近期日本多个经济团体来华旅行会见中方回应
图片来源：视觉中国蓝鲸新闻6月19日讯（记者 李卓玲）近两年来，车企"造芯"消息不绝。今年5月底，比亚迪宣布首款4nm制程智驾芯片璇玑A3，并官宣已开启规� ；坎�，支持L3、L4自动驾驶。凭据官方的说法，这款自研4nm智驾芯片，代表了中国智驾芯片的最高水平。更早前，蔚来于2025年推出自研神玑NX9031，将其称为"全球首颗车规级5nm智驾芯片" ；同年小鹏自研图灵AI芯片也宣告量产上车，小鹏将其称为"全球首颗多端通用芯片"。6月15日，在Livis Day?理想汽车软件与具身智能宣布会上，理想透露了自研芯片马赫M100的更多研发细节。该芯片接纳5纳米车规级工艺，单芯片算力1280TOPS，双芯算力2560TOPS，于2022年正式立项，并于2026年5月实现量产上车。理想汽车CEO李想彼时直言，这是"全世界性能最强AI芯片"。该言论一出，随即引发热议，甚至是质疑，有意见认为"都说自己领先，究竟谁更优秀"。关于为何敢说自己是"世界第一" ？理想汽车CTO谢炎日前在接受蓝鲸汽车记者采访时回应，主要是因为跟市面上标准可以获得的芯片做比照，它是英伟达Thor-U三倍的性能。"我们可以拿出Benchmark（基准测试），甚至可以让第三方做测试。我们也跟一个第三方测试机构聊过，测试机构说其它家都不肯意拿出来做比较。如果要公正地比较，可以拿到一个公正、综合的Benchmark去做合适的比较。"理想汽车CTO谢炎?图片来源：理想汽车谈及自研芯片原因，谢炎回忆，四年前芯片立项时与李想告竣共识：自研不是为了证明自己有能力做，而是真正去解决问题。"四年前我们看到的问题一是算力本钱很是高，并且会不绝变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。其时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。其时定的目标是4倍Orin的性能。"但在内部看来，要告竣这一目标，即要做得比英伟达更好，用英伟达的技术路线是不可行的。"因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。"基于此，唯一的时机就是跑另外一条路径：放弃主流的冯·诺依曼架构，转而选择数据流架构。"冯·诺依曼架构相当于帮人类做一其中介去实现盘算，中间有翻译层，这个翻译资助人类更好地去编程，但这其中介和翻译会降低效率。如果回到盘算的实质，可以把中间的翻译拿掉。虽然简直很少有企业做过实践，中国也是如此。所以各人看到的时机都是一样的，要害是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。"谢炎体现。凭据谢炎的说法，冯·诺依曼架构用七十年推动了通用盘算的辉煌，理想汽车希望以马赫M100为起点，用数据流架构接过历史的这一棒，继续推动AI盘算再辉煌七十年。作为理想芯片自研项目的卖力人，谢炎于2022年7月加盟理想，随后很快晋升为理想CTO。谢炎刚加入时，理想芯片团队只有两名员工。被蓝鲸汽车记者问及整个自研芯片历程中有否遇到什么挑战时，谢炎直言，遇到困难肯定是有的，软件、编译、模型适配，这都是有许多困难在里面，并且这些坑只有你做了才知道。"我觉得数据流架构for AI是一个大的技术偏向，它比其它架构更适合，我希望更多的同行能追随这条路。就像冯·诺伊曼提出来技术路线，许多公司追随。从更长时间来看，这不是一件坏事。"值得关注的是，今年以来，理想被曝多次调解组织架构：先是2月重组智能化部分，形成软件本体、基座模型等团队 ；随后，今年5月，其基座模型部分被曝新增3个与具身智能相关的二级部分等。蓝鲸汽车记者了解到，目前理想汽车研发体系主要有Infra团队，卖力算力基础设施与数据工程 ；基座模型团队卖力多模态预训练与后训练 ；软件本体团队卖力通用Agent、工具链、影象与上下文工程 ；硬件本体团队卖力芯片、传感器、机械人硬件 ；评估团队卖力独立评估Agent/Robot事情质量。