差异化突围的标准答案。
可行业的跟风速度，永远超乎想象。
短短数年，这些理想的专属卖点，变成全行业的标配，所有人都在试图复刻理想的成功，却很少有人停下内卷的脚步，思考下一个时代该往哪走。
别人还在抄昨天的理想，眼下，理想开始把全部重心，押向了尚在行业前沿摸索的具身智能。
6月15日的Livis Day，跳出了流量逻辑，没有新车亮相，也没有配置堆砌，复盘整场活动，只讲一件事：理想要用具身智能，重启智能汽车的十年新周期。
马赫M100芯片、马赫VLA模型、星环OS等等，理想按照“造硅基人”的方式重构了智能汽车，这场发布会之后，外界最大的感知就是，技术创新已经成为理想足够宽，也足够深的护城河。
从早期押注增程，到如今义无反顾地投入具身智能，理想汽车没有沉溺于过去的辉煌，也没有模仿任何一家企业，而是基于自身对用户需求的理解和全栈技术体系，走出自己的具身智能道路。
一如李想的态度：理想汽车坚持做最好的自己，不要期望我们变成别人。
01
拆穿“皇帝的新衣”
物理AI时代，智能汽车应该是什么样子的？
或者我们换个方式提问，现在的智能汽车，真的智能吗？
答案是残酷的。绝大多数车型上的“智能”，更像是伪智能，本质上是座舱、智驾、车身、交互这四块功能板的拼凑，它们之间像有一堵无形的墙，数据互不相通，逻辑各自为政，决策更是南辕北辙，一旦遇到需要系统性解决的问题，就无法充分调用功能，甚至宕机。
举个例子，传统智能驾驶，一旦遇到复杂环境，就会主动退出，并把方向盘丢给驾驶员，而且只会前进和转向，不会倒车靠边停，当我们赶时间的时候，甚至都不愿用智驾。
这就是当下的现状，所谓的智能，不过是被动响应指令的机器，而不是主动解决问题的伙伴，不仅能力有限，效率还非常低。
在李想看来，虽然挂着“智能”这两个字，但今天的智能手机和智能汽车，都并不是真的智能。
理想给出的解药，叫“具身智能汽车”。
具身智能汽车既是一辆电动车，一位职业司机，也是一台AI计算机和一位生活助手，这不是四个产品，而是一个产品，电动车和AI计算机是“具身”，职业司机和生活助手是“智能”。
这不是换个说法那么简单，它意味着汽车不再是一个拼凑的玩具，而是一个完整的、统一的、有闭环能力的生命体。
在李想看来，具身智能汽车必须以保护人类安全为核心、全面学习人类技能并独立完成任务，并且比人类效率更高。
要想做到这种程度，就得重新认识汽车这个物种。
它得有眼睛，能看清车外的路况，也能看懂车内乘客的微表情；它得有大脑，能听懂你的弦外之音，也能预判你接下来五分钟的需求。它更得有手脚，能自主地完成从出发、会车、泊车到补能的全过程，而不需要你时刻紧绷着神经去兜底。
过去几年的内卷，大家都在忙着给汽车改造型、堆内饰，比谁更光鲜亮丽，比谁的场景更丰富。
而理想现在做的，是重塑汽车的神经系统和骨骼肌肉，赌的是整个行业的未来形态。有了这套清晰的顶层认知，理想后续所有的芯片、模型、系统、底盘研发，都有了唯一且坚定的落脚点。
02
重构算力底座
所有宏大的叙事，最后都得落到芯片这块硬骨头上。
最近这几年，在车载算力市场出现了颇为尴尬的一幕——TOPS数字越堆越高，有效算力却越来越虚。各家车企发布的新车，算力动辄标上千TOPS，看起来威风凛凛，但真去跑模型，有效利用率往往只有30%到50%。
一方面，通用芯片为了卖给更多厂商，势必会有架构上的兼容和妥协，这意味着大量算力在跑特定算法时，都会有浪费，导致推理延迟高、有效算力折损严重，无法支撑车规级实时多模态具身运算。
此前理想CTO谢炎也曾形容：“通用芯片像成衣，自研芯片则是量体裁衣，唯有极致定制才能构建非对称竞争优势。”
另一方面，计算机行业曾享受摩尔定律与登纳德缩放定律的双重红利，习惯了两年后性能的自动翻倍。但如今这套逻辑已然疲软，单靠挤牙膏式升级，再也满足不了爆炸式增长的算力需求。
再有就是，传统缓存架构需要反复读写，搬运海量的视觉、雷达、车身数据。大量算力消耗在无效的数据流转中，为了掩盖架构缺陷，车企只能不停堆芯片、降精度、减感知，用妥协换取暂时可用。
