起源：媒体：国乒男队短缺“二号位”作者： 李淑美：

对话梦想汽车CTO谢炎：真正当真对待软件的人，都应该自己造硬件

“梦想的指标是构建类似苹果式的齐全技术栈——从操作系统，到硬件与芯片，形玉成链路自研关环
。”

作者丨倪萍、王瑞昊

编纂丨王瑞昊

5月15日，全新一代梦想L9 Livis即将上市
。这款车最大的亮点之一，是首发搭载梦想自研AI芯片“马赫M100”
。

作为梦想首颗车规级自研高算力芯片，马赫M100不仅是L9 Livis迈向“具身智能汽车”的主题硬件底座，也决定了这款车未来智能能力的上限与进化速度
。

马赫M100仅有一个版本，不分辨凹凸配，高端车型如L9 Livis将搭载2颗芯片
。

马赫M100量产后，梦想仍将持续为老车型（如2022款梦想L9）迭代模型，将通过蒸馏步骤将大模型适配到算力更幼的芯片上，保险老用户的履历升级
。

在梦想内部，马赫M100不仅是一颗芯片的名字，也被视为公司AI战术的沉要象征
。

梦想最初曾将这颗自研芯片定名为“舒马赫”，灵感部门来自传奇赛车手舒马赫，后来则进一步简化为“马赫M100”，既保留了对速度的遐想，也借用了“马赫」剽一速度计量单元，寓意芯片占有更快的推算速杜纂更强的AI推理能力
。

从2021年起头决定自研芯片，到2022年11月正式立项，再到2023年进入大规模研发、2024年实现流片、2025年回片验证，最终于2026年随全新一代梦想L9 Livis正式上车，梦想用了约3年半功夫实现了马赫M100的研发落地
。

梦想汽车CTO谢炎通知我们，梦想起步最晚，但最终实现节拍并没有落后太多，这重要源于整体研发推动速度相当快，从一路头就规划得极度精密，需要也极度清澈
。

苹果公司一向是梦想汽车看齐的指标，而苹果最大的优势在于“操作系统 + 芯片 + 软件”的垂止佧合，“苹果的操作系统会通知芯片该怎么设计，芯片又会反过来给系统提供差距化能力
。”

这也是梦想汽车自研芯片的启程点——通过大模型、星环OS、马赫M100芯片、整车蹬撞件，逐步形成齐全的自研技术关环
。

图灵奖得主艾伦·凯已经说过：“真正当真对待软件的人，应该自己造作硬件
。”某种水平上，这句话诠氏缢梦想为何会走向自研芯片之路
。

要成为头部公司，绕不开自研芯片

供给商路线图与梦想对AI算力的判断存在差距，是促使梦想加快自研节拍的客观成分，但底子驱动力是对AI架构演进方向的自动判断
。

供给链；胄酒教ǖ牟蝗范ㄐ，是促使梦想加快作为的客观成分
。让梦想下定刻意走向芯片自研的主题成分，是对下一代AI技术演进方向的判断
。

2022年“Scaling Law”还未成为共识时，梦想团队意识到一组推导逻辑：大算力给算法更大的设计空间，更大的算力会带来更高的机能，更高的机能带来更好的履历
。

他们的判断凭据，某种水平上来自整个推算机产业的发展汗青
。

回首从前几十年的技术演进，无论是算力还是内存，人类对推算资源的需要从来没有真正“够用”过
。上世纪七八十年代，几十KB内存、几百KHz主频就已经属于高机能推算机
。而今天，这样的机能险些难以支持任何现代利用
。

推算需要始终在增长，这也是梦想判断AI时期算力需要会持续发作的沉要原因
。

“若是AI能力持续增长，而此刻距离自动驾驶真正实现L4、齐全代替人类驾驶，还有很长的路要走，而这背后肯定必要越来越高的算力支持
。技术迭代速杜字非？，若是持久依赖表部厂商，整体演进速度会比力慢
。”谢炎说路
。

谢炎举了一个案例：随着Transformer架构在AI领域迅速崛起，2024岁首梦想内部很快鉴别到这一趋向，决定对芯片优化方向做一时调整
。了局若何？内部团队一个月内实现了新设计优化
。

“若是是表部供给商，底子不会接这种需要，除非你给它一大笔钱，甚至还要迭代一年
。”谢炎说，“甚至，好多芯片公司不会由于一个客户就扭转自己的技术规划
。”

梦想自研芯片的第二个关键原因在于推算架构在进入新一轮跃迁周期
。

从前六七十年，推算机重要成立在冯·诺依曼架构之上，CPU、GPU性质上都是在这一系统上的优化
。但随着AI急剧发展，这一架构起头显露局限性，无法以最优效能支持大规模AI推算需要
。

