在理想汽车举办的软件与具身智能发布会上，CEO李想提出了一个引发行业热议的新概念：具身智能汽车是集电动车、职业司机、AI计算机与生活助手于一体的创新形态。这一定义不仅重新定义了智能汽车的边界，更将行业竞争维度从硬件性能延伸至系统级智能生态。
支撑这场战略转型的核心技术矩阵，由自研芯片马赫M100、基座大模型马赫Mind系列及自动驾驶VLA架构构成。其中，马赫M100作为全球首款量产动态数据流AI芯片，采用5nm车规级工艺，单芯片算力达1280TOPS，运行效率突破82%。相较于英伟达Orin-X的254TOPS算力，这款芯片在算力密度上实现代际跨越，为理想L9 Livis车型提供2560TOPS的整机算力支撑。
研发团队突破传统计算架构桎梏，选择数据流架构作为技术路线。这种源于六十年代的计算思想，通过消除人类编程的中间转换环节，直接构建数据驱动的计算体系。项目负责人透露，该架构研发历时三年半，经历从理论验证到车规级量产的完整周期，其间与Groq、Cerebras等国际团队形成技术路径分野。
在芯片设计过程中，跨部门协作机制发挥关键作用。算法、软件、模型与硬件团队采用"篝火会议"模式，软件工程师可直接参与硬件规格定义。这种组织创新确保芯片架构与上层算法形成深度耦合，例如针对VLA架构的实时计算需求，专门优化内存访问延迟与计算单元调度策略。
自动驾驶领域，理想计划通过马赫VLA系统实现技术跃迁。2026年第三季度，AD Max用户将接收全新系统推送，第四季度整体智驾能力将对标特斯拉FSD V14。技术升级包含四大维度：模仿学习规模扩大50%、强化学习规模提升15倍、模型参数量与计算量同步增长10倍。特别值得关注的是3D ViT感知模型的引入，使系统可视距离提升50%，激光雷达与视觉信息的融合精度达到新高度。
关于自动驾驶技术路线，团队明确视觉主导的多模态融合方向。基座模型负责人指出，3D空间感知与环境理解必须以视觉为基础，语言模型则承担指令解析与规则理解功能。这种架构设计既避免纯视觉方案的场景局限性，又防止语言模型过度干预实时控制流程。随着L4级自动驾驶需求增长，语言模型的类人推理能力将愈发重要，预计带动算力需求呈现指数级上升。
在基座大模型领域，理想同步推出马赫Mind-Pro与马赫Mind-Edge双版本。前者在指令跟随、长文本处理等基准测试中跻身行业前列，后者针对边缘计算场景进行优化。研发团队强调全栈自研的必要性：云端通用模型与车端专用模型存在本质差异，后者需要针对芯片算力、内存带宽等参数进行深度裁剪，这个过程中后训练环节的技术积累至关重要。
针对行业热议的舱驾融合技术，理想给出差异化判断。技术团队认为，L3/L4级自动驾驶需要确定性计算资源，强行融合舱驾系统反而可能降低安全性。当前操作系统尚不支持动态资源分配，因此更倾向于采用多芯片紧密集成方案。这种技术选择解释了为何大算力平台普遍放弃单芯片融合路线，而高通8650等低算力方案仍在尝试基础集成。
资本市场的估值逻辑重构同步启动。公司管理层指出，具身智能公司的价值评估应包含技术壁垒、成本优势与场景扩展三个维度。垂直整合的芯片-模型-系统闭环构成核心护城河，自研芯片带来的BOM成本下降将在规模化阶段显现。更关键的是，汽车座舱的交互能力、自动驾驶的移动能力与未来机械臂的操作能力，共同构成向通用物理机器人演进的技术基座。
