配资查询114
摘要：
自研芯片是一场豪赌，最大的疑问永远是：花这么多钱，到底值不值？
凤凰网科技《浪潮》出品
作者｜董雨晴
“真正认真对待软件的人，应该自己制造硬件。”
这句出自上世纪70年代的计算机科学家艾伦·凯的观点，却被理想汽车CTO谢炎在2026年的春天不断提及。
5月15日，搭载了首款自研芯片“马赫M100”的全新理想L9将正式发布，近日，我们在理想汽车北京研发总部C区见到了谢炎。
这是理想汽车成立以来在硬件自研上最大的一次赌注。从2021年动念，到2026年上车，五年时间，理想成为继特斯拉、小鹏等巨头之后，又一家将自研AI芯片塞进量产车的公司之一。
谢炎的讲述里，藏着这家公司从“为什么做”到“怎么做”的全部逻辑，也藏着中国智能汽车竞争进入深水区后的一个典型样本。
为什么非要自己做芯片？
故事的开头要回到2021年。彼时，国内一批车企和自动驾驶公司纷纷效仿特斯拉，开始打起了自研芯片的算盘。但在谢炎看来，大多数人只看到了特斯拉的表面动作，没有触及背后的本质。
“特斯拉最初用英伟达芯片，后来为什么选择自研？这背后的原因其实很少被人深入讨论。”谢炎说。
2022年，谢炎加入理想汽车。在此之前的更早时间，他对自研芯片的判断就已经成型。这个判断建立在一个朴素的技术直觉上：算力永远不够。
“回顾计算机的发展历史，对算力、内存的需求，没有哪一天是够的。七八十年代只有几K内存、几百K频率，1兆赫兹就是高性能计算机了。”谢炎说，如果AI的能力不断增长，自动驾驶距离L4完全替代人类还有很长的路，对算力的需求只会越来越高，“依赖外部厂商速度会比较慢”。
更大的判断来自对计算架构的思考。
谢炎梳理了一条清晰的技术演进脉络：CPU时代由英特尔主导，但到了80年代末90年代初，图形计算开始爆发。英伟达的黄仁勋和AMD认为图像计算需要专门的GPU架构，英特尔却长期坚持CPU就够了。“英特尔在巅峰时期2009年，市值是英伟达的20倍，今天反过来了，英伟达是英特尔的20倍。”
历史不会简单重复，但往往押着相似的韵脚。谢炎认为，今天AI计算的爆发式增长，正在催生新的架构机会：“GPU做AI计算肯定也可以，但我们认为可以有更好的机构专门围绕AI做计算架构。今天这个世界未来增长最快的计算形式就是AI计算，传统的GPU和图形计算，以计算量来说，每年全球的量增长不会很快了。”
这个判断指向了一个结论：如果理想汽车有志于成为以AI为核心的头部公司，做AI芯片就是必须做的事。
“苹果和安卓的区别在于，苹果的操作系统会告诉芯片该如何设计、解决哪些问题。反过来，苹果的芯片会给其操作系统提供差异化能力，这些能力不是靠外购高通芯片能提供的。”谢炎说，“汽车后续竞争会越来越呈现这种状态——头部公司会像苹果、华为一样，其他公司更多靠采购通用方案。”
三年半，一颗芯片的诞生
理想造芯的时间表，比外界想象的要紧凑。
2021年决定做，2022年11月正式立项，2023年大规模实现，2024年流片，2025年回片验证，2026年上车。“实际上花了三年半时间。”谢炎说，节奏“基本符合预期”。
在芯片行业，这个速度并不慢。谢炎自己也承认，“我们跟其他类似条件的公司比，确实比较快，启动最晚，但完成时间并没有晚多少。”
之所以能快，谢炎归因于三个字：联合设计。
“设计芯片最重要的不是设计本身，而是对需求的理解与分析。”谢炎说，理想的芯片不是芯片团队关起门来做的，而是和模型团队、自动驾驶团队坐在一起协同完成的。“没有他们的输入与认知，没有大家一起坐下来分析，就会做偏，而做偏就会带来时间的浪费。”
这种协同的密度，连谢炎自己都感到惊讶。他说，这种高密度、跨部门的协同，“我以前工作的任何一家公司没有看到过”。
2024年初，芯片已接近流片阶段，当时大语言模型开始兴起，团队意识到Transformer架构的重要性，需要临时对芯片做一些针对性的优化。“我们内部团队很快，一个月就搞定了。”谢炎说，如果是外部供应商，“根本不会接这种需求，除非你给一大笔钱，甚至还要迭代一年，它是以年为单位的。”
关于马赫M100芯片的技术路线，此前外界有过不少猜测。有报道称这颗芯片使用了Chiplet架构，但谢炎这次采访中明确告诉我们：“没有用Chiplet，是一颗大的SOC。”
自研芯片到底划不划算？
自研芯片是一场豪赌，最大的疑问永远是：花这么多钱，到底值不值？
谢炎的回答直接而务实：“供应商的芯片还是挺贵的，我们自己设计会更便宜。”但他补充了一句，“我认为这是第三要素。”
