理想汽车再进化，“全栈”是超越特斯拉的唯一路径

AI时代，人类需要给AI一个更大的舞台。

文｜刘俊宏

“今天的智能汽车不是智能，而是功能驱动。”理想汽车创始人、CEO李想在发布会开场就语出惊人。

李想的逻辑其实很简单，一直以来行业定义的智能汽车是基于软件定义硬件、实时联网、可持续升级的三件套。这本质还是一堆被调用的功能，根本没法体现智能。

作为对标，李想用之前的智驾来证明了这一点。例如在安全上，传统智驾在遇到不会的问题就“撒手不管”，等着人来介入。在效率上，智驾在复杂区域开得太慢，让人着急。在能力上，传统智驾本质上都是驾驶指令的组合，不能真正思考驾驶策略。

对于什么是真正的智能汽车，李想给出了一个定义：是一辆电动车、一位职业司机、一台 AI 计算机、一位生活助手。它要保护人类安全，能独立完成任务，并且比人类更高效。

为了更深入了解理想汽车智能化的细节，光锥智能也采访到了理想汽车CTO谢炎、理想汽车基座模型负责人詹锟。从技术细节，到落地实践，我们看到了理想再次走进了全新的智能化“无人区”。

座舱、智驾再进化，理想要汽车AI超越人类？

理想的智能化升级，主要体现在两个方面：马赫VLA（智驾）和理想同学Agent（智舱）。

在座舱里，Agent能将一个“大任务”拆解，并自行调用工具，再整合结果再输出。理想现场演示了一个极其复杂的语音命令：用户要求规划燕京八景的路线。

看起来，这像是需要AI分别对8个景点的路线进行“连线”，但实际输出结果非常震撼。AI在自行搜索中看到了一些景点暂时关闭，也看到了一些景点因为时间问题来不及去，所以生成了现实更可执行的游览方案。

这背后体现的就是Agent的“代位思考”能力，因为按照传统的AI座舱执行的话，根本不会考虑方案可行性。

随后，理想还展示了一个更符合家庭场景的演示：先给车机介绍了几个地点，然后打乱顺序指定先后到达顺序，最后再去一个指定地点。可以看到，理想汽车能够正确理解，并且成功规划出了一条导航路线。

这一演示的震撼之处在于，理想座舱不仅能够理解堪比“贯口”长度的文本输入，同时还能梳理出“三段式”指令的上下文相关性。

在智驾环节，理想则是先回顾了一下过去智驾的“战绩”。截至6月14日，理想辅助驾驶系统累计规避安全风险17273307次，其中重大避险55671次。

保障安全，背后离不开智驾的反应能力。现场詹锟播放了几段智驾视频。其中大部分都是应对道路突发状况，例如鬼探头。最惊险的一段是高速上有一辆侧翻的车辆。当时汽车行驶速度为120，车机画面里只能看见一个灯，根本无法判断前方是什么，距离有多远。但理想智驾仍能正确触发AEB，不需要人类接管，智驾在减速之后就绕开了。

这一反应速度与适应能力背后，是整个智驾技术架构的优化。

根据介绍，理想的新一代马赫VLA架构，系统视觉输入时延降低47%，模型推理时延降低43%，底盘响应降低38%，操作系统调度降低28%，整体端到端时延降低40%。技术原理上，理想是把传统智驾的感知-预测-规划模块化结构，统一成了一个原生多模态MOE大模型。同时用3D VIT替代传统的感知方案。简单来说，就是智驾数据流的计算流程少了，反应自然就快了。

据了解，马赫VLA系统的端到端反应时延压到了0.28秒。普通人平均反应时间0.45秒，F1车手极限0.25秒。这意味着120km/h的速度下，这多出来的零点几秒相当于提前约6米完成刹停。

那么，全新的汽车智能什么时候能上线？

理想预计，7月，智驾效率整体提升30%，出行导游Agent正式上线；9月，类人倒车能力上线，汽车智能可以自己开车库门，Agent能连接手机电脑操作飞书、微信；12月，安全和效率超越人类，反应速度提到0.2 秒超过F1车手。

