11月17日,理想汽车带着已经量产上车的马赫M100芯片,出现在台积电OIP开放创新平台生态系统论坛上。这个论坛聚焦芯片设计、EDA和先进制程,往年登台者多为Google、meta等基础设施负责人,今年同台企业包括博通、瑞萨电子和SK海力士。理想由此成为该论坛举办以来唯一进行特邀演讲的中国大陆企业。
对普通消费者而言,芯片参数并不直观。销售口中的TOPS数字再多,最终仍要回答一个朴素问题:自研芯片能不能让辅助驾驶少一点迟疑,多一点果断。理想给出的答案,落在马赫M100的底层架构上。

智驾在复杂路口表现得像新手,既有模型局限,也受计算效率牵制。摩尔定律放缓后,AI大模型的海量并行计算撞上冯诺依曼架构的内存墙。数据频繁在计算单元与内存之间搬运,芯片真正用于计算的占比被压低。
行业常见做法是在传统架构上增加专用加速单元。理想在2022年立项马赫M100时,选择动态数据流架构,让数据进入片内后直接流向下一处理环节,通过环形与网格双互联总线分派给下游单元,减少往返内存的开销。它同时保留软件可编程性,以便适应不断变化的AI模型。
Alan Kay有句名言:真正在乎软件的人,应该自己制造硬件。理想把算法和芯片团队放在同一套协作框架里,从第一天起做软硬一体联合设计。马赫M100采用5nm车规级工艺,单颗算力1280 TOPS,算力利用率超过82%。
在35B规模的Qwen3.5-35B-A3B模型上,马赫M100的预填充速度达到英伟达DGX Spark的2.7倍,解码速度为其1.5倍。今年初,其架构论文与Google、meta的成果一同入选ISCA 2026工业分区。理想是该分区设立以来全球首家入选的车企,上一家入选的中国公司是2025年的DeepSeek。
智驾的另一重难题,是如何像人脑一样兼顾直觉反应与深度推理。卡尼曼在《思考,快与慢》中提出系统1和系统2,开车时二者并非割裂,而是手眼脑协同。VLA大模型被行业寄予厚望,正是为了让车辆具备更多预判能力。
过去,复杂三维空间理解与多步逻辑推演同时运行时,数据搬运容易拖慢响应,车就算算明白,也可能错过路口时机。今年5月,马赫M100随全新理想L9等车型量产上车;11月6日推送的OTA 9.2中,理想上线马赫VLA 2.5,并把自研原生三维视觉编码器3D ViT搬上车端。
3D ViT在视觉编码阶段融合三维空间几何与语义信息,把空间结构、位置关系和物体类别连续处理,不拆包、不拼接。这种连续海量数据处理方式,与马赫M100的流水线直达架构相匹配。基于该算力底座,3D ViT引入前馈式3DGS三维高斯泼溅,将静态环境与动态物体分别建模,并通过下一帧预测进行自监督学习。
反映到感知指标上,车辆前向感知距离达到300米,具备等效1080线分辨率的像素级感知,动态视力提升50%。在理想的技术体系中,全线控底盘可比作手脚,VLA可比作大脑,3D ViT可比作眼睛,马赫M100则是持续输出算力的心脏。
这套体系并不只面向汽车。马赫M100从设计之初就指向能运行大语言模型、Agent与复杂视觉推理的端侧通用AI芯片,也可匹配具身智能产品。今年10月,理想芯片子公司马赫心完成16.25亿元纯股权融资,投后最大估值达171亿元。随着马赫M100以及碳化硅模块等自研核心部件推进对外供应,理想正把自研能力延伸到物理AI产业链中。