理想干的事，比“再堆一颗芯片”狠得多：直接换掉了芯片的底层架构逻辑。
马赫M100，全球首款量产的动态数据流AI芯片，5nm车规级工艺，单颗算力1280TOPS，双芯片上车总算力2560TOPS。
但这都不是重点，重点是它抛弃了行业沿用了几十年的“先存再算”缓存架构，改用“让数据流动来驱动计算”的数据流架构。
谢炎在现场打了个比方，说得非常形象，“它是用完全不同的思路造出来一栋完全不同的房子。冯·诺伊曼架构用70年推动了通用计算的辉煌，今天我们以马赫M100为起点，希望用数据流架构接过历史这一棒，继续推动AI计算再辉煌70年。”
能说出这句话的底气在于，马赫M100的实际算力利用率超过82%，而行业主流通用架构想摸到这个数，难如登天。
除了智能驾驶，马赫M100还能跑其他大模型，比如部署Qwen3.5-35B-A3B通用大模型。发布会现场，谢炎直接展示了在通用模型部署上的测试结果，英伟达桌面超算DGX-Spark的售价4万元，测试结果显示，马赫M100的prefill速度是DGX-Spark的2.7倍，decode速度是DGX-Spark的1.5倍。
正是这颗芯片的架构创新，让ISCA破例向一家车企敞开了大门，该论文入选了国际计算机体系结构研讨会ISCA 2026工业分区，也是自ISCA工业分区设立以来，全球首家入选的汽车企业。同批入选的是谷歌、Meta、美光这些纯种硅谷硬核玩家。
除了革新硬件架构，理想还自研了专属编译器、底层驱动与AI运行时工具链。可以实现芯片、编译调度、VLA模型的原生协同，从根源上消除了外购芯片软硬件适配割裂的行业通病。
所以对于行业而言，马赫M100的真正价值，是终结了通用芯片统治车载AI的时代。它为物理AI时代的智能汽车，建立了全新的算力底层范式，也成为理想具身智能最稳固的硬件地基。
03
具身大脑再进化
芯片是心脏，但心脏跳得再猛，没有大脑指挥，也只是一团高性能的肌肉。
传统车载AI最大的问题，就是“大脑分裂”。如前文所说，座舱和智驾两者各想各的，数据不共享、认知不连贯，如果想车辆舒适且安全地跑完长途行程，传统智能车只能拆解成碎片化操作，全程需要人工介入兜底。
为了实现“更安全、更高效、更强大”的能力，理想具身智能的大脑被拆成了“左脑”和“右脑”，语言智能由马赫Mind-Pro和Mind-Edge负责，机器智能由马赫VLA负责，在理想汽车基座模型负责人詹锟看来，任何一侧单独存在，都不能形成完整的具身智能能力。
语言智能负责语言与逻辑思考，听懂指令、推演行动方案，机器智能则负责三维视觉感知与躯体动作控制，看清物理世界、精准执行操作。
其中马赫Mind-Pro覆盖车辆控制、智慧出行、办公、问答、娱乐全部车载高频场景，而且基于Token压缩技术，在任务完成率不下降的前提下，整体Token平均消耗降低了38%，工具调用冗余轮次降低47%，模型TPS峰值达到208token/s。
对于车载Agent来说，这些数字意味着同样一个任务，可以用更少Token、更少调用轮次和更低时延完成。
马赫Mind-Edge则是端侧原生智能体模型，多模态流式时序的建模，让模型能够连续理解动态的物理世界，同时具备因果推理和自主决策能力，摆脱传统AI“只回答不行动”的模式，专门来搞定即时的舱内交互。
两者配合，让车既能理解各种复杂的指令，又能实时回答像“我的耳机掉在哪个座椅上”的问题，让车成为真正懂你的助手。
“更安全”则交给了机器智能端的马赫VLA，传统辅助驾驶系统中，感知、预测、规划往往分别工作，容易出现“效率低，结果错”的情况，理想这次将其升级为原生多模态MoE模型，让看见、理解、思考和行动在同一个框架内对齐。
还首次引入了3D ViT全域视觉模型，系统能实时把二维的摄像头画面，在大脑里构建出像素级的三维空间。有了它，机器智能真正像人类一样去感知和理解这个真实世界。
