中国车企首次：理想汽车登台 ISCA 2026，发表马赫 M100 芯片论文入选报告

一句话看懂：理想汽车登上全球计算机体系结构顶级会议 ISCA 2026，其自研的马赫 M100 芯片架构论文被录用，这是中国车企首次受邀在该议程上演讲。马赫 M100 采用数据流架构，算力达 1280 TOPS，已随理想 L9 和 L8 量产上车。

事件核心：发生了什么

在 ISCA 2026 工业分区上，理想汽车发表了题为《马赫 M100：面向通用 AI 计算的编排式数据流架构》的演讲，与 Google、Meta 等公司的研究者同台交流。ISCA 与 MICRO、HPCA、ASPLOS 并列为计算机体系结构四大顶级会议，理想汽车是自该会议 2020 年设立工业分区以来首家入选的中国车企。马赫 M100 基于数据流架构，采用 5nm 车规级工艺，单芯片算力 1280 TOPS，算力利用率达 82%，搭载 8 通道 LPDDR5X 内存，峰值带宽 273GB/s，并配备 24 核 ARM Cortex-A78AE 处理器集群。该芯片采用双 SoC、双 MCU、双供电冗余架构，满足 ASIL-D 最高功能安全等级。目前，马赫 M100 已随全新理想 L9 和全新理想 L8 量产交付。

为什么重要

此事的核心意义在于，马赫 M100 不是停留在概念阶段的论文成果，而是一颗已规模量产的端侧推理芯片。传统 GPU 由指令驱动，数据需在计算单元和内存之间反复搬运，规模越大效率瓶颈越明显；而数据流架构由数据驱动，计算单元之间直接传输数据，有效算力更高。理想汽车从 2021 年论证自研芯片可行性，2022 年立项，200 人团队用四年时间完成了从架构设计到车规前装的全链路自主突破。这标志着车企自研 AI 芯片从“路径论证”进入“量产验证”阶段，且验证场景来自智能驾驶等高实时性、高安全要求的环境。对行业而言，数据流架构向主流端侧推理平台迈出了实质性一步，可能改变端侧 AI 芯片的竞争格局。

对用户/开发者/创作者的影响

对智能汽车用户和开发者而言，利好比较直接。马赫 M100 搭载的是基于数据流架构的可编程芯片，而非将特定算法“焊死”的 ASIC，这意味着车企可通过 OTA 更新适配新一代 AI 模型，用户车上智能驾驶、语音交互等场景的体验可以持续进化。对 AI 算法和系统架构开发者来说，这一案例提供了可参考的工程实践：数据流架构如何在有限功耗与车规约束下实现端侧高算力，以及如何平衡硬件复杂度和软件可编程性。对于更广泛的 AI 应用创作者来说，目前公开信息显示该芯片主要面向车辆端侧推理，尚未开放通用 API 或开发者生态，但车规端侧数据流芯片的成功量产，可能为后续端侧 AI 硬件选用数据流路线提供了可验证的参照系。