关于组织架构调解，谢炎回应，技术迭代快是理想进行组织整合的一个目标。在其看来，如果技术处于高速生长期时，许多公司会回过头来做整合，因为需要在技术界限上把分工突破。"除此之外，组织规模小一点也是优势。如果需要高密度、高整合度，组织规模不可太大，如果组织规模太大，就会导致许多部分墙。这是为什么我在公司强调要包管比较小的组织规模的原因，就是想让各人相助得更紧密些。"以下为与理想汽车CTO谢炎、理想汽车基座模型卖力人詹锟对话实录（经编辑删减整理）："自研芯片要做得比英伟达更好，用英伟达的技术路线是不可行的"提问：为何马赫M100会接纳动态数据流架构 ？该芯片四年前立项时，整个行业都还在冯·诺依曼架构的路径依赖中，您其时看到了什么需求和变革 ？谢炎：四年前，我们给自己立了一个很高的目标，这个目标也是一个很是合理的目标：就是自研。我们为什么要自研 ？我和李想有一个很是一致的意见：自研不是为了证明自己有能力做，而是真正去解决问题。四年前我们看到的问题：一是算力本钱很是高，并且会不绝变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。其时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。其时定的目标是4倍Orin的性能。虽然这个目标不是瞎定的，我们花了半年时间进行剖析。如果要抵达这个目标，背后有一套逻辑：你要做得比英伟达更好，用英伟达的技术路线是不可行的。因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。就像你跟博尔特在100米赛道上，他比你早跑2秒，你不可能凌驾。你唯一的时机就是跑另外一条路径。在这个思路的指引下，我们开始看其他技术路线。就是扔掉所有以前的架构依赖，回到实质，从第一性原理看AI盘算自己另有什么时机。我在读研究生时，我导师高庆幸教授是数据流架构的涤讪人之一，他在MIT时就做这个事。虽然在通用盘算时代并不乐成。我们发明他的思想实质是：你要做的是盘算，冯·诺依曼架构相当于帮人类做一其中介去实现盘算，中间有翻译层，这个翻译资助人类更好地去编程，但这其中介和翻译会降低效率。如果回到盘算的实质，可以把中间的翻译拿掉。虽然简直很少有企业做过实践，中国也是如此。所以各人看到的时机都是一样的，要害是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。图片来源：理想汽车提问：马赫M100芯片在理想的界说里是一款AI推理芯片，而不是AI训练芯片，这两者的界限是什么，背后的思考是什么 ？在AI训练领域英伟达已经很垄断了，跟它做竞争是不是很难追上 ？谢炎：我认为AI盘算的算力市场，最终会泛起99%的推理，训练只占很小的部分。从这个角度来讲，今天中国和美国大宗的公司在为了更高的效率专门做推理芯片，也是这个原因，因为最终推理市场更大。如果推理市场没起来，说明AI没有真正落地。从我们的角度而言，我们公司先要解决推理问题。训练的话，用市场上好的训练芯片，目前够我们用了。从经济模型角度来讲，训练要的是效率，它对本钱不太敏感。训练要的是在足够短的时间内迭代。至于本钱高了50%，甚至高了100%，也没关系。英伟达最高端的芯片，许多公司以翻倍的价格也愿意买。可是推理芯片纷歧样，它要同时考虑本钱与效率，并且考虑本钱的比重很是高。从解决公司和业务问题来讲，推理问题更大，它跟我们想要抵达目标的gap（差别）更大。如果我们做一件事的话，我们就解决时机最大的问题。提问：请问自研芯片背后需要什么条件，好比销量、营收、研发投入等 ？谢炎：如果你的业务需要自研焦点技术，好比芯片，先期投入简直不小，可能一年要好几亿。第一个条件是抵达一定的营收规模。对车企来说，营收规模一年1000亿以上，研发投入至少10%，就有大几十亿到上百亿，每年投钱研发芯片是可以的。第二个条件是，你研发芯片解决的问题，要能让你的产品能力更强� ；氐绞昵�，一些房地产公司也做高科技，问题是它投入的高科技对主营业务资助很是小。