理想汽车在基于NVIDIA Orin/Thor平台(tai)的(de)早期(qi)实践中发(fa)现，即便搭载了(le)行(xing)业最顶级的(de)车载芯片，在实际部署(shu)大语(yu)言模型(xing)时，其真实释放的(de)性能往往大打折(she)扣。

这不是理想汽车一(yi)家遇到的(de)问题。英伟(wei)达、苹果、微软、谷歌等全(quan)球科技巨头(tou)都在为此头(tou)疼。

传统的(de)研发(fa)模式中，芯片工程(cheng)师埋头(tou)追求更高的(de)峰值算力(li)，算法(fa)工程(cheng)师则疯狂堆叠模型(xing)参数，两者在各自的(de)轨道上狂奔。结果就是：软件与硬件在最后集成阶段才仓促碰面，彼此妥协、相互迁就，大量算力(li)被闲置，大量功耗被浪费。这种“软硬割裂”的(de)研发(fa)方式，在全(quan)场景智能辅助驾驶对(dui)算力(li)需(xu)求呈指数级攀(pan)升的(de)今天，正变得愈发(fa)难以为继。

也(ye)正是这种“软硬割裂”的(de)痛感让理想汽车意识到，如(ru)果继续沿着“堆料”的(de)老路走下去(qu)，永远只能跟在别人身后吃灰。真正的(de)解法(fa)，不在芯片厂商的(de)下一(yi)代产品路线(xian)图里(li)，而在底层(ceng)研发(fa)逻辑的(de)重构(gou)之中。

基于此，理想汽车MindVLA团队与国创决策智能技术研究所选择了(le)一(yi)条(tiao)更难的(de)路：他(ta)们不再(zai)满足于用好别人的(de)芯片，而是试图从数学(xue)层(ceng)面回答一(yi)个根本性问题——芯片与算法(fa)究竟该如(ru)何协同，才能让有限资(zi)源发(fa)挥最大效能？

研究团队将损失函数扩展法(fa)则与Roofline性能建模相结合，最终(zhong)提炼出一(yi)套可(ke)量化、可(ke)预测的(de)软硬协同数学(xue)框架。通俗(su)地(di)说，这一(yi)定(ding)律把(ba)芯片的(de)物理特性和算法(fa)的(de)计算需(xu)求同时“翻译”成数学(xue)语(yu)言，输入(ru)芯片参数和模型(xing)需(xu)求，公式便能自动输出最优的(de)软硬配比方案。这相当于为协同设计建立了(le)“通解公式”，而非过去(qu)那种依赖工程(cheng)师经(jing)验反复试错的(de)“特解摸索”。

在这套理论(lun)框架下，六大核心发(fa)现浮出水面，每一(yi)项都在颠覆行(xing)业固有的(de)认知。例如(ru)，研究揭示，在车载典型(xing)的(de)批处理大小为1的(de)场景下，MOE稀疏架构(gou)将100%主导效率前沿。这意味着未(wei)来车载芯片必(bi)须原生支持稀疏计算，而非简(jian)单堆砌密集矩阵乘算力(li)。再(zai)如(ru)，内(nei)存带宽和缓存效率往往比理论(lun)TOPS更能决定(ding)系(xi)统实际性能，“宽而浅”的(de)芯片架构(gou)才是车载场景的(de)最优解。更有意思(si)的(de)是，传统Transformer中沿用了(le)多年的(de)4倍FFN扩展比，在车载场景下被证明(ming)是低效的(de)，这直(zhi)接挑战了(le)芯片矩阵乘单元与激活函数单元的(de)配比设计。

这些发(fa)现凝聚成一(yi)个核心结论(lun)：没有通用芯片，只有场景最优芯片。最优架构(gou)强烈依赖于具体硬件参数，这从根本上证明(ming)了(le)“算法(fa)定(ding)义芯片”的(de)必(bi)要性。只有深度理解上层(ceng)算法(fa)需(xu)求，才能设计出最高效的(de)专用计算架构(gou)。