因而，谢炎判断，行业有机遇进入“Native for AI”的新架构阶段，从软件到硬件沉新设计推算系统
。

汗青上类似的变动曾屡次产生，例如图形推算鼓起时，英伟达判断必要GPU专用架构，而英特尔则持久对峙CPU足够应对
。最终GPU成为AI与图形推算的主题平台，这也导致两家公司在市值与行业职位上产生逆转
。

梦想据此判断，未来AI推算将成为增长最快的推算状态，而GPU并非终点，因而必要面向AI沉新设计推算架构，在软件与硬件一体化中寻找更高效能的解决规划
。从技术上来讲，马赫M100有创新的机遇
。

当然，成本也是一个现实成分
。“供给商的芯片价值自身并不低，我们自己设计在规模上来之后，成本会更有优势，”谢炎坦言，“但这更多是第三层面的思考，更主题的，还是在AI急剧发展的阶段，必须具备自主界说和掌控技术的能力
。”

对于表界关注的“车企自研芯片是否真的更省钱”，谢炎给出的答案并不只是单一的成本账
。

行业从前习惯用“几多颗芯片”衡量规模，但真正决定成本的，其实是“芯单方面积 × 出货量”
。由于晶圆厂的计价方式性质上是按硅单方面积推算，同样一块晶圆，能够切割成数千颗幼芯片，也能够只切出数十颗大芯片，但主题成本差距来自面积，而非颗数
。

在梦想内部的判断中，未来汽车对于AI算力的需要会持续急剧增长，而算力性质上又对应着更大的芯单方面积需要
。谢炎以为，随着智能化水平不休提升，汽车行业未来亏损的AI推算硅单方面积，甚至可能超过手机行业，这意味着头部车企已经具备支持自研AI芯片的产业规模
。

谢炎自身从底层技术一路走来，本科学电子工程、钻研生学推算机架构，先后做过编译器、操作系统，更早之前还做过推算机系统架构有关工作
。

“做了这么多年回过甚来看，有机遇在软件开发工作中参加到硬件与底层的结合设计时，就本能想做出超过性的设计，而不再只是被动依赖供给商
。”谢炎说
。

谢炎极度认同艾伦·凯的概想：“真正当真对待软件的人，应该自己造作硬件
。”

这与梦想的战术相符合，梦想的指标并不仅是造车，而是构建类似苹果式的齐全技术栈——从操作系统、推理框架、runtime，到硬件与芯片，形玉成链路自研关环
。

事实上，苹果与安卓的差距，性质是“垂止佧合能力”的差距：操作系统界说芯片能力，芯片反过来强化系统履历，这种协同是表部供给商无法提供的，也是构建差距化价值地点
。

谢炎判断，未来汽车行业的竞争格局会逐步出现两种模式，少部吩祗业会走向类似类似苹果、华为的深度自研路线；大部吩祗业则会受限于研发成本，更多靠采购通用规划（即货架规划），通过集成与二次优化来实现产品开发
。

“梦想但愿成为前者，技术高壁垒、竞争高差距化、公司高利润
。”

当然，不是所有的底层技术梦想汽车城市选择自研，只有那些仍处于高速演进、持续变动，并且可能在未来形成不变差距化优势的技术，才会投入自研资源
。

“对我们来说，并不是所有芯片都要做，而是聚焦AI芯片这一方向
。若是一家公司以AI为主题竞争力，那么自研AI芯片是必须做的事
。想要成为头部公司，这件事是绕不开的
。”谢炎暗示
。

设计芯片最沉要的不是设计，而是理解需要

幼鹏图灵芯片单颗算力达到750 TOPS；温反的神玑 NX9031单颗算力约为1000 TOPS
。梦想的马赫M100有效算力更高，达到1280TOPS
。

不外，这并不是它的关注沉点，比起市场上已有的芯片，马赫M100沉写芯片架构，将软件需要与硬件高度耦合
。梦想汽车以为，比起堆砌TOPS数据，引发有效算力更能提升智驾履历
。

谢炎团队在钻研中发现，英伟达、高通这类芯片往往面向汽车、AI、PC、数据中心等跨行业通用场景，汽车厂商拿到芯片后，必要调试算法或压缩模型智能，能力让芯片在车内正常运行
。这个过程中，往往陪伴着70%的算力浪费和模型智能的妥协
。

因而，梦想汽车不再是凭据已有的芯片编写软件法式，或是拿着算法找芯片，而是将软硬件的需要放在一路，共同开发芯片
。

谢炎反复强调一个概想：“设计芯片最沉要的不是设计，而是理解需要
。”

在传统模式下，芯片团队独立实现设计，后期再由算法、模型团队适配
。一旦需要理解误差，后续全城市做偏，功夫被大量浪费
。梦想的打法令齐全分歧——芯片不是芯片团队单独设计的
。

