山西
AI時代，人類需要給AI一個更大的舞臺。
文｜劉俊宏
“今天的智能汽車不是智能，而是功能驅動。”理想汽車創始人、CEO李想在發布會開場就語出驚人。
李想的邏輯其實很簡單，一直以來行業定義的智能汽車是基于軟件定義硬件、實時聯網、可持續升級的三件套。這本質還是一堆被調用的功能，根本沒法體現智能。
作為對標，李想用之前的智駕來證明了這一點。例如在安全上，傳統智駕在遇到不會的問題就“撒手不管”，等著人來介入。在效率上，智駕在復雜區域開得太慢，讓人著急。在能力上，傳統智駕本質上都是駕駛指令的組合，不能真正思考駕駛策略。
對于什么是真正的智能汽車，李想給出了一個定義：是一輛電動車、一位職業司機、一臺 AI 計算機、一位生活助手。它要保護人類安全，能獨立完成任務，并且比人類更高效。
為了更深入了解理想汽車智能化的細節，光錐智能也采訪到了理想汽車CTO謝炎、理想汽車基座模型負責人詹錕。從技術細節，到落地實踐，我們看到了理想再次走進了全新的智能化“無人區”。
座艙、智駕再進化，理想要汽車AI超越人類？
理想的智能化升級，主要體現在兩個方面：馬赫VLA（智駕）和理想同學Agent（智艙）。
在座艙里，Agent能將一個“大任務”拆解，并自行調用工具，再整合結果再輸出。理想現場演示了一個極其復雜的語音命令：用戶要求規劃燕京八景的路線。
看起來，這像是需要AI分別對8個景點的路線進行“連線”，但實際輸出結果非常震撼。AI在自行搜索中看到了一些景點暫時關閉，也看到了一些景點因為時間問題來不及去，所以生成了現實更可執行的游覽方案。
這背后體現的就是Agent的“代位思考”能力，因為按照傳統的AI座艙執行的話，根本不會考慮方案可行性。
隨后，理想還展示了一個更符合家庭場景的演示：先給車機介紹了幾個地點，然后打亂順序指定先后到達順序，最后再去一個指定地點?？梢钥吹剑硐肫嚹軌蛘_理解，并且成功規劃出了一條導航路線。
這一演示的震撼之處在于，理想座艙不僅能夠理解堪比“貫口”長度的文本輸入，同時還能梳理出“三段式”指令的上下文相關性。
在智駕環節，理想則是先回顧了一下過去智駕的“戰績”。截至6月14日，理想輔助駕駛系統累計規避安全風險17273307次，其中重大避險55671次。
保障安全，背后離不開智駕的反應能力。現場詹錕播放了幾段智駕視頻。其中大部分都是應對道路突發狀況，例如鬼探頭。最驚險的一段是高速上有一輛側翻的車輛。當時汽車行駛速度為120，車機畫面里只能看見一個燈，根本無法判斷前方是什么，距離有多遠。但理想智駕仍能正確觸發AEB，不需要人類接管，智駕在減速之后就繞開了。
這一反應速度與適應能力背后，是整個智駕技術架構的優化。
根據介紹，理想的新一代馬赫VLA架構，系統視覺輸入時延降低47%，模型推理時延降低43%，底盤響應降低38%，操作系統調度降低28%，整體端到端時延降低40%。技術原理上，理想是把傳統智駕的感知-預測-規劃模塊化結構，統一成了一個原生多模態MOE大模型。同時用3D VIT替代傳統的感知方案。簡單來說，就是智駕數據流的計算流程少了，反應自然就快了。
據了解，馬赫VLA系統的端到端反應時延壓到了0.28秒。普通人平均反應時間0.45秒，F1車手極限0.25秒。這意味著120km/h的速度下，這多出來的零點幾秒相當于提前約6米完成剎停。
那么，全新的汽車智能什么時候能上線？
理想預計，7月，智駕效率整體提升30%，出行導游Agent正式上線；9月，類人倒車能力上線，汽車智能可以自己開車庫門，Agent能連接手機電腦操作飛書、微信；12月，安全和效率超越人類，反應速度提到0.2 秒超過F1車手。
