理想 CTO 谢炎：AI 时代需要新计算架构，我想在汽车上试出来（上）
一句话看懂：理想汽车 CTO 谢炎在接受专访时透露，其自研芯片“马赫 M100”已完成流片并点亮，但他认为业务目标仅达成 60%，真正的成功需要搭载该芯片的车型智驾能力达到业界第一且销量出色。该芯片采用数据流架构，旨在突破传统 GPU 在 AI 计算中的效率瓶颈，而非简单追赶英伟达。
事件核心：发生了什么
理想汽车 CTO 谢炎在《晚点 Auto》专访中披露了自研芯片“马赫 M100”的最新进展。该芯片于 2025 年初回片，并在 5 月完成稳定性测试。谢炎明确表示，当前阶段仅视为“达到 60% 的业务目标”，而非成功。他反对做小芯片试水，坚持直接挑战最强水平的英伟达芯片。马赫 M100 单颗有效算力达 1280 TOPS，理想宣称其有效算力是英伟达 Thor-U 的 3 倍。该芯片采用数据流架构，由 MIT 在 1970 年代提出，谢炎认为它比传统冯·诺依曼架构更适配大规模 AI 计算，但编程和调试难度更高。
为什么重要
这一技术路线选择对汽车 AI 芯片行业具有标志性意义。当前主流路线是沿 GPGPU（通用图形处理器）追赶英伟达，而理想选择了数据流架构，这是一种更激进的软硬协同设计。杜克大学陈怡然教授指出，该架构介于传统 GPU/TPU 与 Groq 纯静态编译器调度模型之间，其成功与否高度依赖编译器和软件栈的成熟度。如果马赫 M100 能真正实现其宣称的算力效率和成本优势，将证明在特定场景（如自动驾驶）中，定制化架构可以超越通用 GPU 方案，从而影响未来智能汽车芯片的设计方向。同时，这也是对“软件定义硬件”思路的一次大型工程验证。
对用户/开发者/创作者的影响
对于汽车行业从业者和开发者：马赫 M100 的架构设计将迫使自动驾驶算法团队重新适配其软件栈和编译器，初期适配成本较高（第一版模型适配花了两个月，目前可压缩到一周以内），但一旦成熟，可能获得更稳定、低能耗的推理性能。对于消费者：若该芯片成功，未来搭载马赫 M100 的理想车型可能在智驾体验、系统响应和能耗上形成差异化优势。对于其他芯片公司：理想的经验表明，数据流架构的研发门槛不仅在于硬件设计，更在于软硬件协同的工程深度，这为行业提供了一个昂贵但真实的先行者案例。
值得关注的后续
- 车型搭载与智驾效果：马赫 M100 是否全系搭载于理想 L9 等车型，以及实测智驾表现是否真正达到“业界第一”，将直接验证该架构的商业价值。
- 编译器成熟度：理想能否将模型适配时间从一周缩短到一天以内，是衡量其软件栈是否足够灵活的关键指标。
- 竞争格局变化：其他头部新势力（如蔚来、小鹏）是否会在自研芯片中跟进数据流架构，或坚守 GPGPU 路线，将引发技术路线之争。
来源：Readhub · AI