从项目启动之初，芯片团队、模型团队、自动驾驶团队、操作系统团队就坐在一路，共同界说需要
。谢炎说：“没有他们的输入与认知，没有各人一路坐下来分析，就会做偏
。而做偏就会带来功夫的浪费
。”

“我们或许有200人，人员规；峤谠煸谝桓鼍蚬婺Ｉ，做最主题的事
。”在芯片行业，这并不是一支大规模的团队
。作为对比，哲库科技巅峰期3000人，华为海思超7000人，英伟达单芯片项目团队动辄数百人
。

在结合开发理想的加持下，马赫M100的关键创新来自芯片架构的沉写
。

马赫M100的理论基础来自论文《M100: An Orchestrated Dataflow Architecture Powering General AI Computing》
。

梦想汽车团队在这篇论文中提出“全面编排数据流架构”，让数据像河道一样在推算单元间流动，相比传统GPU架构，梦想的数据流架构可能削减缓存中的反复存取，开释更多有效算力，提高AI的运行效能
。

谢炎用一句话点了然这一架构的性质：“我们不必要让数据频仍去DDR走一圈
。”在传统架构中，数据频仍在片表DDR与片上推算单元之间搬运，成为机能瓶颈
。而数据流架构的主题指标，就是削减甚至预防DDR接见
。

为此，马赫M100在芯片内部配置了大量散布式SRAM，数据尽量在片上实现流转
。谢炎强调：“一旦大量接见DDR，机能和效能城市降落
。”散布式SRAM的设计，使得数据流架构的优势得以充分阐扬——更低的延长、更高的能效
。

从芯片内部布局来看，马赫M100是一颗“AI优先”的芯片
。

全面编排数据流战术

马赫M100芯片内部一部门是CPU核，掌管Linux与节造逻辑；而超过一半的芯单方面积，齐全用于AI推算
。这一比例在同类芯片中相当凸起，直观体现了梦想对AI能力的极致钻营
。

AI推算部门选取数据流架构，共同大量散布式SRAM，使其出格适合大模型推理——无论是自动驾驶模型、说话模型，还是未来的机械人模型
。

而引入MoE混合专家模型则越发放大了推算优势
。传统浓密模型处置输入时，所有参数被激活，无论事务复杂或单一，每一个神经元都参加推算，导致算力浪费
。

MoE模型可能凭据输入数据，精准选择分歧的专家子网络处置特定工作，从而预防冗余推算，降低资源亏损
。

2023年，ChatGPT引发大模型的海潮，MoE进入主流视野，成为车端部署的又一选择
；谑萘骷芄沟那罢靶陨杓，梦想汽车拥抱了算法范式的演进
。

对于用户来说，马赫M100带来的价值最终体此刻智驾履历的提升
。谢炎将其总结为三个维度：看得更远更准、决策更丝滑、响应更快
。

看得更远更准是指能更好地理解远距离场景及细节，解决当前自动驾驶远距离感知不及的问题
。

决策更丝滑则是依附更大算力支持的更优模型，决策更靠近人类习惯，预防急刹、急顿等突兀操作
。

响应更快是综合优化推理速度、线控响应、操作系统损耗，缩短从传感器输入到节造输出的功夫，同时频率缩短后还能以15帧、20帧甚至更高速度处置传感器信号，两全丝滑与安全
。

安心感则是持久指标——逐步让智驾系统的决策习惯与大部门人类驾驶认知匹配，削减因操作逻辑差距带来的用户顾虑（如预防类似赛车手驾驶的激进风格）
。

“有点像你让一个赛车手给你当司机，你不舒服，由于他的认知跟你的认知差距很大
。”谢炎描述，马赫M100的指标，是要在履历上靠近一个更像人的司机
。”

一颗芯片融合两大节造器

此前，梦想汽车的电子电气架构中共有三大主题节造器：中央域节造器XCU、座舱域节造器以及智驾节造器
。但随着马赫M100芯片与星环OS正式落地，从L9 Livis起头，梦想初次实现了中央域节造器与智驾节造器的融合
。

谢炎暗示，此刻车辆中已经不再单独存在XCU节造器，而是通过虚构化技术，在一颗芯片上同时运行分歧系统
。表表上看，辅助驾驶节造与XCU依然是两个系统，但底层算力已经实现统一调度
。

这也是L9 Livis与传统智能汽车的沉要区别
。

在梦想内部，马赫M100并不只是被界说为一颗辅助驾驶芯片，而是整车AI能力的底层平台
。谢炎暗示，梦想并不仅愿它只服务辅助驾驶，而是可能支持更多AI模型运行
。因而，L9 Livis的定位，也不仅是智能汽车，而是“具身智能汽车”
。