好比我是房地产公司去投芯片，这个意义不大，芯片对卖屋子没资助，对未来也没资助，更多是象征意义，而没有实际意义。以上是最重要的两个条件。这里有个误区，许多人说芯片要有很大的出货规模才行。其实芯片的本钱和面积相关。一辆车上的芯片，好比Livis是2颗马赫M100，加起来800平方毫米。而一部高端手机芯片或许100平方毫米，所以一辆车的智驾芯片相当于8台手机的芯片面积。你会说车的量比较少，但本钱不但仅跟数量有关，也跟面积有关。这样算下来，大几十万辆车需要的晶圆面积很是大，完全可以摊薄本钱。所以本钱不可仅用颗数来权衡。有的IT公司说一年出货好几亿颗，但其实每颗面积很是小。不可脱离配景只谈量，这是不完整的。我们在马赫M100立项时算过，做这个芯片不会让公司的效益变差，而是会变好。我们不是为了证明自己能做而做，不但性能要做到最好，在本钱上也要资助公司省钱。提问：理想自研芯片从2022年立项，去年流片，为什么今年才量产上车，有什么考量 ？在做芯片历程中，有什么挑战或故事可以分享下吗 ？谢炎：关于上车时间我们已经做得很快了。做芯片基本要5年时间，而我们基本快4年年时间就上车，并且把所有模型都跑起来，这已经很快了。至于在历程中遇到的困难，肯定是有的。软件、编译、模型适配，这都是有许多困难在里面，并且这些坑只有你做了才知道。日前有些同行说，看了我们的论文以后，说你们把论文写得那么详细，别人家拿你的论文是不是就可以复刻。但我们不担心，因为把这个架构要落地是很是长的距离，并且中间有许多坑，只有真正做才知道，才华迈已往，迈不过去，就停在那儿了。第二，我觉得数据流架构for AI是一个大的技术偏向，它比其它架构更适合，我希望更多的同行能追随这条路。就像冯·诺伊曼提出来技术路线，许多公司追随。从更长时间来看，这不是一件坏事。谈车企自研芯片：许多公司宣布做了，但并没真正落到车上提问：李想日前说马赫M100"是全世界性能最强的AI芯片"引起了很大的讨论，包括有些质疑声音会说小鹏、蔚来、比亚迪也都说自己很领先。那么，跟这些友商相比，理想的领先性体现在哪些方面，或者被市场低估了哪些方面 ？谢炎：我们为什么敢说自己是世界第一呢 ？因为我们跟市面上标准可以获得的芯片做比照，它是英伟达Thor-U三倍的性能。我们可以拿出Benchmark（基准测试），甚至可以让第三方做测试。我们也跟一个第三方测试机构聊过，测试机构说其它家都不肯意拿出来做比较。如果要公正地比较，可以拿到一个公正、综合的Benchmark去做合适的比较。提问：这两年许多车企都宣布了自己的芯片，正常来讲芯片是高投入、长研发、需要验证的产品，这是否意味着这件事很容易 ？谢炎：我想说其实挺禁止易。我们自己做这颗芯片花了4年，在新势力里我们启动最晚。各人要看宣布芯片后，最终结果是最领先的模型什么时候真正落到车上。从这个时间来看，除了我们以外，其他家一般要5年时间甚至更长，我们是最快的。所以要有点耐心，第一颗芯片如果真的自己做的话，没那么容易，一般要花5年时间。做一颗芯片和做一颗领先的芯片，难度又是纷歧样的。有些公司做了芯片，但这颗芯片不敷领先。我跟李想说过，我最担心的事不是做不出来，最糟糕的事情是做出来了但它不领先，那公司这个钱就白花了，这是我最不想看到的结局。我们看业界，并不是每一家公司都能做到。现在许多公司宣布做了，但并没有真正落到车上。要看它什么时候落到车上，什么时候把最高端的智驾用自研芯片跑起来，并且还能做好用户体验。再者，看是不是所有车都能用。有的公司为了证明自己能用，只用了一款车型，出货量只有几千辆，其他车照旧用外购芯片，说明它也知道这件事并没有帮它解决真正的问题。我认为要看几个指标：全量的车能不可用上，能不可快速上车，能不可跑最先进或最新一代模型，并且安排到所有车上。另外一个指标是能不可连续迭代。做一代芯片不说明问题，最终要做出第二代、第三代。许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，也可以宣传自己自研。但我们不是，因为我们连论文都可以看到，这个世界上没有第二个芯片跟我们做的一