成本账需要倒过来算。谢炎说，业界常讲出货“多少颗”，但“颗”掩盖了面积差异。“5平方毫米是1颗，400平方毫米大80倍的也是1颗。正确的成本计算应该是‘出货量×单个芯片面积’。”
理想的逻辑是：汽车对AI算力的需求极高，算力可换算为面积。当达到一定量级时，汽车行业所需的AI计算硅片面积甚至会超过手机。“所以汽车行业能支撑AI芯片的需求，头部车企更有能力支撑。”
谢炎透露了一个细节：当把自研芯片与自身软件、模型结合后，发挥出的有效算力远超标准算力的标称值。换句话说，要达到同等有效算力，外购芯片可能需要不止一颗。“真正对比的话，是我们的一颗芯片对应多颗外购芯片，因此成本差异更大。”
至于具体的投入金额，谢炎没有透露，只是说“效率非常高”， “如果拿投入衡量能力的话，那世界上永远是大公司主导。拿投入衡量的话，英伟达的市值就不会变成英特尔的20倍。”
目前，马赫M100芯片首搭车型是全新理想L9 Livis，谢炎确认，未来“所有车型都应该是高性价比”，这颗芯片会部署到理想的所有车里。“高端车会提供更多算力，比如全新理想L9 Livis版本就会用到2颗。”
但谢炎反复强调，马赫100芯片不是一颗只能跑自动驾驶的定制芯片。“它可以跑任何模型。你让它推理语言模型、自动驾驶、机器人模型都可以，无非是模型容量大小。”
这引出了一个更大的想象空间：车，正在变成一个具身智能产品。
“一辆车有7到11个摄像头，有高分辨率的激光雷达，有非常强的计算。它有自主的行动能力，在三维世界里可以行动。”谢炎说，“它的发展方向就是更自主化。”
他打了个比方：未来车不再是一个被动的工具，而是会变成一个“角色”。“你不是找一个应用帮你解决问题，而是你有了一个司机、一个管家。”
对于这是否就是所谓的AGI（通用人工智能），谢炎的回答很克制：“现在硅谷已经不太提AGI了，因为很难定义，也很难衡量。你会发现它的能力不断增长，能做越来越多的事。我们就是在三维世界提供越来越多的能力，今天能帮你开车，明天能帮你接小孩。”
竞争格局：只有少数人能上牌桌
自研芯片是一条少有人走的路。谢炎并不讳言，不是所有车企都有能力做这件事。
他列出了几个刚性条件：体量要够大，营收要到一定规模；能力要够，要有人才储备；认知要坚定，相信AI是能带来差异化的技术。“如果前两个条件都一样，接下来取决于认知。有人选择重投入，有人选择轻投入。如果你非常坚定，这事就必须做。”
谢炎用手机行业做类比：苹果和华为走自研路线，其他厂商更多靠采购通用方案。“当然不会每家都是这样，后面会有中腰部和尾部，这是一个很大的市场，需要第三方芯片供应商。”
但他同时提醒，芯片行业是一个赢家通吃特征显著的领域。“芯片的评价维度很单一，就是成本和性能。好就是好，不好就是不好。这意味着虽然芯片厂商很多，但能真正卖出去的产能是有限的，竞争很激烈。”
对于理想的产能保障，谢炎给出了一句简短的回答：“我们的供应是可以保障的。”在当下全球AI芯片产能紧张的背景下，他认为理想“服务于自己产品而不是对外销售，对产能的需求很直接，没有那么大不确定性”，这是代工厂重视理想订单的原因。
AI正在改变一切，包括造芯片本身
在AI native的时代，AI正在影响一切，包括对芯片研发本身。
谢炎说，芯片设计的每一个环节——架构设计、RTL设计、验证、软件、操作系统——都可以用AI辅助。“我们的一些工具提供商，今天已经用AI提供优化工具了，它可以找到人找不到的优化点，可以节省更多的芯片面积。”
他甚至提到，马斯克最近在X平台上说过类似的话，未来直接用AI做编译器。
但他拒绝用具体的数字来衡量AI带来的效率提升。“这不是一个简单的用一个数值或某一天做衡量。你只觉得每一天的效率都比以前更高，每一天的速度都比以前更快，这一切都在潜移默化地发生。”
“有点像强身健体，你没法说每天吃了鸡蛋能把跳高成绩提升多少米。只能说，素质潜移默化提升之后，有一天会发现效果非常大。”
对于所有企业而言，答案似乎只有一个：“全面拥抱。”
这颗芯片的故事才刚刚开始。它能否像谢炎相信的那样，成为理想汽车在智能汽车淘汰赛中的一道护城河，时间会给出答案。但至少在今天，理想已经选择了一条更艰难、也更有想象空间的路。
就像艾伦·凯说的那句话——真正认真对待软件的人，应该自己制造硬件。谢炎和他身后的200人芯片团队，正在把这句话变成一块块硅片，装进一辆辆新车配资查询114，然后开上中国的公路。
启泰网提示：文章来自网络，不代表本站观点。