要實現這一計劃，理想需要搭建一套從芯片、模型到操作系統的全新智能底座。
做更好的AI，需要一個更大的技術舞臺
理想認為，上一代智能汽車的問題不在某個具體模塊，而是它的底層架構沒有為AI考慮。
為了釋放能力上限，理想認為，需要將芯片、算法、智能化架構全部升級一次。
芯片：拿掉馮·諾依曼的“翻譯層”。
四年前，理想決定自研芯片。理想汽車CTO謝炎與李想達成一個共識：“自研不是為了證明自己，而是真正解決問題?！?/p>
從頭再來，理想扔掉了對所有傳統架構的依賴。
發布會上，理想終于披露了馬赫M100芯片的具體細節：
硬件參數上，馬赫M100 Ultra采用5nm車規級工藝，單芯片算力1280TOPS。為了給AI原生算法加速，理想使用了數據流架構，重新定義芯片內部細節，這使得馬赫M100的實際算力利用率超過82%。
謝炎介紹，之前計算芯片最經典的是馮·諾依曼架構，但是這一架構會將30%的晶體管用在緩存一致性、指令重排序、分支預測上。這些設計的原因，本質上都是為了讓人類編程更方便。理想采用的數據流架構，則是回到計算的本質——用編譯器顯式編排數據搬運與時序，用更AI的方式來計算AI。
談及兩邊架構的差異，謝炎介紹說，“馮諾伊曼架構是為了適應人類的思考，把計算抽象成順序的指令，這樣人可以一步步做推理。而數據流是大規模的并發，多條數據流同時進行，它不僅在時間上往前推，在空間上也要布局，叫時間空間編譯。再加上我們沒有指令順序，基本上是用消費者-生產者的模式，大量的消費者和生產者在同步進行，這需要完全不一樣的編譯框架。”
簡單來說，就是理想在這顆芯片上“徹底想明白了”。
如果說之前的芯片計算架構還依賴中央處理器拆解大任務，然后“分發”，主打什么都能做，那么數據流架構就是一條“天然適配”的生產流水線，這就是專用工具對通用工具在效率層面上的“降維打擊”。
對于這種思路改變，謝炎還引用數據流鼻祖Jack Dennis的話：“現在計算機分工太細了，硬件的人不懂軟件，芯片的人不懂編譯器，軟件的人不知道硬件怎么工作。當你同時看到硬件與軟件，本質就是計算機完整的圖景，當你看到所有東西時，你可以創造更大的創新。”
感知：從BEV到3D ViT，AI真正“看懂”物理世界
在智能駕駛的視覺感知層面，理想在行業主流的路線上更進了一步。
傳統智駕系統多用BEV（鳥瞰圖）表達環境，但詹錕指出其根本缺陷：“拿BEV來表達的問題是，如果我沒有定義什么是溝和坑，對下游決策來說就缺少了這個信息?！?/p>
換句話說，之前的技術方案只是讓汽車看到外部環境，但沒有達到“看懂”這一維度。
理想的解法是3D ViT（三維視覺Transformer）。從技術原理上說，3D ViT是一種針對三維空間的建模方式。這種方式能夠向智駕系統輸入更豐富層次的信息，除了理解環境的3D結構外，還能理解3D物體的屬性、紋理、類型，由于建模結合了視覺，現在它還能看到顏色。
本次技術方案的進化，本質上還是人類“放下執念”：少一點人為的規劃，多一點AI原生的架構和計算。
詹錕解釋說，“以前大家熟知的‘The Bitter Lesson’（苦澀的教訓），是指機器不要加任何人為先驗，用數據訓練，一定做得比人更好?，F在最新的理念是‘Vision Bitter Lesson’（視覺苦澀教訓），就是怎么判斷你的視覺表征好不好？看你有沒有做出對應的動作——你繞過了這個溝，才能證明你理解了這個溝。我們通過構建一個非常好的三維空間表征標準，讓下游把動作真正理解好，這樣視覺能力就得到了充分展現?！?/p>
計算架構：不認可“艙駕一體”，“艙”和“駕”需要各自的專業性
2026年，艙駕一體成為智能汽車行業的最新趨勢。