能力也很直观，普通人开车遇到紧急情况刹车平均需要0.45秒，而新一代马赫VLA系统，反应耗时仅需0.28秒，这一水平已经接近顶级F1车手0.25秒的人类生理极限。
在120km/h的速度下，这0.17秒的差距意味着提前6米刹停。而6米，可能就直接避免了一场重大事故。
算力和训练规模也同步放大，双马赫M100让车端算力达到2560TOPS，模仿学习数据规模提升50%，强化学习数据量提升了15倍，强化学习训练算力提升5倍，模型参数量提升10倍，每秒Token计算量提升15倍。
但让人印象深刻的不是数字，而是那些涌现出来的能力：倒车让路、识别交警手势、穿越无车道线的城中村雨夜窄路。
今年下半年，用户也将在现实中，感受到理想具身智能汽车所带来的变化：
7月，智驾效率整体将提升30%，可以协助用户通过限宽墩、限高杆等复杂场景。9月，用户则会体验到人类司机的能力，包括窄路倒车、会车倒车让行、复杂路面通过，以及智能地锁和车库门控制。
12月OTA，则是理想最有野心的一步，让Livis的安全和效率超越人类。用户误触方向盘会主动防护，系统能紧急躲避补偿，甚至可以听从交警指挥。
最关键的是，理想官宣要在第四季度，对齐特斯拉FSD V14的能力。
04
别人抄不走的作业
对于其他车企而言，芯片可以自研，模型可以迭代。但真正能拉开代差的，从来不是某一个单点参数，而是这些东西有没有长在同一个身体里。
当下大多数车企，走的都是组装式研发路线。比如芯片采用外购，系统是外包，智驾算法分包给供应商，座舱再找另一家做，硬件定型之后软件来做适配。结果就是，软件想优化，硬件改不了，硬件出了下一代，软件又得重新联调，软硬件永远存在适配鸿沟。
这种碎片化模式，适配不了传统智能，更承载不了具身智能的一体化逻辑，理想最大的优势在于，敢推倒重来，颠覆旧有的逻辑。
2021年，理想立项自研操作系统星环OS，到2022年芯片和800V主动悬架立项，再到2023年基座大模型立项，这些不是“并行项目”，但是同一条命的根系，从第一天起就同步定义、协同研发。比如算法需求定义硬件架构，硬件迭代反哺算法升级，软件和硬件之间不是“适配关系”，是共生关系。
组织层面上，更能看出这种“共生”不是嘴上说说。
基于具身智能企业的定位，理想按照“造硅基人”的方式重构了研发体系，重组为Infra团队、基座模型团队、软/硬件本体团队以及评估团队，类似于心脏、大脑、手脚等。好处在于，让做模型、芯片和执行器的人，从一开始就坐同一张桌子。
星环OS就是这套体系的神经中枢，它打破了多域隔离的旧架构，用统一底层内核打通算力池、感知设备、智能终端与车身执行机构，从而达到“感知-决策-执行”全链路的深度融合。
全线控底盘则是最终的执行躯干，无机械硬连接的纯电控制信号，可以毫秒级承接VLA的决策指令，让大脑的每一次思考，都精准落地为轮胎的动作。
正如理想CTO谢炎所言，智能化的竞争，从来不是参数竞赛，而是芯片、OS、模型三者深度垂直整合带来的系统化效率与体验优势。
单一技术或许可以被追赶，炫目的功能可以被复制，但一整套磨合多年、自迭代、自闭环的工程体系，没有任何企业能在短期内复刻得了。
所以时至今日，智能汽车的时代分层已经彻底清晰了。
短期竞争，拼的是内饰、大屏、冰箱等表层硬件，门槛极低。中期竞争，拼外购智驾方案和通用大模型，这个差距两三年内也会被抹平。而长期竞争，拼的就是理想已经站稳的这个位置：自研芯片、原生大模型、软硬一体工程体系、全域数据闭环，这是未来十年维度的壁垒。
从靠产品定义取胜，到靠底层技术立身，理想完成了一次彻底的身份跃迁。
持续的自研投入，让技术可以全系复用、摊薄成本，海量的实车数据闭环，让智能能力持续进化、越用越强，形成无法逆转的马太效应。
所以Livis Day的真正意义，从来不是发布几项新技术。而是宣告理想正式走出那片红海，从地基开始，用芯片、模型、OS和底盘等创新技术，开辟了一条别人追不上的赛道。