6月15日，理想汽車首屆Livis Day軟件與具身智能發布會現場，理想汽車董事長兼CEO李想舉起馬赫M100芯片說：“給我拍張照片吧，這張照片旁邊最好標上全世界性能最強的AI芯片，要不然網上留下的都是我舉桌子的。”

李想的一句玩笑話，也揭示了理想汽車未來十年的轉型決心：“過去十年，我們創造了一個移動的家。第二個十年，我們會給車和家，賦予生命。”

不做工具，做有生命的智能體

李想認為：“今天的智能手機和智能汽車，都并不是真的智能。它們本質上還是‘功能驅動’的，而不是一個有生命的智能體。”"功能"越加越多，但系統本身并不理解用戶真正想要什么，也不具備自主判斷和決策的能力。

那么，真正的智能汽車應該長什么樣？李想給出的答案指向一個全新的物種——具身智能汽車。在他看來，真正的具身智能汽車必須具備三重屬性：保護人類安全、獨立完成任務、比人效率更高。

傳統智能汽車對安全的定義是“功能安全”，最大的特點是免責優先。在簡單環境里，智駕表現很好，但一旦遇到復雜場景或極端天氣，系統可能會退出。李想對此直言不諱：“在這件事上，從法規上講，完全合規，充分地滿足了功能安全的要求。但是對于人類而言，恰恰是最不安全的。有接近一半的智駕事故，都是發生在接管的一瞬間，駕駛員毫無防備，就要去迎接即將發生的危險。”

他進一步指出：“真正的具身智能，在安全上必須改變邏輯和觀念，必須以保護人為核心，這是一切設計必要的改變和根源。”

在解釋獨立完成任務的能力時，李想指出，今天的智能汽車更多是在調用功能，而不是獨立完成任務。今天所有智駕“從功能上講，只會向前開、向左轉、向右轉”，但還沒有掌握人在復雜場景下的倒車、靠邊停車等能力。真正的具身智能，要全面學習人類的技能，更重要的是必須能夠獨立去完成任務。

在效率層面，傳統智能汽車是“人機共駕、人機協同”。而真正的具身智能，必須做到比人類的效率更高。李想認為：“保護人類安全，獨立完成任務，比人效率更高，這是所有人都想要的智能。”

由此，理想給具身智能汽車下了一個完整的定義：“四位一體”——它是一輛電動車、一位職業司機、一臺AI計算機，也是一位生活助手。“這不是四個產品，這應該是一個產品。這就是理想汽車對于具身智能汽車的定義。”李想解釋道：“電動車和AI計算機就是‘具身’，職業司機和生活助手就是‘智能’。”

對標特斯拉，打出三張底牌

有了“四位一體”的產品定義，接下來的問題是：理想憑什么能造出這樣一輛車？

理想給出的答案，是手握三張核心底牌：理解人類語言的 AI 模型、驅動車輛行動的自研芯片、貫通全域的底層操作系統。

具身智能的大腦由語言智能與機器智能深度融合構成。語言智能由自研馬赫Mind-Pro與馬赫Mind-Edge承載，負責語言理解與邏輯推理。馬赫Mind-Pro推理效率是主流Agent模型的兩倍以上，在Agent專項評測中綜合性能超越多款主流大模型。馬赫Mind-Edge是行業領先的端側原生具身智能體，全天候主動感知、人車交互、自主控車全部在車端本地完成。

提升效率的任務由理想自研的馬赫VLA承載，負責三維視覺感知與軀體動作控制。馬赫VLA的綜合反應速度達到0.28秒，比普通人類駕駛員0.45秒的平均反應速度快約40%，已接近F1車手0.25秒的生理極限。在120km/h速度下，這意味著提前6米完成剎停。截至2026年6月14日，理想全系車型智能輔助駕駛系統累計主動避險超1727萬次。