艙駕一體具備兩大優勢：一是降本，當智艙和智駕的兩塊芯片合并成一個，直接減少一塊芯片的成本；二是艙駕一體后，統一的中央架構可以讓AI在兩個智能化系統中無縫流轉，用語音指令就能直接控制智駕。
但對于這一趨勢，理想還有自己的判斷。
謝炎表示：“艙和駕是兩個獨立系統。特別是L3升L4，智駕需要一個更高確定性的系統，內存是專屬、計算資源是專屬，這時，融合的意義就小了很多。因為資源不能實時切換，否則會降低確定性。”
理想認為，車內需要有一個AI計算中心。
謝炎解釋：“就像筆記本上跑OpenClaw一樣，AI的計算不在筆記本上，而是在Token Provider Server（Token生產服務器）上，車里也類似，有一個Token Server。”這個設計的優勢在于效率非常高，且能做到不同任務互相隔離、互不影響。智駕任務的確定性——無論是內存還是帶寬，能夠保證不被其他任務干擾，這是軟件和硬件一起設計才能實現的。
可以看到，理想的AI研發處于人類進一步“放開手腳”、讓AI更自由“闖蕩”的階段。這種路線也是整個AI大模型時代的縮影（例如Scaling Law對精巧模型的沖擊）
向前一步，理想的智能研究再次踏入了無人區。
“全棧”是超越特斯拉的唯一路徑
走進無人區不是盲目前行，而是看清誰在領先后，選擇自己認定的路。
采訪之后，光錐智能有一個清晰的感受：在中國智能汽車產業“變著花樣”對標特斯拉的今天，終于有玩家真正理解了特斯拉的“強大”。
在發布會臺上，李想很坦誠地說：“特斯拉真的太強大，壓力也真的太大?！钡o接著說：“只有真正把目標對準最高，才有機會超越特斯拉。”
實測特斯拉FSD V14.3之后，詹錕認為，特斯拉在兩方面建立了壁壘：
第一是它的基礎體驗非常扎實。
“安全感非常足，效率很好，舒適度很好，這是它的基本功。”詹錕說，“我不一定跑很難的路，但這些基本功可以達到這個水平?！?/p>
第二是在各種細節上的獨家能力。
“特斯拉會禮讓特殊車輛，有極窄通行時的感知精準度，它會識別交警指揮，這些能力非常強?！?/p>
對于能否追平特斯拉FSD，詹錕很有信心，“在基礎體驗上，需要我們擁有一個非常好的評價體系。我們希望從自己的測試團隊和產品團隊開始，跟用戶和媒體一起想，怎么去評價我們的模型——它的安全感、舒適和效率怎么平衡。這里有很多方法，我們很有信心可以追上FSD V14的水平。再加上我們芯片性能還沒完全釋放，我們可以效率更高、反應更快?！?/p>
在更加深入了解技術之后，理想也看到了“全?！笔浅教厮估奈ㄒ宦窂健?/strong>
追趕的前提是先建立起別人無法快速遷移的壁壘。詹錕直言：“全棧才能建立真正的護城河。你的算力、芯片、基礎設施能不能完全統一在自己的可控范圍內，這很重要。如果你只有算法優勢，中美之間的人才流動很快，很容易被遷移。但如果你是全棧的，遷移成本很高，也很難。”
但全棧自研的背后，也意味著理想需要付出超出想象的艱辛。
“你愿不愿意把精力投入到苦功夫上，這是護城河。哪些是苦功夫？比如精細地洗數據。這里有很多細節，這些細節并不高大上，但這些一點一滴的細節才能形成護城河?！闭插K說。
結語
AI的每次爆發都給人一種啟示，舊的架構里誕生不了新王。
走進智能的無人區，光喊口號不夠，必須換一套底層架構、換一種做事方式、換一個追趕目標。
或許，理想在本次Livis Day上，李想手上那本《停車藝術》既是一個自嘲的彩蛋，也是一個技術路線的隱喻。當智能真正發生時，那些曾經需要人類技巧才能完成的事，會變得越來越“藝術化”。
AI時代，人類需要給AI一個更大的舞臺。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