所谓具身智能，性质上是让AI占有在物理世界中的感知、决策与行动能力
。而汽车天然具备成为具身智能载体的基础
。

相比从零起头打造机械人，汽车自身已经具备了齐全的“身段”基
。憾ο低场⒆远堋⑾呖氐着獭⑸阆裢贰⒋衅饕约案咚懔ζ教ǘ家丫墒齑嬖，天然占有感知与行动能力
。

“买下一辆车，它已经有轮子、有动力、有算力和摄像头，短缺的只是把这些能力真正衔接起来，形成一个具身智能体
。马赫M100的作用，性质上就是把这些分散能力衔接起来
。”谢炎暗示，这相比沉新组装一套机械人系统，技术蹊径更现实，也更容易率先实现贸易化
。

更沉要的是，汽车产业重大的规模效应，是具身智能急剧进化的沉要基础——汽车行业占有上千亿级市场规模，能够持续推动传感器、AI算力、线控底盘和动力系统急剧迭代，并通过大规模量产不休降低成本、提升成熟度
。

倒剽些主题技术被充分验证后，再向机械人等其他具身智能状态迁徙，难度会显著降低
。

谢炎将这一过程类比为PC与智能手机的演进关系
。在他看来，智能手机并非凭空诞生，而是在PC产业持久发展后，芯片、操作系统与推算能力逐步成熟，最终实现的幼型化与移动化
。

具身智能的发展蹊径也类似，汽车有望成为率先规；涞氐奈锢鞟I
。

而在梦想看来，马赫M100承担的角色，也不仅是提升算力
。

谢炎将其类比为苹果的垂止佧合模式，苹果并不会单独售卖处置器，但芯片与操作系统结合后，可能提供远超行业均匀水平的履历
。梦想但愿马赫M100也能承担类似角色，通过更高算力与自研模型结合，形成差距化竞争能力
。

“自动驾驶会成为用户选择汽车的关键成分
。”谢炎暗示，若是AI不能真正扭转用户履历，那么投入AI也失去了意思
。

据相识，马赫M100并不是传统意思上只服务自动驾驶的ASIC专用芯片，而是一颗相对通用的AI处置器
。除了辅助驾驶，它还可能支持更多AI模型运行，这也是梦想将L9 Livis界说为“具身智能汽车”的原因之一
。

在梦想的设想中，未来汽车不只是实现驾驶工作，而是会逐步具备类似机械人的能力，能够自动实现更多现实世界中的工作
。

与此同时，随着AI能力不休提升，梦想对于传感器路线的思虑也在产生变动
。

针对华为此前颁布的896线激光雷达，谢炎以为，高线数激光雷达性质上是在不休逼近摄像头的分辨率，其主题指标是提升三维世界的感知精度
。

谢炎暗示，仅依赖摄像头，系统依然短缺正确的深度信息，而深度感知对于高阶智能驾驶至关沉要
。因而，梦想会持续对峙“激光雷达 + 视觉融合”路线，通过激光雷达提供高精度距离信息，再结合视觉系统构建齐全的三维世界模型
。

梦想目前在通过3D ViT三维视觉模型，将点云、语义与像素信息进行统一融合，还原更齐全的三维空间认知能力
。在这一系统中，激光雷达与视觉不再是彼此代替关系，而是共同组成具身智能时期的“眼睛”
。

而在软件层面，L9 Livis也在从“职能集钟妆走向“角色化”
。

从前的软件逻辑更像App，每个职能对应一个利用；但在AI时期，梦想更偏差于将汽车视为“司机”“副手”甚至“管家”式的智能角色
。车辆不只是响应指令，而是起头具备自动理解需要、执行工作的能力
。

某种水平上，马赫M100对于L9 Livis的意思，并不只是提升了一辆车的算力，而是让梦想起头尝试用AI沉新界说汽车
。

自2021岁暮启动自研打算，梦想用时3年半实现了初步的芯片布局和技术索求，尝试把握芯片界说的主导权，向着苹果、特斯拉这些依附软硬件一体化的巨头看齐
。

但成为头部公司的路从来峻峭，前期研发投入后，芯片造出来只是起头
。接下来要通过量产、大规模上车分管研发成本，为后续的芯片开发和投入铺垫方向
。而车企必要在这个过程中持续加码，能力蹚出一条贸易关环的自研之路
。

与此同时，芯片竞争依然强烈
。英伟达、高通、以及国内厂商地平线在加快迭代芯片产品，特斯拉的FSD芯片已迭代至第四代，华为昇腾的产能限度在缓解，马赫M100必要在算力效能、成本节造、产能保险三个维度同时取胜，能力证明自研的价值
。

（作者持久关注蔚幼理和智能驾驶的技术与人事动态，欢迎增长微信 ColombaHere 互换会商）