共享单车集体涨价：起步价从1.5元调解至1.88-1.99元，基础骑行时长上调至60分钟
上半场赢在产品，下半场赢在底层。定焦 One（dingjiaoone）原创作者 | 陈颐编辑 | 方展博6 月 15 日，理想举办了一场宣布会。主角不是车，是 "AI 怎么走进物理世界 "。在 "Livis Day 理想汽车软件与具身智能宣布会 " 的演示环节，理想空间智能产品经理吕怡然对着车说了句：后排小朋友困了，帮我哄他睡觉吧。话音刚落，车里的灯暗了下去，欢快的歌换成了摇篮曲，空调风量调到最轻的一档，座椅徐徐放平；主动悬架也配合着伸缩，让整个车左右缓慢摇晃起来。整个车厢，从可以开 party 的气氛，酿成了适合婴儿入睡的地方。没有人翻菜单、点按钮，理想的具身智能系统 Livis 听懂了这句话，把这一切做完了。这一下看着轻巧，其实并禁止易。AI 现在能帮我们写代码、做图、做视频，可一旦要它走出屏幕、到真实世界里干点活，难度完全不是一个量级。就拿开车来说，我们现在照旧要自己开、自己停、自己在庞亨衢口判断交警的手势。李想在台上抛出一个看法：今天的智能手机和智能汽车，其实都不智能，它们实质上照旧功效驱动的，不是真正的智能体。那么问题就来了，AI 要走出屏幕，第一站会落在哪儿？理想的谜底是汽车。想一想很合理：汽车每天在真实门路上跑，要感知、要决策、要控制；支撑一辆车的感知、模型、芯片、控制和操作系统，恰恰是通用人形机械人的技术底座。而在所有机械人形态里，只有汽车，已经是一个万亿级的付费市场。一位关注汽车工业的投资人告诉「定焦 One」，他现在评估一家车企，只看一件事：AI 能力，具体说就是芯片、系统、模型这三层，掌握得越多，未来的天花板就越高。在他看来，谁先在趁魅这个平台上，把全栈技术跑通，谁就先拿到了 AI 时代最重要的一张入场券。而理想从 2021 年星环 OS 立项，到 2022 年自研芯片启动，再到 2023 年大模型立项，这张牌已经打了五年。01. 今天的智驾，究竟差在哪？李想说今天的车不智能，那在他眼里，什么才算智能？他给 " 真正的智能 " 下了界说：真正的具身智能汽车，得同时是四种角色，一辆电动车、一位职业司机、一台 AI 盘算机、一位生活助手。其中，电动车和 AI 盘算机是 " 具身 "，职业司机和生活助手是 " 智能 "。比照这个标准，行业已往对 " 智能汽车 " 的那套界说（软件界说硬件、能联网、能 OTA 升级）讲的全是功效，离真正的智能体还差得远。具体差在哪，从普通车主的体感说起，主要是三个维度。先说宁静。今天的智驾，遇到庞大的、没见过的场景，标准行动是退出，把偏向盘丢回给你。这在规则上完全合规，但对人来说恰恰是最危险的时刻。李想体现，接近一半的智驾事故，就爆发在接管的那一瞬间，驾驶员毫无预防。再看能力。今天的智驾，实质只会三件事：向前开、向左转、向右转。李想在现场问观众：你对哪辆车的智驾倒车能力是满意的？没人举手。它既不会像人一样在窄路里倒车腾挪，也不会在遇到危险时，自己找个地方靠边停下。最后是效率。你最不肯意在什么时候用智驾？赶时间、走胡同的时候。因为这些时候，" 你得时刻盯着随时准备接管 "，其实比自己开还慢、还累。宁静、能力、效率上的差别，泉源在于：今天的智驾系统能 " 看见 "，但感知层没有理解 " 语义 " 的能力。激光雷达的线数，从 128 线堆到 512 线，但它看不懂红绿灯的颜色、路牌上的 " 前方施工 "，也看不懂保安的手势。感知层看不懂，在决策层再怎么堆数据、调参数，上限都不高。所以这不是靠 " 堆数据、调参数 " 能解决的，这是一个架构问题。理想的解法，正是从架构下手的。感知层，它首次让 3D ViT（三维视觉感知模型）上了车。简单说，就是实时把场景里每一个工具，在三维空间里的位置、姿态、行动甚至是颜色都建出来，让系统从 " 看见 " 进化到 " 看懂 "。现场演示时，3D ViT 把台下全场观众的姿态，瞬间还原成了一个三维世界，连后排的文字都能读出来。