这项研究的(de)深远意义，在于它为中国企(qi)业在AI基础理论(lun)层(ceng)面赢得了(le)一(yi)席话语(yu)权。它不是对(dui)西方技术路线(xian)的(de)修修补补，而是一(yi)种原生于中国产业实践的(de)方法(fa)论(lun)突破。当理想汽车与国内(nei)高校持续产出顶会论(lun)文(wen)时，我们看到的(de)不只是企(qi)业研发(fa)实力(li)的(de)证明(ming)，更是产学(xue)研深度融(rong)合的(de)“中国智慧”在 global AI 舞台(tai)上的(de)一(yi)次(ci)集体亮(liang)相。

二、从理论(lun)到实践：研发(fa)投入(ru)浇灌(guan)出的(de)技术密林

理论(lun)的(de)价值，最终(zhong)要落(luo)地(di)为产品的(de)温度。

2026年2月，全(quan)新一(yi)代理想L9正式亮(liang)相，搭载两颗5纳米制程(cheng)的(de)马赫(he)100芯片，总算力(li)达2560TOPS。但更具说服力(li)的(de)不是这个峰值数字，而是“有效算力(li)”的(de)概念。由于采用数据流架构(gou)，马赫(he)100在运行(xing)VLA大模型(xing)时的(de)单颗有效算力(li)达到英伟(wei)达Thor-U的(de)三倍，双芯协同时的(de)整体有效算力(li)更是达到Thor-U的(de)五至六倍。

李想回顾，理想自2022年启动芯片自主研发(fa)时，团队便预判行(xing)业将在2025年后全(quan)面迈入(ru)“自研算法(fa)与自研算力(li)深度融(rong)合”的(de)软硬一(yi)体化发(fa)展阶段。马赫(he)100芯片的(de)推出，正是这一(yi)长期(qi)技术战略(lue)落(luo)地(di)的(de)首个关键(jian)成果。

如(ru)果理想仅仅将这些技术用于自家产品升级，它或许只是一(yi)次(ci)成功的(de)企(qi)业级技术突破。但真正值得深思(si)的(de)是，这一(yi)定(ding)律背后所折(she)射出的(de)中国科技企(qi)业创新姿(zi)态的(de)转变。

回顾中国汽车产业的(de)发(fa)展历(li)程(cheng)，从最初的(de)技术引进、合资(zi)合作(zuo)，到后来的(de)消(xiao)化吸收、局部创新，再(zai)到如(ru)今在新能源和智能辅助驾驶领域的(de)全(quan)面突围，中国企(qi)业走过了(le)一(yi)条(tiao)漫长的(de)追赶之路。但在AI基础理论(lun)层(ceng)面，能够为全(quan)行(xing)业贡献通用科学(xue)方法(fa)论(lun)的(de)案例，依然屈指可(ke)数。

理想汽车此次(ci)联合国创决策智能技术研究所发(fa)布的(de)这一(yi)定(ding)律，恰恰填补了(le)这一(yi)空白。这项研究不是针对(dui)某个具体问题的(de)补丁(ding)式解决方案，而是一(yi)套具有普适意义的(de)数学(xue)框架，可(ke)以为整个端侧AI领域提供研发(fa)指导。

此外，还有一(yi)点不容忽视。软硬协同设计定(ding)律的(de)诞生，离不开理想汽车多年来对(dui)研发(fa)投入(ru)的(de)持续加码。数据显示，2025年，理想预计研发(fa)投入(ru)达到120亿(yi)元，近(jin)八年累计研发(fa)费用预计将超(chao)过468亿(yi)元。即便面对(dui)激烈的(de)市场竞争，理想的(de)研发(fa)费用依然持续领跑新势力(li)车企(qi)。这些数字背后，是一(yi)个朴素的(de)认知：只有从最基础的(de)研究做起，才能真正掌(zhang)握技术迭代的(de)主动权。

