首页 > 科技数码 >车企自研芯片潮理想发布5nm芯片称全流程落地能力是关键

车企自研芯片潮理想发布5nm芯片称全流程落地能力是关键

来源：互联网 2026-08-03 10:54:11

理想汽车发布5nm马赫M100芯片，为全球首款数据流AI芯片，单颗算力1280TOPS。自研芯片旨在解决供应商无法攻克的技术难题，全流程落地能力是关键，需自主掌控芯片设计与软件迭代。

理想汽车CTO谢炎在近期一次采访中分享了一个核心观点：当前时代，如果只专注于自研模型而不涉及芯片研发，当遇到需要芯片与模型联合设计才能解决的难题时，将束手无策，尤其是面对重大创新机遇时。这一论断的底气，来源于理想汽车刚刚发布的马赫M100芯片。

在理想汽车的软件与具身智能发布会上，CEO李想亲自展示了这颗芯片，并半开玩笑地表示，赶紧拍照留念，以免网上留下的都是他举桌子的画面。他还特意强调，要在照片旁标注“全世界性能最强的AI芯片”。

长期稳定更新的攒劲资源： >>>点此立即查看<<<

车企自研芯片潮理想发布5nm芯片称全流程落地能力是关键

车企涉足芯片制造已非新鲜事，但每次都会面临“是否不务正业”的质疑。面对此类疑问，李想的回应十分干脆：自研芯片并非为了证明技术实力，也非盲目跟风烧钱，而是为了解决一个实际痛点——让AI在物理世界中真正高效运行，攻克供应商当前无法解决的技术难题。

“全球首款数据流AI芯片”

谢炎介绍，马赫M100采用5nm工艺，单颗算力达到1280 TOPS。更重要的是，它被称为全球首款数据流AI芯片，这意味着没有任何现成IP可供参考。其相关论文甚至入选了计算机体系结构领域顶级学术会议ISCA 2026工业分区，同期入选的还有谷歌、美光、Meta等头部科技企业。

“它不只是一颗更快的芯片，而是用完全不同的思路建造了一栋完全不同的房子。”谢炎比喻道，传统冯·诺依曼架构就像一个大厨房，由总厨统一指挥分配任务。人少时还能应对，一旦规模扩大，总厨便成为瓶颈——有人闲置等待指令，有人忙碌却得不到资源，效率被中心化调度严重限制。GPU架构稍作改进，将一个大总厨拆分成多个小厨，每个小厨指挥一组人，并行度提升，但本质上仍是指令驱动，各组之间资源无法灵活共享。

而数据流架构的做法更为彻底：直接取消总厨。厨房里的人不再等待指令，而是当自己所需的食材（数据）到达工位时立即开工，完成后直接将成果传递给下一个人。这种模式在计算规模巨大时，效率优势尤为明显。

从研发节奏看，理想汽车于2024年敲定自研方向，年底正式立项，历时四年完成全流程研发。2026年，这颗芯片将随新一代L9 Livis车型全系标配装车。值得注意的是，理想并未像许多企业那样在流片成功后急于官宣，而是待完整通过全车规验证、全车型适配之后才正式发布。从一开始，就没打算“为了自研而自研”。

“做一颗芯片和做一颗领先的芯片，难度是不一样的”

在接受采访时，谢炎反复强调一个观点：自研芯片最大的风险，从来不是“造不出来”，而是造出来却不领先。一旦不领先，企业投入的资金便等于打了水漂。这也是他最不愿看到的结局。“做一颗芯片和做一颗领先的芯片，难度完全是两码事。”

近年来，国内头部车企集体杀入芯片自研赛道，造芯似乎已成为行业标配。车企扎堆做这件事，不仅是为了供应链自主可控，也不只是为了打造差异化智能化体验。成本和长期迭代的考量同样关键——随着规模效应显现，自研芯片能大幅降低单车算力硬件的采购成本；而外购芯片的迭代周期固定，车企只能被动等待供应商升级硬件，自研模式则能让芯片与算法同步迭代，延长车辆整体生命周期价值。

在谢炎看来，车企造芯，最终比拼的是全流程落地的能力。他提出了四个核心评判指标，用于判断一家车企的自研芯片是否真正可行：

第一，这颗芯片能否在所有车型上适配搭载，而非仅在小众车型上小批量装点门面；第二，能否快速上车、快速量产；第三，能否稳定运行最新模型并真正部署到车上；第四，是否具备持续迭代能力——而非只搞出一代芯片就终止。

“做一代芯片说明不了问题，最终要看能否做出第二代、第三代。很多公司只做了第一代，第二代就不做了。还有些公司可能只是买个IP就说自己自研了。”他补充道。

当前，芯片后端相关工序已相当成熟，可借助外部资源推进。但谢炎认为，要造出能量产且性能领先的芯片，核心的芯片设计与配套软件开发两个环节必须牢牢掌握在自己手中。“如果你连软件都外包给别人，那你根本不可能迭代芯片性能。”他说得很直接。

在他看来，企业自研芯片还有进一步纵向深挖的空间。光是做好芯片设计、将GDS2（版图数据库）交给晶圆厂流片，还远远不够。想要长期领先，还需与封装厂开展联合设计，推进垂直整合。“有些技术不仅仅是货架商品，别人提供了你就能用。你必须深入到封装制造那个层面去，才能真正领先。我们不会停在这里，肯定会越做越深。”

侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述