当前，国内汽车产业正迎来结构性变革，小鹏、蔚来、理想等车企集体选择放弃外购供应链模式，转而加码自研芯片与车载大模型，全力冲刺具身智能赛道。

在此背景下，理想汽车于近期正式发布了全栈自研的量产技术体系，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。在此次发布期间，理想汽车首席技术官谢炎与基座模型负责人詹锟共同接受了中国证券报记者的深度访谈。他们围绕模型是否需要外购、舱驾融合的发展趋势以及行业估值如何重构等多个热点议题逐一进行了阐述，从而详细阐释了这家整车企业向具身智能科技公司转型的具体实施路径及其背后的底层思考逻辑。

三大自研技术构建量产闭环

“如果与博尔特在同一条赛道上竞技，获胜的可能性微乎其微。”谢炎指出，他以此形象的比喻，阐述了理想汽车在四年前决定自主研发芯片时所依据的产业竞争逻辑。在彼时的市场格局中，英伟达的Orin芯片在智能驾驶领域占据主导地位，而海外厂商经过数十年积累所形成的技术优势短期内难以被赶超。如果仅仅沿着已有的成熟技术路线进行跟随，企业将会持续处于追赶状态。正是基于这样的判断，理想汽车最终将动态数据流架构确立为实现差异化竞争的关键路径。

基于此背景，马赫M100芯片自2022年11月立项后，高效完成了从芯片设计到量产导入的全过程。这一过程涵盖了芯片从晶圆制造到系统验证的多个关键阶段，最终于2026年5月实现了量产上车。该芯片在单芯片层面实现了高达1280TOPS的运算能力，其典型工作负载下的能效比突破了82%。在单位面积的计算密度上，其显著超越了现有的Orin-X芯片与更新的Thor-U方案。全新Livis平台搭载了双芯片配置，协同工作时能够为整车提供总计2560TOPS的澎湃算力。

通过将数据流转确立为系统运行的核心范式，该动态数据流架构摒弃了传统冯·诺依曼指令驱动的模式，从而剔除了由指令翻译过程所引入的额外计算损耗。在全球范围内，这条技术路线的商业化落地案例依然较为稀缺，在国内市场亦无同等规模的先例可作为直接参照。

在硬件底座构建完成的基础上，马赫Mind系列基座大模型与马赫VLA智驾架构实现了同步的适配闭环。新一代马赫VLA显著扩大了模型训练规模，其中模仿学习与强化学习的规模分别实现了50%和15倍的提升，参数量与计算量也同步扩充了10倍和15倍。

芯片研发工作并非仅由硬件团队独立完成。谢炎指出，理想汽车在内部建立并推行了常态化的跨团队协同研讨机制，算法、软件以及模型团队会全程同步参与到研发流程当中。在此机制下，软件工程师能够直接向硬件团队传递来自实际场景的具体需求，这为实现软硬件之间的原生适配奠定了坚实的基础。

按照既定的产品路线图，理想汽车计划在今年第三季度，针对搭载Orin与Thor计算平台的既有AD Max车型，推送升级版的VLA系统以实现平滑过渡。同时，到第四季度，理想整车的智驾综合能力将力求全面达到特斯拉FSD V14版本的水准。詹锟分析指出，尽管国内智驾领域头部企业间的相互追赶使得彼此差距持续缩小，但整个行业与特斯拉之间形成的代际差距并未出现显著的弥合迹象。因此，通过全栈自研来掌握核心技术，被认为是缩短这一差距并构筑企业长期竞争壁垒的关键战略。

直面行业核心议题

拆解具身智能底层技术

围绕大模型在车载场景的落地路径，市场中长期以来流传着这样一种观点：车企并不需要投入巨额资源进行基座大模型的自主研发，只需直接采购现成的通用大模型，并对其实施轻量化的裁剪与适配，就足以满足车载智能交互的各类需求。针对这一普遍看法，詹锟给出了明确的判断：对于那些决意深耕具身智能领域的车企而言，将基座模型的能力牢牢掌握在自己手中，是必须坚守的核心战略资产。

詹锟从技术实施的视角分析指出，云端通用大模型仅仅能够作为技术参考来使用；如果希望实现稳定且可靠的车载运行，就必须针对自研芯片的具体特性，匹配相应的专属参数；否则，单纯依赖外购模型则无法塑造出真正属于企业自身的独特技术竞争力。

谢炎从底层算力调度逻辑的角度进行了补充阐述。他认为，座舱与智驾分别属于两套完全独立的AI任务体系，因此算力基础设施需要实施物理隔离并进行独占分配。如果采用外购的标准化芯片以及配套模型，那么精细化的资源管控就难以实现，高阶自动驾驶所追求的安全确定性也便无从保障。

