2026-06-26

追赶FSD V14，理想在补哪些课？｜最前线 - 麻将胡了平台

在过去数年间，智能驾驶领域的竞争焦点经历了显著的演变。

起初，竞争集中在硬件层面，例如是否配备激光雷达、摄像头的数量以及算力达到多少TOPS。随后，随着大模型时代的到来，竞争转向了端到端、VLA（视觉-语言-动作）以及World Model（世界模型）等技术路径。

如今，越来越多的企业认识到，单纯拥有更大的模型已不足以形成代际优势。真正决定技术上限的关键，在于模型、数据、算力以及芯片之间能否构建一个持续迭代的闭环。

这也是促使愈发多的汽车制造商选择自主研发的原因。

特斯拉几乎涵盖了从数据采集、训练基础设施、FSD模型到Dojo超级计算机和自研芯片的全部流程。在中国，包括小鹏、蔚来以及理想在内的车企，也在不断向更底层技术进行延伸。

在今年发布的L8和L9车型中，理想汽车已采用了其自研的马赫M100芯片。这款采用数据流架构的芯片被理想视为AI领域的重要技术方向。同时，理想也在马赫M100芯片上运行了其自研的马赫VLA模型。

然而，对于整个行业而言，更值得探讨的问题并非“是否进行自主研发”，而是这些投入究竟能解决哪些具体问题。

带着这一疑问，我们与理想汽车自动驾驶负责人詹锟以及芯片负责人谢炎进行了深入交流。他们阐述了理想对下一代自动驾驶技术路线的判断，并详细解释了自研芯片、数据体系以及AI基础设施背后的设计理念。以下是经过编辑的部分访谈摘要：

问：要达到特斯拉FSD V14第四季度的表现水平，理想汽车还需要在哪些方面取得进展？

詹锟： 我认为在追赶FSD方面，存在两个层面的挑战。

首先是基础体验，具体体现在安全感、效率和舒适度是否能与FSD达到同等水平。FSD在安全感方面表现出色，效率很高，舒适度也很好，这是其核心功底。即使不应对极端复杂的道路状况，也能达到这样的基本水平。

其次是能力层面，这同样是一个难以追赶的方面。例如，特斯拉在礼让特殊车辆、在极窄通行场景下的感知精度，以及识别交警指挥等方面的能力非常强大。

在能力提升方面，存在架构升级的机会。为何其他公司没有而特斯拉拥有这些能力？这可能与过去的范式限制有关，也可能与架构或数据方面的原因相关。我们在这一领域进行了大量探索。

问：我理解马赫VLA是一个技术体系而非单一模型。例如，Mind-Edge是服务于智能座舱的端侧模型。那么，当前的智能驾驶模型是否还包含“L”（Language语言）的部分？

詹锟： 当前自动驾驶的架构普遍趋向于整合VLA（视觉-语言-行为模型）和World Model（世界模型）。

从长远来看，所有技术路线最终都会朝着这个方向发展。无论开发VLA还是World Model，其内部的Prompt（提示）都需要用到Language。因此，Language必然存在，关键在于其应用方式。

在我看来，对于机器智能而言，基于视觉（Vision Based）的理解方式更为合理，它更适合处理空间、3D环境以及与环境的交互。Language当然也有其价值，在理解环境、交通规则、指令以及进行复杂决策时都非常有用。

从长远来看，基于Vision和Language的原生基础模型，可能是未来的发展趋势。

谢炎： 如果要实现L3、L4级别的自动驾驶，解决更广泛的通用性问题，模型就需要具备类似人类的思考能力。届时，语言的重要性将愈发凸显，这也是未来需要巨大算力的原因之一。

如果模型仅具备Vision和Action（视觉和动作）能力，即使拥有大量数据，在遇到分布之外的情况时也会不知所措。就像动物即使学会了所有常见情况，遇到从未见过的情形也会束手无策，不知道如何做出正确的选择。