更關鍵的是能力的“涌現”——馬赫VLA已實現自主倒車讓路、識別交警手勢、應對低矮不規則障礙物等過去難以靠規則實現的場景。

理想汽車基座模型負責人詹錕透露，他上個月在硅谷連續體驗了兩周特斯拉FSD V14.3，回國后“腦子里只剩了兩句話。第一，特斯拉真的太強大了。第二，壓力也真的太大了”。即便如此，他依然宣布，第四季度理想智能駕駛模型將“對齊FSD V14”。

拆掉馮·諾依曼，出一顆“數據流心臟”

馬赫VLA的0.28秒反應速度、1727萬次主動避險、自主倒車和識別交警手勢——這些能力有一個共同的底座：算力。當智駕從“感知”進化到“理解”，座艙從“執行指令”進化到“拆解任務”，算力需求的增長幅度，已經遠超通用芯片的供給增長曲線。如果繼續依賴通用芯片，理想將很快撞上算力天花板。算法、操作系統、芯片之間每多一層“翻譯”，端到端時延就多一分損耗——而0.28秒的成績，正是在毫秒級博弈中摳出來的。

為此，理想選擇從計算架構層面“重新出發”，理想汽車CTO謝炎說得很直白：“不能只是造比過去更快的芯片，而是必須造一種完全不同的芯片。”理想自研的全球首款動態數據流AI芯片——馬赫M100因此誕生。

馬赫M100從2022年正式立項，歷經三年半打磨，于2026年5月實現量產上車。采用5納米車規級工藝，單芯片算力1280TOPS，實際運行效率超過82%。理想汽車CTO謝炎強調：不能只造一顆比過去更快的芯片，而是需要造一種完全不同的芯片。

這個“不同”指的是芯片架構。傳統馮·諾依曼架構用指令隊列驅動計算，需要海量晶體管承擔管理開銷。而AI計算天然是并行的，理想因此拆掉中央式指令隊列，讓數據流動驅動計算。馬赫M100超過一半的芯片面積留給了神經網絡處理器，由56個計算單元構成。

在性能對比中，馬赫M100與英偉達Thor-U在CNN骨干網絡、UniAD和馬赫VLA模型測試中全部取得數倍性能領先。更驚人的是通用AI能力——理想在馬赫M100上部署了千問大模型，與售價4萬元的英偉達DGX Spark桌面超算對比：Prefill速度是后者的2.7倍，Decode速度是后者的1.5倍。“這是一個裝在車里的芯片，比一臺4萬塊的桌面超算跑得更快。”

隨著馬赫M100上車，理想打通了芯片、編譯器、操作系統、AI算法、域控制器的全棧自研。謝炎說：“馮·諾依曼架構用七十年推動了通用計算的輝煌。今天，我們以馬赫M100為起點，希望用數據流架構，接過歷史的這一棒，繼續推動AI計算再輝煌七十年！”

告別“移動的家”，理想切換兩條新“跑道”

2026年，Livis具身智能系統將在7月、9月和12月迎來三次OTA成長里程碑：7月智駕效率整體提升30%；9月實現全場景自主倒車；12月端到端反應速度達到0.2秒，比人快56%，安全和效率全面超越人類。

三年時間，李想把這家公司的底層敘事從造車切換到了造AI。事實上，這場轉型從更早的時候就已經啟動。2026年1月，李想召集了一場近兩小時的線上全員會，會議主題并非車輛產品規劃或銷量目標，而是分享AI趨勢判斷、布局人形機器人。他在會上明確提出，公司要從“創造移動的家”轉向具身智能領域。面對外界“不務正業”的質疑，李想此前回應稱：“我相信大家看完發布會后，會認為我們‘極務正業’。”

2026年一季度，在行業普遍收縮的背景下，理想研發費用逆勢同比增長8.3%至27億元，全年預計投入約120億元。李想在發布會上將AI研發投入拉高到全年預算的50%。

理想汽車正在完成一次深刻的身份轉變。具身智能汽車的時代是否已經到來，或許還需要時間檢驗。但至少，理想汽車已經給出了自己的答案——而且是一份從芯片到操作系統、從模型到OTA的全棧答卷。