上半場贏在產品，下半場贏在底層。

定焦One（dingjiaoone）原創

作者 | 陳頤

編輯 | 方展博

6月15日，理想舉辦了一場發布會。主角不是車，是“AI怎么走進物理世界”。

在“Livis Day理想汽車軟件與具身智能發布會”的演示環節，理想空間智能產品經理呂怡然對著車說了句：后排小朋友困了，幫我哄他睡覺吧。

話音剛落，車里的燈暗了下去，歡快的歌換成了搖籃曲，空調風量調到最輕的一檔，座椅緩緩放平；主動懸架也配合著伸縮，讓整個車左右緩慢搖晃起來。整個車廂，從可以開party的氛圍，變成了適合嬰兒入睡的地方。沒有人翻菜單、點按鈕，理想的具身智能系統Livis聽懂了這句話，把這一切做完了。

這一下看著輕巧，其實并不容易。AI現在能幫我們寫代碼、做圖、做視頻，可一旦要它走出屏幕、到真實世界里干點活，難度完全不是一個量級。就拿開車來說，我們現在還是要自己開、自己停、自己在復雜路口判斷交警的手勢。

李想在臺上拋出一個觀點：今天的智能手機和智能汽車，其實都不智能，它們本質上還是功能驅動的，不是真正的智能體。

那么問題就來了，AI要走出屏幕，第一站會落在哪兒？

理想的答案是汽車。想一想很合理：汽車每天在真實道路上跑，要感知、要決策、要控制；支撐一輛車的感知、模型、芯片、控制和操作系統，恰恰是通用人形機器人的技術底座。而在所有機器人形態里，只有汽車，已經是一個萬億級的付費市場。

一位關注汽車產業的投資人告訴「定焦One」，他現在評估一家車企，只看一件事：AI能力，具體說就是芯片、系統、模型這三層，掌握得越多，未來的天花板就越高。在他看來，誰先在車這個平臺上，把全棧技術跑通，誰就先拿到了AI時代最重要的一張入場券。

而理想從2021年星環OS立項，到2022年自研芯片啟動，再到2023年大模型立項，這張牌已經打了五年。

01.今天的智駕，到底差在哪？

李想說今天的車不智能，那在他眼里，什么才算智能？

他給“真正的智能”下了定義：真正的具身智能汽車，得同時是四種角色，一輛電動車、一位職業司機、一臺AI計算機、一位生活助手。其中，電動車和AI計算機是“具身”，職業司機和生活助手是“智能”。

對照這個標準，行業過去對“智能汽車”的那套定義（軟件定義硬件、能聯網、能OTA升級）講的全是功能，離真正的智能體還差得遠。

具體差在哪，從普通車主的體感說起，主要是三個維度。

先說安全。今天的智駕，遇到復雜的、沒見過的場景，標準動作是退出，把方向盤丟回給你。這在法規上完全合規，但對人來說恰恰是最危險的時刻。李想表示，接近一半的智駕事故，就發生在接管的那一瞬間，駕駛員毫無防備。

再看能力。今天的智駕，本質只會三件事：向前開、向左轉、向右轉。李想在現場問觀眾：你對哪輛車的智駕倒車能力是滿意的？沒人舉手。它既不會像人一樣在窄路里倒車騰挪，也不會在遇到危險時，自己找個地方靠邊停下。

最后是效率。你最不愿意在什么時候用智駕？趕時間、走胡同的時候。因為這些時候，“你得時刻盯著隨時準備接管”，其實比自己開還慢、還累。

安全、能力、效率上的差距，根源在于：今天的智駕系統能“看見”，但感知層沒有理解“語義”的能力。

激光雷達的線數，從128線堆到512線，但它看不懂紅綠燈的顏色、路牌上的“前方施工”，也看不懂保安的手勢。感知層看不懂，在決策層再怎么堆數據、調參數，上限都不高。所以這不是靠“堆數據、調參數”能解決的，這是一個架構問題。

理想的解法，正是從架構下手的。

感知層，它首次讓3D ViT（三維視覺感知模型）上了車。簡單說，就是實時把場景里每一個對象，在三維空間里的位置、姿態、動作甚至是顏色都建出來，讓系統從“看見”進化到“看懂”。現場演示時，3D ViT把臺下全場觀眾的姿態，瞬間還原成了一個三維世界，連后排的文字都能讀出來。

決策這一層，理想把整套智駕架構推倒重來，推出了馬赫VLA（視覺-語言-行動大模型）。過去，感知、決策、執行分屬不同模塊，中間要“交接”，一交接就有延遲；現在，從“看見”到“決定怎么開”，都在同一個大模型里，一氣呵成。