要实现这一计划，理想需要搭建一套从芯片、模型到操作系统的全新智能底座。

做更好的AI，需要一个更大的技术舞台

理想认为，上一代智能汽车的问题不在某个具体模块，而是它的底层架构没有为AI考虑。

为了释放能力上限，理想认为，需要将芯片、算法、智能化架构全部升级一次。

芯片：拿掉冯·诺依曼的“翻译层”。

四年前，理想决定自研芯片。理想汽车CTO谢炎与李想达成一个共识：“自研不是为了证明自己，而是真正解决问题。”

从头再来，理想扔掉了对所有传统架构的依赖。

发布会上，理想终于披露了马赫M100芯片的具体细节：

硬件参数上，马赫M100 Ultra采用5nm车规级工艺，单芯片算力1280TOPS。为了给AI原生算法加速，理想使用了数据流架构，重新定义芯片内部细节，这使得马赫M100的实际算力利用率超过82%。

谢炎介绍，之前计算芯片最经典的是冯·诺依曼架构，但是这一架构会将30%的晶体管用在缓存一致性、指令重排序、分支预测上。这些设计的原因，本质上都是为了让人类编程更方便。理想采用的数据流架构，则是回到计算的本质——用编译器显式编排数据搬运与时序，用更AI的方式来计算AI。

谈及两边架构的差异，谢炎介绍说，“冯诺伊曼架构是为了适应人类的思考，把计算抽象成顺序的指令，这样人可以一步步做推理。而数据流是大规模的并发，多条数据流同时进行，它不仅在时间上往前推，在空间上也要布局，叫时间空间编译。再加上我们没有指令顺序，基本上是用消费者-生产者的模式，大量的消费者和生产者在同步进行，这需要完全不一样的编译框架。”

简单来说，就是理想在这颗芯片上“彻底想明白了”。

如果说之前的芯片计算架构还依赖中央处理器拆解大任务，然后“分发”，主打什么都能做，那么数据流架构就是一条“天然适配”的生产流水线，这就是专用工具对通用工具在效率层面上的“降维打击”。

对于这种思路改变，谢炎还引用数据流鼻祖Jack Dennis的话：“现在计算机分工太细了，硬件的人不懂软件，芯片的人不懂编译器，软件的人不知道硬件怎么工作。当你同时看到硬件与软件，本质就是计算机完整的图景，当你看到所有东西时，你可以创造更大的创新。”

感知：从BEV到3D ViT，AI真正“看懂”物理世界

在智能驾驶的视觉感知层面，理想在行业主流的路线上更进了一步。

传统智驾系统多用BEV（鸟瞰图）表达环境，但詹锟指出其根本缺陷：“拿BEV来表达的问题是，如果我没有定义什么是沟和坑，对下游决策来说就缺少了这个信息。”

换句话说，之前的技术方案只是让汽车看到外部环境，但没有达到“看懂”这一维度。

理想的解法是3D ViT（三维视觉Transformer）。从技术原理上说，3D ViT是一种针对三维空间的建模方式。这种方式能够向智驾系统输入更丰富层次的信息，除了理解环境的3D结构外，还能理解3D物体的属性、纹理、类型，由于建模结合了视觉，现在它还能看到颜色。

本次技术方案的进化，本质上还是人类“放下执念”：少一点人为的规划，多一点AI原生的架构和计算。

詹锟解释说，“以前大家熟知的‘The Bitter Lesson’（苦涩的教训），是指机器不要加任何人为先验，用数据训练，一定做得比人更好。现在最新的理念是‘Vision Bitter Lesson’（视觉苦涩教训），就是怎么判断你的视觉表征好不好？看你有没有做出对应的动作——你绕过了这个沟，才能证明你理解了这个沟。我们通过构建一个非常好的三维空间表征标准，让下游把动作真正理解好，这样视觉能力就得到了充分展现。”

