当前，国内汽车产业正迎来结构性变革，小鹏、蔚来、理想等车企集体放弃外购供应链模式，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，理想近日发布全栈自研量产技术体系，覆盖车规级AI芯片、车载基座大模型、VLA自动驾驶架构。理想汽车首席技术官谢炎、基座模型负责人詹锟接受了中国证券报记者的深度访谈，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，详解整车企业转型具身智能科技公司的落地路径与底层思考。
另辟动态数据流新赛道
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，谢炎用一句直白比喻点破行业突围逻辑。彼时英伟达Orin芯片牢牢占据智驾芯片主流市场，海外巨头数十年的技术积淀难以逾越，跟随成熟路线只会持续陷入追赶，动态数据流架构就此成为理想选定的差异化破局路径。
基于此背景，马赫M100芯片自2022年11月立项，历经流片、回片验证，仅用三年半便在2026年5月实现量产上车。其单芯片算力达1280TOPS，运行效率突破82%，算力密度大幅领先Orin-X与更新的Thor-U。全新Livis搭载双芯方案，整机总算力达到2560TOPS。
值得一提的是，不同于传统冯·诺依曼指令驱动架构，动态数据流架构以数据流转为核心，剔除指令翻译带来的计算损耗。这条路线全球商业化案例稀缺，国内暂无同等规模落地项目作为参照。
硬件底座成型后，马赫Mind系列基座大模型、马赫VLA智驾架构同步完成适配闭环。新一代马赫VLA大幅放大模型训练规模，模仿学习、强化学习规模分别提升50%、15倍，参数量与计算量同步扩容10倍、15倍。
芯片研发绝非硬件团队单打独斗。谢炎对记者表示，理想内部推行常态化协同研讨机制，算法、软件、模型团队全程同步参与研发，软件工程师可直接向硬件端输出场景化需求，为软硬件原生适配筑牢基础。
根据规划，今年三季度，搭载Orin、Thor平台的老款AD Max车型将推送新版VLA系统，四季度理想汽车整车智驾综合能力将全面对标特斯拉FSD V14。詹锟坦言，国内智驾第一梯队内部差距持续收窄，但行业整体与特斯拉的鸿沟并未明显缩小，全栈自研正是缩短差距、构筑独家护城河的核心抓手。
直面行业核心议题
拆解具身智能底层技术
对于大模型车载的落地路径，市场中长期存在一种论调，车企无需耗费重金自研基座大模型，直接采购通用大模型做轻量化裁剪，便可满足车载智能交互需求。对此，詹锟给出了清晰的判断：“决意深耕具身智能的车企，基座模型是必须攥在手中的核心资产。”
在詹锟看来，云端通用大模型仅能作为技术参考，想要稳定装车运行，必须针对自研芯片匹配专属参数，单纯外购模型无法塑造独属于自身的技术竞争力。
谢炎从底层算力调度逻辑进一步补充道，座舱、智驾分属两套完全独立的AI任务体系，算力基础设施需要物理隔离、独占分配。外购标准化芯片与配套模型很难实现精细化资源管控，高阶自动驾驶追求的安全确定性自然无从保障。
近两年舱驾一体是行业持续热议的风口方向，高通已率先在低算力芯片落地单芯片融合方案，但英伟达、蔚来以及理想这类主攻高阶智驾的企业，均没有选择芯片融合路线。
谢炎对此有着明确判断，他认为，面向L3、L4级高阶自动驾驶场景时，智驾系统需要专属且稳定的内存与计算资源，在运行过程中动态共享算力极易埋下不可预估的安全隐患。
谈及自动驾驶模型研发中视觉与语言孰轻孰重？詹锟厘清了两大模块的主次定位，车辆自动驾驶的机器智能核心是视觉，它对空间理解、3D空间的感知、环境服务更加合理；而语言智能更多承担交通规则解读、极端复杂场景逻辑推演的辅助监督职能。拉长产业周期来看，L3级及以上自动驾驶会持续放大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抬升，配套算力消耗也会同步大涨。
詹锟补充道，未来主流自动驾驶架构都会走向VLA与世界模型融合的形态，语言是理解人机指令、搭建场景提示词的基础，这也是理想同步加码自研芯片与车载基座大模型两条业务线的底层动因。
整车厂商具备优势
车企奔赴具身智能赛道
记者观察到，目前小鹏、蔚来、比亚迪、长安、上汽等车企均在加码具身智能布局。其中，小鹏VLA物理大模型实现多终端适配，配套自研芯片支撑本地大模型运算；蔚来落地自研智驾芯片与整车AI底座，算法可复用至工业机器人；比亚迪、长安、上汽搭建专项实验室，迁移成熟车载技术以降低机器人研发成本。
车企转型具身智能公司，估值逻辑正在发生怎样的切换？专家表示，传统汽车行业依托终端销量确定PE、PB估值，完成具身智能转型的车企将转向“整车硬件销售+智能软件持续升级”双轮驱动模式，长期价值对标SaaS科技企业，这套估值体系目前行业尚无成熟参考案例。
在谢炎与詹锟的判断中，企业转型的核心底气来自三大长期优势：其一，垂直整合搭建完整自研闭环，覆盖动态数据流芯片、操作系统、多模态大模型，形成同行难以复刻的技术壁垒；其二，自研芯片规模化量产后释放成本优势，持续降低整车硬件成本；其三，汽车天然承载移动、交互两类具身核心能力，车载基座模型还可跨场景复用至人形机器人研发，拓展业务边界。
此外，在产业资源上，车企手握完整整车制造产能、覆盖全国的线下销售服务网络，以及千万用户日常行驶持续产出的真实道路数据，构建起源源不断的模型迭代闭环。反观聚焦人形机器人的创业企业，缺少成熟量产渠道、规模化线下落地场景与稳定真实数据供给，商业化落地周期可能被大幅拉长。
不过，转型赛道同样布满现实挑战，动态数据流AI芯片量产稳定性、VLA智驾架构追赶海外头部方案的迭代速度、资本市场对具身智能商业化落地价值的认可程度，三大核心变量将直接决定车企转型的最终成败。可以看出，这场行业竞速的终局已然不是车型销量比拼，而是智能汽车时代行业标准的定义权之争，自主可控的底层全栈技术，才是车企掌握产业话语权的核心筹码。
创元网提示：文章来自网络，不代表本站观点。