底層架構的重構，讓鏈路短了，反應速度提快到了0.28秒。普通人從發現危險到踩下剎車，平均要0.45秒，頂級F1車手的生理極限是0.25秒，0.28秒已經逼近人類極限了多出來的這0.17秒，在120公里時速下，等于多出約6米的制動響應距離，差不多是一輛勞斯萊斯幻影的車長。

理想汽車基座模型負責人詹錕

馬赫VLA對標的是特斯拉。理想汽車基座模型負責人詹錕承諾，今年第四季度，理想的智駕模型要對齊FSD V14。

在發布會上，詹錕提到，自己上個月飛了趟硅谷，把特斯拉最新的FSD V14.3連著開了整整兩個星期，兩點感受：第一，特斯拉真的太強大了；第二，壓力也真的太大了。

為了兌現承諾，理想也給了三個明確的交付節點：7月，智駕效率整體提升30%；9月，實現全場景自主倒車、主動停車觀察這類復雜場景的獨立處理；12月，安全和效率全面超越人類駕駛員。

這套從感知到決策的重構，靠的是更強的模型。模型越復雜，對算力的要求就越高，芯片和操作系統如果跟不上，模型的潛力就發揮不出來。而這兩件最底層、最燒錢的事，多數車企選擇外購，理想偏偏自己造。

02.理想為什么要自己造芯片？

當一家車企說要自己造芯片，外界的第一反應往往是：買英偉達的不行嗎？能用，還省事。理想為什么非要自己從頭造？

理想算過一筆賬，發現買來的方案，在AI時代不夠用了

一個原因是，光靠軟件，拉不開差距。用通用芯片，架構層面的優化空間被鎖死了，能做的差異化只有軟件層。

更核心的原因是效率的天花板。過去幾十年，計算機行業吃的是摩爾定律的紅利，芯片上的晶體管密度每兩年翻倍，性能跟著水漲船高。可2010年之后，每一代制程帶來的提升，從翻倍掉到30%、20%、10%。供給在放緩，AI對算力的需求卻在猛漲，這是行業難題。

而專用架構芯片可以繞開這個天花板，在特定任務上做到通用芯片做不到的效率。

所以，理想CTO謝炎2022年帶隊啟動芯片設計時的想法是：不能只造一顆比過去更快的芯片，得造一種完全不同的芯片。

理想CTO謝炎

不同在哪？傳統芯片用的是馮·諾依曼架構，統治了計算機70年，本質是“一條指令接一條指令”地順序執行，大量晶體管花在緩存、調度這些“管理開銷”上。可AI的計算天然是并行的，本該一起開工的活，硬塞進一條排隊的流水線，效率自然提不上去。

理想自研的馬赫M100，走的就是另一條路：數據流架構。

打個比方，傳統芯片像一個廚房里有個總廚統一發號施令，規模一大，總廚的統籌能力就決定了上限；數據流架構干脆把總廚撤了，每個工位的食材一到就開工，做完直接遞給下一個工位。

過去通用計算的規模不夠大，這條路線沒有用武之地，直到AI時代計算量出現數量級的躍升，它的優勢才真正顯出來。

這么造出來的馬赫M100，5nm車規工藝，單顆算力1280 TOPS，雙芯2560 TOPS。但比算力數字更說明問題的是效率：因為架構專為AI而設計，它的實際運行效率超過82%，這個數字，主流架構很難做到。

更值得一提的是，這顆車規芯片的架構論文，入選了計算機體系結構領域的頂級會議ISCA 2026的工業論文分區（Industry Track）。這個分區專門收錄來自產業界的架構創新成果。作為這個分區設立以來全球第一家入選的車企，理想6月底要和谷歌、Meta、美光這些公司同臺分享。

光有好芯片還不夠。芯片上面要是跑別人的系統，潛力也發揮不出來。謝炎在臺上問了全場一個問題：蘋果和安卓，哪個更安全？多數人答蘋果。原因是蘋果把芯片和系統放在一起設計。手機被攻擊，泄露的是隱私；車被攻擊，威脅的是生命。

所以理想自研了星環OS，這是最底層的整車操作系統，車機和智駕，都是跑在它上面的“應用”。比起行業通用的AUTOSAR（汽車軟件行業標準架構），星環OS響應速度快了1倍，穩定性高了5倍；落到體感上，120km/h下AEB的剎停距離能再縮短7米。

當芯片和OS都握在自己手里，最直接的體現就是系統響應的“快”。這0.28秒是怎么來的？視覺輸入的時延降了47%，模型推理的鏈路縮了43%，操作系統的調度降了28%，線控底盤的響應降了38%，四個層級各自優化，端到端總時延最終降了40%。這四層分別是視覺感知、模型推理、操作系統、線控底盤，背后是四個技術團隊。

