当前，国内汽车产业正迎来结构性变革，小鹏、蔚来、理想等车企集体决定放弃外购供应链模式，并选择在芯片以及车载大模型领域加大自主研发力度，从而全力冲刺具身智能赛道。

在此背景下，理想汽车于近日正式发布了全栈自主研发的量产技术体系，该体系涵盖了车规级AI芯片、车载基座大模型以及VLA自动驾驶架构。同时，理想汽车首席技术官谢炎与基座模型负责人詹锟接受了中国证券报记者的深度访谈，他们针对模型外购、舱驾融合、行业估值重构等热点议题逐一作答，并详解了整车企业转型为具身智能科技公司的落地路径与底层思考。

三大自研技术构建量产闭环

"你跟博尔特跑同一条赛道，不可能赢。"谈及四年前启动自研芯片的抉择，谢炎用一句直白的比喻点破了行业突围的核心逻辑。彼时英伟达Orin芯片牢牢占据着智驾芯片的主流市场，海外巨头数十年的技术积淀难以逾越，跟随成熟的路线只会持续陷入追赶的困境，动态数据流架构就此成为了理想所选定的差异化破局路径。

基于上述背景，马赫M100芯片自2022年11月正式启动立项，此后依次推进了流片与回片验证环节，最终历时仅三年半，于2026年5月成功实现了量产并装载上车。该芯片的单芯片算力规格达到1280TOPS，其运行效率实现了对82%这一重要门槛的突破，并且在算力密度方面显著领先于Orin-X以及更新型号的Thor-U。在最新款的L9 Livis车型上，采用了双芯配置方案，使得整车总算力得以达到2560TOPS。

当前，这种架构与传统的冯·诺依曼指令驱动型架构存在本质区别。动态数据流架构将计算过程完全交由数据流的流转来驱动与控制，从而避免了传统架构中因指令译码与调度而产生的计算开销。目前，这一技术路径在全球范围内的商业化应用实例较为稀少，在国内亦尚未出现同等规模的落地项目可供参考。

在硬件底座成型之后，马赫Mind系列基座大模型与马赫VLA智驾架构同步完成了适配闭环。新一代马赫VLA显著扩大了模型训练规模，其中模仿学习和强化学习的规模分别提升了50%和15倍，参数量与计算量也同步扩容了10倍和15倍。

芯片的研发工作不能仅仅依赖硬件团队来独立完成。谢炎在采访中说明，理想汽车内部建立并推行了一种常态化的协同研讨机制，使得算法、软件以及模型团队能够全程同步参与研发进程。通过这一机制，软件工程师可以将场景化的具体需求直接传递给硬件开发端，从而为实现软硬件之间的原生适配打下了坚实的基础。

按照既定规划，理想汽车将在今年第三季度，首先为搭载Orin与Thor平台的现款AD Max车型推送升级后的全新VLA系统。紧接着，在第四季度，理想汽车全系车型的智能驾驶综合能力，将力求全面对标特斯拉的FSD V14版本。詹锟坦言，在国内智能驾驶领域，顶尖梯队之间的技术差距正在持续缩小。然而，这种内部的竞速，尚未能显著弥合整个行业与特斯拉之间所存在的鸿沟。正因如此，坚持全栈自研，便成为了理想汽车试图加速追赶、并构筑自身不可替代的核心竞争力的关键路径。

直面行业核心议题

拆解具身智能底层技术

在大模型车载应用的实现路径上，一种长期的市场观点认为，车企无需投入巨大成本去自主研发基座大模型。该观点主张，直接采购通用的基座模型，并对其进行轻量化的适配与裁剪，便足以满足车内智能交互的需求。对此，詹锟作出了明确的判断：对于那些决心在具身智能领域深入发展的车企而言，自主研发的基座模型是必须掌握在自己手中的核心资产。

在詹锟看来，云端通用大模型只能被视为一种技术参考；若要确保在车辆上稳定运行，就必须根据自研芯片的特性来配置专属参数集，其中，单纯依赖外部采购的模型将无法构建起独有的技术竞争力。

谢炎从底层算力的调度逻辑层面进一步阐释道，座舱与智能驾驶两个方面分属两套完全独立的AI任务体系，其算力基础设施需要进行物理隔离并实行独占式分配。采用外购的标准化芯片以及与之配套的模型，往往难以有效实现这种精细化的资源管控。因此，追求高阶自动驾驶所必需的安全确定性，也就难以得到充分保障。