决策这一层，理想把整套智驾架构推倒重来，推出了马赫 VLA（视觉 - 语言 - 行动大模型）。已往，感知、决策、执行分属差别�？�，中间要 " 交接 "，一交接就有延迟；现在，从 " 看见 " 到 " 决定怎么开 "，都在同一个大模型里，一气呵成。底层架构的重构，让链路短了，反应速度提快到了 0.28 秒。普通人从发明危险到踩下刹车，平均要 0.45 秒，顶级 F1 车手的生理极限是 0.25 秒，0.28 秒已经迫近人类极限了。多出来的这 0.17 秒，在 120 公里时速下，即是多出约 6 米的制动响应距离，差未几是一辆劳斯莱斯幻影的车长。理想汽车基座模型卖力人詹锟马赫 VLA 对标的是特斯拉。理想汽车基座模型卖力人詹锟允许，今年第四季度，理想的智驾模型要对齐 FSD V14。在宣布会上，詹锟提到，自己上个月飞了趟硅谷，把特斯拉最新的 FSD V14.3 连着开了整整两个星期，两点感受：第一，特斯拉真的太强大了；第二，压力也真的太大了。为了兑现允许，理想也给了三个明确的交付节点：7 月，智驾效率整体提升 30%；9 月，实现全场景自主倒车、主动停车视察这类庞大场景的独立处理；12 月，宁静和效率全面逾越人类驾驶员。这套从感知到决策的重构，靠的是更强的模型。模型越庞大，对算力的要求就越高，芯片和操作系统如果跟不上，模型的潜力就发挥不出来。而这两件最底层、最烧钱的事，大都车企选择外购，理想偏偏自己造。02. 理想为什么要自己造芯片？当一家车企说要自己造芯片，外界的第一反应往往是：买英伟达的不可吗？能用，还省事。理想为什么非要自己重新造？理想算过一笔账，发明买来的计划，在 AI 时代不敷用了。一个原因是，光靠软件，拉不开差别。用通用芯片，架构层面的优化空间被锁死了，能做的差别化只有软件层。更焦点的原因是效率的天花板。已往几十年，盘算机行业吃的是摩尔定律的红利，芯片上的晶体管密度每两年翻倍，性能随着水涨船高�？� 2010 年之后，每一代制程带来的提升，从翻倍掉到 30%、20%、10%。供应在放缓，AI 对算力的需求却在猛涨，这是行业难题。而专用架构芯片可以绕开这个天花板，在特定任务上做到通用芯片做不到的效率。所以，理想 CTO 谢炎 2022 年带队启动芯片设计时的想法是：不可只造一颗比已往更快的芯片，得造一种完全差别的芯片。理想 CTO 谢炎差别在哪？古板芯片用的是冯 · 诺依曼架构，统治了盘算机 70 年，实质是 " 一条指令接一条指令 " 地顺序执行，大宗晶体管花在缓存、调理这些 " 治理开销 " 上�？� AI 的盘算天然是并行的，本该一起开工的活，硬塞进一条排队的流水线，效率自然提不上去。理想自研的马赫 M100，走的就是另一条路：数据流架构。打个比方，古板芯片像一个厨房里有个总厨统一发号施令，规模一大，总厨的统筹能力就决定了上限；数据流架构爽性把总厨撤了，每个工位的食材一到就开工，做完直接递给下一个工位。已往通用盘算的规模不敷大，这条路线没有用武之地，直到 AI 时代盘算量泛起数量级的跃升，它的优势才真正显出来。这么造出来的马赫 M100，5nm 车规工艺，单颗算力 1280 TOPS，双芯 2560 TOPS。但比算力数字更说明问题的是效率：因为架构专为 AI 而设计，它的实际运行效率凌驾 82%，这个数字，主流架构很难做到。更值得一提的是，这颗车规芯片的架构论文，入选了盘算机体系结构领域的顶级集会 ISCA 2026 的工业论文分区（Industry Track）。这个分区专门收录来自工业界的架构立异结果。作为这个分区设立以来全球第一家入选的车企，理想 6 月底要和谷歌、Meta、美光这些公司同台分享。光有好芯片还不敷。芯片上面要是跑别人的系统，潜力也发挥不出来。谢炎在台上问了全场一个问题：苹果和安卓，哪个更宁静？大都人答苹果。原因是苹果把芯片和系统放在一起设计。手机被攻击，泄露的是隐私；车被攻击，威胁的是生命。