以剎車這個動作為例，用供應商方案的車企，芯片、系統、底盤背后各站著一家不同的供應商，接口封閉，優化只能在自己負責的那一層里打轉；理想這四層全是自己的，可以讓四層一起為“快”這一個目標讓路。

說白了，買方案的車企，手里只有一層的優化權；自研全棧的車企，手里有整條鏈路的優化權。

這個路線，還有實實在在的成本優勢，而且賣得越多，越劃算。

謝炎今年5月時算過一筆賬：如果今年賣出的車全部搭載馬赫M100，一年省下來的錢就超過三年的芯片研發費用，更別說這顆芯片還能用兩三年。靠高集成度，新一代車型直接取消了上一代平臺的一個域控制器，每臺車省下一千多塊。

星環OS也一樣。理想2025年已經把這套自研系統開源，是全球首家開源整車操作系統的車企，據估算，能幫整個行業每年省下一兩百億的重復研發。

所以今年電池、存儲芯片價格集體上行，同行大多只能漲價、把成本轉嫁給用戶，理想卻能靠“技術降本”消化壓力，全系車型沒有同步漲價，新款車型普遍硬件升級但不加價。

往更深一層看，全棧自研真正的壁壘，是把技術轉化成了組織能力

英偉達做通用芯片，必須服務全球所有AI應用，只能做最大公約數；而理想的芯片只需要解一道題：讓自家的車在中國道路上跑得最好。因為目標清晰，芯片團隊和算法團隊可以從定義階段就坐在一起，算法需要什么，芯片就設計什么。這種從底層硬件到上層軟件完全咬合的研發體系，外部供應商給不了，買方案的車企也學不會。這才是全棧自研最核心的價值。

03.增程被跟進、多屏成標配之后，理想的下一張牌

把時間線拉長，更能看懂理想為什么要押重注去造一套底層技術體系。

理想的上半場，贏在對中國家庭用車需求的洞察。要大空間、要冰箱彩電大沙發、要一家老小坐得舒服，它做出了理想ONE，做成了首個千億營收的新勢力。

但隨著行業成熟，增程被跟進，多屏成標配，這種靠“產品定義建立的優勢”，正在被一點點抹平這不是理想一家的問題，是所有靠產品定義驅動的公司，在行業成熟期都會遇到的困境。

要打破這層天花板，必須建立一種更底層、別人難以復制的“系統化能力”

星環OS、馬赫M100芯片、馬赫VLA大模型、3D ViT感知模型、全線控底盤……今天展示的技術，不是為了應對眼前的競爭突擊做出來的，而是五年前，幾乎沒人討論具身智能時，就已經開始的長期投入。

這套長期邏輯，從今年一季度的幾個動作可以得到印證。逐步停產停售正熱銷的L系列、拒絕降價清庫存、為跨年交付的i6用戶自掏腰包補了5億購置稅差額……單看一個季度的賬本，每一步都是在主動讓出利潤。但結合它賬上近千億的現金儲備，以及連續六年加碼研發、AI投入占比過半來看，邏輯就清楚了：理想看重的不是一時的交付數字，而是未來五年、甚至十年的核心競爭力。

為了讓這套技術體系轉得更快，理想在2026年初重組了研發架構，按照“造硅基人”的邏輯分成了Infra、基座模型、軟件本體、硬件本體、評估五個團隊。

結果是，智駕模型的訓練迭代頻率從兩周一次，大幅縮短到一天一次。在同樣的時間里，它能跑完更多的試錯循環。這種迭代速度上的差，時間一拉長，就是產品體驗上的代差。

所以，對手可以復制屏幕布局、增程系統，但很難在短時間里，復制一整套從芯片到OS再到大模型、并且已經高效運轉了多年的研發體系。

李想的判斷是，自動駕駛只是上半場，通用人形機器人才是下半場，而未來買L4自動駕駛汽車的用戶，和買家庭機器人的用戶，重合度高達90%。如果這個判斷成立，那理想這五年在全棧自研上的投入，其實是在用一個已經跑通的萬億級市場，為下一個更大的市場做技術儲備

如果它押對了，意義就不止是銷量和市值，而是一個更有價值的商業命題：中國的科技產業，到底能不能長出一家靠系統性技術創新立身的公司。

這種“用一個成熟業務養一套底層技術，再用底層技術打開更大市場”的路徑，科技史上有過先例。亞馬遜當年為了解決自己內部的服務器調度問題，搭出了AWS，最后發現這套能力本身就是生意，從一家零售公司成長為全球科技基礎設施的提供商。

理想現在走的，是這一條路的中國版本。上半場靠產品定義，下半場靠底層能力，這是理想押注的邏輯，也是它接下來要證明的事。

*題圖來源于理想汽車。