计算架构：不认可“舱驾一体”，“舱”和“驾”需要各自的专业性

2026年，舱驾一体成为智能汽车行业的最新趋势。

舱驾一体具备两大优势：一是降本，当智舱和智驾的两块芯片合并成一个，直接减少一块芯片的成本；二是舱驾一体后，统一的中央架构可以让AI在两个智能化系统中无缝流转，用语音指令就能直接控制智驾。

但对于这一趋势，理想还有自己的判断。

谢炎表示：“舱和驾是两个独立系统。特别是L3升L4，智驾需要一个更高确定性的系统，内存是专属、计算资源是专属，这时，融合的意义就小了很多。因为资源不能实时切换，否则会降低确定性。”

理想认为，车内需要有一个AI计算中心。

谢炎解释：“就像笔记本上跑OpenClaw一样，AI的计算不在笔记本上，而是在Token Provider Server（Token生产服务器）上，车里也类似，有一个Token Server。”这个设计的优势在于效率非常高，且能做到不同任务互相隔离、互不影响。智驾任务的确定性——无论是内存还是带宽，能够保证不被其他任务干扰，这是软件和硬件一起设计才能实现的。

可以看到，理想的AI研发处于人类进一步“放开手脚”、让AI更自由“闯荡”的阶段。这种路线也是整个AI大模型时代的缩影（例如Scaling Law对精巧模型的冲击）

向前一步，理想的智能研究再次踏入了无人区。

“全栈”是超越特斯拉的唯一路径

走进无人区不是盲目前行，而是看清谁在领先后，选择自己认定的路。

采访之后，光锥智能有一个清晰的感受：在中国智能汽车产业“变着花样”对标特斯拉的今天，终于有玩家真正理解了特斯拉的“强大”。

在发布会台上，李想很坦诚地说：“特斯拉真的太强大，压力也真的太大。”但他紧接着说：“只有真正把目标对准最高，才有机会超越特斯拉。”

实测特斯拉FSD V14.3之后，詹锟认为，特斯拉在两方面建立了壁垒：

第一是它的基础体验非常扎实。

“安全感非常足，效率很好，舒适度很好，这是它的基本功。”詹锟说，“我不一定跑很难的路，但这些基本功可以达到这个水平。”

第二是在各种细节上的独家能力。

“特斯拉会礼让特殊车辆，有极窄通行时的感知精准度，它会识别交警指挥，这些能力非常强。”

对于能否追平特斯拉FSD，詹锟很有信心，“在基础体验上，需要我们拥有一个非常好的评价体系。我们希望从自己的测试团队和产品团队开始，跟用户和媒体一起想，怎么去评价我们的模型——它的安全感、舒适和效率怎么平衡。这里有很多方法，我们很有信心可以追上FSD V14的水平。再加上我们芯片性能还没完全释放，我们可以效率更高、反应更快。”

在更加深入了解技术之后，理想也看到了“全栈”是超越特斯拉的唯一路径。

追赶的前提是先建立起别人无法快速迁移的壁垒。詹锟直言：“全栈才能建立真正的护城河。你的算力、芯片、基础设施能不能完全统一在自己的可控范围内，这很重要。如果你只有算法优势，中美之间的人才流动很快，很容易被迁移。但如果你是全栈的，迁移成本很高，也很难。”

但全栈自研的背后，也意味着理想需要付出超出想象的艰辛。

“你愿不愿意把精力投入到苦功夫上，这是护城河。哪些是苦功夫？比如精细地洗数据。这里有很多细节，这些细节并不高大上，但这些一点一滴的细节才能形成护城河。”詹锟说。

结语

AI的每次爆发都给人一种启示，旧的架构里诞生不了新王。

走进智能的无人区，光喊口号不够，必须换一套底层架构、换一种做事方式、换一个追赶目标。

或许，理想在本次Livis Day上，李想手上那本《停车艺术》既是一个自嘲的彩蛋，也是一个技术路线的隐喻。当智能真正发生时，那些曾经需要人类技巧才能完成的事，会变得越来越“艺术化”。

AI时代，人类需要给AI一个更大的舞台。