在过去近两年期间，舱驾一体已成为行业内部持续热议的风口方向。高通已经率先在低算力芯片领域成功落地了单芯片融合方案，然而，英伟达、蔚来以及理想这类主攻高阶智驾的企业，则均没有选择芯片融合路线。

谢炎对此有着明确的判断。他认为，鉴于L3、L4级高阶自动驾驶场景的特殊性，智能驾驶系统需要为其配置专属且稳定的内存与计算资源。如果采用动态共享算力的模式，往往难以保障这种资源分配的确定性，从而为系统运行埋下难以预料的安全隐患。

针对自动驾驶模型研发中视觉与语言两大模块如何进行权衡的问题，詹锟对二者的主次定位进行了厘清。在车辆自动驾驶系统中，机器智能的核心构成在于视觉模块，它在空间理解、三维空间感知以及环境服务方面具备更强的适配性；而语言智能则更多地承担起对交通规则进行解读、以及对极端复杂场景开展逻辑推演等辅助监督职能。若将产业周期进一步延长来看，L3级及以上的自动驾驶会持续放大对车辆类人泛化思考能力的需求，语言模型在整个技术体系内的权重将逐步抬升，配套算力的消耗也将同步大幅增长。

詹锟进一步补充道，在未来的发展中，主流的自动驾驶架构将普遍演进为VLA与世界模型相互融合的形态。这是因为在这一融合体系中，语言能力构成了系统理解人机交互指令以及构建复杂场景提示词的基础。正是认识到语言所扮演的这一关键角色，理想汽车才确立了同步投入并推进自研芯片与车载基座大模型这两条核心业务线的战略决策。

整车厂商具备优势

车企奔赴具身智能赛道

目前，诸如小鹏、蔚来、比亚迪、长安、上汽等车企，正在加大对具身智能领域的战略投入与资源配置。其中，小鹏的VLA物理大模型已成功实现了对多终端的适配，其配套的自主研发芯片为所支撑的本地大模型运算提供了硬件基础。蔚来则落地了自主研发的智能驾驶芯片与整车级AI底座，并且其算法模块能够被复用至工业机器人领域。比亚迪、长安以及上汽等公司，也搭建了专项研发实验室，通过迁移其成熟的车载技术，来降低机器人研发的成本。

对于转型为具身智能公司的车企而言，其估值逻辑正经历着何种转变？有专家指出，过去传统汽车行业的估值体系，主要是通过测算终端销量来确定市盈率（PE）与市净率（PB）等核心指标。然而，已经完成向具身智能转型的车企，其商业模式将演进为“整车硬件销售”与“智能软件持续升级”共同驱动的双轮模式。在此模式下，公司的长期价值将更多地对标SaaS科技企业。需要指出的是，针对这套新兴的估值体系，目前行业内尚无成熟的参考案例。

根据谢炎与詹锟的判断，企业实现转型的核心底气源于三大长期优势的支撑：首先，借助垂直整合的方式搭建起完整的自研闭环体系，其覆盖范围包括动态数据流芯片、操作系统以及多模态大模型，从而形成了同行难以复刻的技术壁垒；其次，自研芯片在实现规模化量产后能够释放出显著的成本优势，进而持续降低整车的硬件成本；再次，汽车本身具备承载移动与交互这两种具身核心能力的天然属性，而车载基座模型还有望跨场景复用至人形机器人的研发当中，以此拓展业务边界。

此外，在产业资源层面，车企拥有着完整的整车制造产能、覆盖全国的线下销售与服务网络，以及由千万用户日常行驶所持续产出的真实道路数据，这些要素得以共同构建起一个源源不断的模型迭代闭环。相比之下，那些聚焦于人形机器人领域的创业企业，往往在成熟的量产渠道、规模化的线下部署场景以及稳定的高质量真实数据供给方面存在缺失，这可能会使其商业化落地的周期被大幅延长。

然而，转型之路同样伴随着严峻的现实挑战，动态数据流AI芯片在量产过程中的稳定性表现、VLA智驾架构相较于海外领先方案的迭代追赶速度，以及资本市场对具身智能商业化落地实际价值的评估与认可程度，这三大核心变量将在很大程度上决定车企转型的最终成败。由此可见，这场行业竞速的终局已不再是简单的车型销量比拼，而是上升为智能汽车时代行业标准定义权的争夺，拥有自主可控的底层全栈技术，才是车企掌握产业话语权与主导权的核心筹码。

来源：自研芯片与大模型集中落地 车企竞速布局具身智能新赛道 | 中国能源网