所以理想自研了星环 OS，这是最底层的整车操作系统，车机和智驾，都是跑在它上面的 " 应用 "。比起行业通用的 AUTOSAR（汽车软件行业标准架构），星环 OS 响应速度快了 1 倍，稳定性高了 5 倍；落到体感上，120km/h 下 AEB 的刹停距离能再缩短 7 米。当芯片和 OS 都握在自己手里，最直接的体现就是系统响应的 " 快 "。这 0.28 秒是怎么来的？视觉输入的时延降了 47%，模型推理的链路缩了 43%，操作系统的调理降了 28%，线控底盘的响应降了 38%，四个层级各自优化，端到端总时延最终降了 40%。这四层划分是视觉感知、模型推理、操作系统、线控底盘，背后是四个技术团队。以刹趁魅这个行动为例，用供应商计划的车企，芯片、系统、底盘背后各站着一家差别的供应商，接口关闭，优化只能在自己卖力的那一层里打转；理想这四层全是自己的，可以让四层一起为 " 快 " 这一个目标让路。说白了，买计划的车企，手里只有一层的优化权；自研全栈的车企，手里有整条链路的优化权。这个路线，另有实实在在的本钱优势，并且卖得越多，越划算。谢炎今年 5 月时算过一笔账：如果今年卖出的车全部搭载马赫 M100，一年省下来的钱就凌驾三年的芯片研发用度，更别嗣魅这颗芯片还能用两三年�？扛呒啥�，新一代车型直接取消了上一代平台的一个域控制器，每台车省下一千多块。星环 OS 也一样。理想 2025 年已经把这套自研系统开源，是全球首家开源整车操作系统的车企，据估算，能帮整个行业每年省下一两百亿的重复研发。所以今年电池、存储芯片价格集体上行，同行大多只能涨价、把本钱转嫁给用户，理想却能靠 " 技术降本 " 消化压力，全系车型没有同步涨价，新款车型普遍硬件升级但不加价。往更深一层看，全栈自研真正的壁垒，是把技术转化成了组织能力。英伟达做通用芯片，必须效劳全球所有 AI 应用，只能做最大条约数；而理想的芯片只需要解一道题：让自家的车在中国门路上跑得最好。因为目标清晰，芯片团队和算法团队可以从界说阶段就坐在一起，算法需要什么，芯片就设计什么。这种从底层硬件到上层软件完全咬合的研发体系，外部供应商给不了，买计划的车企也学不会。这才是全栈自研最焦点的价值。03. 增程被跟进、多屏成标配之后，理想的下一张牌把时间线拉长，更能看懂理想为什么要押重注去造一套底层技术体系。理想的上半场，赢在对中国家庭用车需求的洞察。要大空间、要冰箱彩电大沙发、要一家老小坐得舒服，它做出了理想 ONE，做成了首个千亿营收的新势力。但随着行业成熟，增程被跟进，多屏成标配，这种靠 " 产品界说建立的优势 "，正在被一点点抹平。这不是理想一家的问题，是所有靠产品界说驱动的公司，在行业成熟期都会遇到的困境。要突破这层天花板，必须建立一种更底层、别人难以复制的 " 系统化能力 "。星环 OS、马赫 M100 芯片、马赫 VLA 大模型、3D ViT 感知模型、全线控底盘……今天展示的技术，不是为了应对眼前的竞争突击做出来的，而是五年前，险些没人讨论具身智能时，就已经开始的恒久投入。这套恒久逻辑，从今年一季度的几个行动可以获得印证。逐步停产停售正热销的 L 系列、拒绝降价清库存、为跨年交付的 i6 用户自掏腰包补了 5 亿购置税差额……单看一个季度的账本，每一步都是在主动让出利润。但结合它账上近千亿的现金储备，以及连续六年加码研发、AI 投入占比过半来看，逻辑就清楚了：理想看重的不是一时的交付数字，而是未来五年、甚至十年的焦点竞争力。为了让这套技术体系转得更快，理想在 2026 年初重组了研发架构，凭据 " 造硅基人 " 的逻辑分成了 Infra、基座模型、软件本体、硬件本体、评估五个团队。结果是，智驾模型的训练迭代频率从两周一次，大幅缩短到一天一次。在同样的时间里，它能跑完更多的试错循环。这种迭代速度上的差，时间一拉长，就是产品体验上的代差。所以，敌手可以复制屏幕结构、增程系统，但很难在短时间里，复制一整套从芯片到 OS 再到大模型、并