如(ru)今，这种投入(ru)正在转化为可(ke)见的(de)成果。2021年至2025年11月，理想汽车围绕BEV、端到端模型(xing)、VLA等领域发(fa)表(biao)近(jin)50篇论(lun)文(wen)，被引用超(chao)过2500次(ci)，其中32篇论(lun)文(wen)中稿顶会。更重要的(de)是，理想选择将这些研究成果开源——DriveVLM、DIVE、3DRealCar等项目在GitHub上已获得超(chao)过3200名开发(fa)者的(de)收藏或调用。这种开放姿(zi)态，正在为中国智能驾驶产业构(gou)建一(yi)个良性的(de)技术生态。

2025年3月，理想星环(huan)OS正式宣布面向全(quan)行(xing)业开源，涵盖AI计算系(xi)统、智能实时系(xi)统、通信中间(jian)件和安(an)全(quan)系(xi)统。截至2025年9月，已有超(chao)过30家企(qi)业及社区(qu)加入(ru)星环(huan)OS生态。按(an)照理想的(de)测算，这一(yi)开源系(xi)统每年可(ke)为汽车行(xing)业节省(sheng)100亿(yi)至200亿(yi)元的(de)重复研发(fa)投入(ru)。

开源的(de)背后，是一(yi)种更深层(ceng)的(de)战略(lue)思(si)考。在智能汽车这个复杂的(de)赛道上，没有一(yi)家企(qi)业能够包揽所有创新。只有当更多的(de)开发(fa)者、更多的(de)企(qi)业参与到同一(yi)套技术体系(xi)的(de)共建中，整个产业的(de)创新节奏才能加快。

这不再(zai)是企(qi)业层(ceng)面的(de)商业博弈，而是一(yi)种产业责任感的(de)体现——当中国企(qi)业开始主动输出基础设施、贡献通用方法(fa)论(lun)，全(quan)球AI竞赛的(de)叙事，已然被改写，中国企(qi)业正在成为游戏规则的(de)共同制定(ding)者。

三、结语(yu)

回到文(wen)章开头(tou)的(de)问题：算力(li)越高，实际效能真的(de)越高吗？

理想汽车给出的(de)答案是：算力(li)是效能的(de)根基，但协同才是决定(ding)效能兑现程(cheng)度的(de)天花板。没有足够的(de)芯片算力(li)，再(zai)精(jing)妙的(de)算法(fa)也(ye)只是纸(zhi)上谈兵；但若(ruo)只有算力(li)堆砌而缺乏(fa)软硬件的(de)深度协同，再(zai)高的(de)账面数字也(ye)只能在闲置与损耗中打了(le)折(she)扣。当芯片与算法(fa)能够从设计之初就“商量着办事”，当数学(xue)定(ding)律取代经(jing)验调参，智能汽车的(de)进化路径便从堆料模式切换(huan)到了(le)精(jing)算模式。

软硬协同设计定(ding)律的(de)意义，或许要放到更长的(de)时间(jian)维度里(li)去(qu)理解。它不仅为今天的(de)智能辅助驾驶提供了(le)方法(fa)论(lun)，更为未(wei)来的(de)具身智能、空间(jian)机器人等更广泛的(de)AI应用，铺下了(le)一(yi)块理论(lun)基石。当人工智能开始走出数据中心、走进物理世界，如(ru)何让算法(fa)在有限的(de)算力(li)上高效运行(xing)，将成为所有端侧智能面临的(de)共同挑战。而理想今天所做的(de)工作(zuo)，正是在为这个未(wei)来准备“通用语(yu)法(fa)”。

从跟随者到定(ding)义者，这条(tiao)路注定(ding)艰难。但当中国车企(qi)开始用数学(xue)定(ding)律而非营销话术来定(ding)义智能的(de)高度，这场全(quan)球AI竞赛的(de)叙事，已然被改写。理想汽车的(de)故事证明(ming)，中国科技企(qi)业不仅有实力(li)参与全(quan)球竞争，更有智慧为全(quan)行(xing)业贡献通用的(de)科学(xue)方法(fa)论(lun)，这或许正是“中国智慧”在全(quan)球AI浪潮中最硬核的(de)表(biao)达。