近两年，舱驾功能一体化正成为汽车电子架构演进中备受关注的发展趋势。高通公司已率先在面向中低端市场的芯片产品中，实现了单芯片集成座舱与驾驶功能的融合方案落地。然而，以英伟达、蔚来以及理想为代表、主攻高阶智能驾驶系统的企业，目前均未采纳这种芯片级的融合技术路线。

谢炎对此提出了明确的判断。他认为，在面向L3、L4级高阶自动驾驶场景的过程中，智能驾驶系统必须配备专属且稳定的内存与计算资源。如果在运行时动态共享算力，就极易埋下不可预估的安全隐患。

在自动驾驶模型研发过程中，针对视觉与语言模块重要性的比较，詹锟对这两大模块的主次定位进行了明确的厘清。车辆自动驾驶的机器智能核心在于视觉模块，它在空间理解、3D空间感知以及环境服务方面表现得更为合理；而语言智能则更多地承担了交通规则解读以及极端复杂场景逻辑推演等方面的辅助监督职能。从更长的产业周期视角来看，L3级及以上自动驾驶将不断放大对车辆类人泛化思考的需求，语言模型在整套系统内的权重将持续提升，与此同时，配套的算力消耗也将同步大幅增加。

詹锟进一步指出，未来主流自动驾驶架构的演进方向，将是视觉-语言-动作（VLA）模型与世界模型的深度融合。在这一架构中，语言能力构成了理解人机交互指令以及构建场景化提示词的核心组件。这也正是理想汽车之所以同步推进自研芯片与车载基座大模型两条业务线并行的核心战略考量。

整车厂商具备优势

车企奔赴具身智能赛道

记者观察到，当前包括小鹏、蔚来、比亚迪、长安以及上汽在内的多家主流车企，均已加速投入具身智能领域的战略布局。其中，小鹏汽车通过协同自研芯片，使其VLA物理大模型得以在多个智能终端间实现适配运行，支撑了模型在本地的独立运算；蔚来汽车则实现了自研智能驾驶芯片与整车AI底座的落地，其所构建的算法框架具备能力，可以复用至工业机器人等跨领域场景；与此同时，比亚迪、长安与上汽则采取了搭建专项实验室的策略，旨在将已趋成熟的车载技术迁移应用，以此降低在机器人研发过程中的成本投入。

在车企向具身智能公司转型的进程中，其估值逻辑正在经历根本性的切换。业内专家指出，传统汽车行业主要依托终端销量数据来确定市盈率与市净率等财务估值，而完成具身智能转型的车企，则将转向由“整车硬件销售”与“智能软件可持续升级服务”所共同构成的双轮驱动商业模式。在此模式下，企业的长期价值将更多地与SaaS科技公司进行对标，因此，目前行业内部对于这套新兴的估值体系，尚未形成成熟或公认的参考案例。

在谢炎与詹锟看来，理想汽车推动转型的深层底气，植根于其构筑的三大长期性结构化优势。首先，通过实施垂直整合战略，企业成功构建起覆盖动态数据流芯片、操作系统以及多模态大模型在内的完整自研闭环，从而构筑起同行难以复制的技术壁垒。其次，随着自研芯片进入规模化量产阶段，其所带来的成本优化效应将逐步释放，能够持续降低整车的硬件成本基础。再者，汽车这一载体天然集成了移动能力与交互能力这两项具身智能所需的核心要素，这使得车载基座模型具备了跨场景复用的潜力，例如可以迁移至人形机器人的研发当中，进而有效拓展了企业的业务边界。

此外，在产业资源层面，车企凭借完整的整车制造产能、覆盖全国范围的线下销售服务网络，以及千万用户日常行驶所持续产出的真实道路数据，得以构建一个源源不断、自我强化的模型迭代闭环。反观那些专注于人形机器人领域的创业企业，由于缺乏成熟的量产渠道、规模化的线下落地场景与稳定的数据供给来源，其商业化进程可能面临显著的周期延长。

然而，转型之路同样面临着现实的挑战。动态数据流AI芯片量产过程中的稳定性、VLA智能驾驶架构在追赶海外头部技术方案时的迭代速度，以及资本市场对于具身智能技术商业化落地价值的认可程度，这三大核心变量将直接决定车企转型的最终成效。由此可见，这场行业竞速的终局已不再是车型销量的比拼，而是演变为智能汽车时代行业标准的定义权之争。唯有掌握了自主可控的底层全栈技术，车企才能拥有掌握产业主导权的关键支撑。

来源：车企竞速布局具身智能新赛道 | 证券时报网