我们认为，越往L3、L4级别发展，所解决的问题越接近90%、95%、98%之后的那部分——那些从未见过的问题，需要模型具备像人类一样的思考能力。而获得类似人类的推理和思考能力，其来源正是语言模型。例如，当一名警察做出手势时，你需要理解他的意图是让你通行还是停止，这并非仅仅通过收集或生成数据就能解决的问题。

问：随着理想汽车车队规模的不断扩大，从理想内部来看，数据的边际效应是否出现了递减？贵公司是如何定义价值数据的？

詹锟： 首先，数据的数量需要足够庞大，核心目标是收集到更多的Corner Case（长尾场景）。目前，业界存在多种方法，例如在车端部署精密的神经网络触发器，用于判断场景的难易程度，并将关键数据回传。这也是特斯拉目前实力强大的重要原因之一。

其次，数据的质量至关重要，主要体现在行为数据的质量。当前，业界正逐渐趋向于端到端的范式，无论是VLA（视觉-语言-行为模型）、World Model（世界模型）还是Vision-Action（视觉-动作模型），都可以实现，但前提是必须清晰理解Action的行为。因此，行为质量变得尤为关键，行为的清晰度和一致性至关重要。

至于数据规模扩大后边际效应是否递减的问题，首先，只要模型能力不断提升，只要我们向着满分（100分）的目标迈进，其增长曲线必然是“对数曲线”，呈现逐渐衰减的趋势，不可能实现线性增长，任何一家AI公司都遵循此规律。尽管后期数据收敛的速度确实会放缓，但我们仍希望通过规模化来加速这一进程。

问：马赫M100芯片能够应用于多种AI场景。展望五年后或再往后两代产品，理想汽车车内的算力中心是否有可能全部采用自研的马赫芯片？

谢炎： 尽管业内存在“舱驾一体”的说法，但我们认为，舱驾一体最核心的部分在于AI算力。其他部分的整合与否则不那么关键。因为座舱系统与AI智能驾驶系统可以完全独立运行，但AI算力可以集中处理，从而大幅提升分配效率。

我们的路线图的最终目标是打造一个车内AI计算中心，所有AI任务均可在该中心进行计算。这类似于在笔记本上运行OpenClaw，AI计算并非在笔记本本地进行，而是在Token Provider Server（Token供应服务器）上完成，车内情况也类似，会有一个Token Server（Token服务器）。

该Token Server的优势在于：第一，效率极高。第二，能够实现不同任务的相互隔离，互不干扰。例如，智能驾驶任务的确定性——无论是内存还是带宽，都能保证不受其他任务的干扰，这是软硬件协同设计才能实现的结果。

问：是否因为M100芯片采用数据流架构，其对带宽的需求较低，而对片上存储的需求更高？

谢炎： 我们对带宽的要求确实会相对较低，但这并非设计SRAM容量（非显存）的直接原因。当前HBM（高带宽内存）备受关注，许多人认为带宽越高越好。然而，计算、带宽、SRAM等都需要晶体管资源来实现，最终的设计是基于成本、综合性能等多方面因素考量后的选择。

不同架构的设计，仅凭一两个指标进行简单对比，既不合理也不专业。这就像拳击比赛，身高和体重各有优势，但胜负并非由单一指标决定，最终比拼的是整个运动的表现。

问：为何目前的大算力芯片方案，例如英伟达、小鹏以及理想自研的芯片，都没有实现芯片级的舱驾融合，而高通却在低算力芯片上实现了这一点？

谢炎： 从根本上讲，座舱和驾驶是两个独立的系统。特别是对于向L3、L4级别的高端智能驾驶而言，需要一个更高确定性的系统，其内存和计算资源需要专属分配，此时融合的意义就大大降低了。因为资源无法实现实时切换，而实时切换会降低系统的确定性。如果系统朝着越来越专用的方向发展，融合的价值就会减小——即使将两个芯片集成在一起，资源仍然是分开的，这并不能降低成本，甚至可能影响效率。

您可以看到，目前所谓的舱驾融合系统，它们实际上还是分开的，无法做到一会儿运行座舱任务，一会儿运行驾驶任务。如果无法实现这种切换，将两个芯片集成到一个芯片上，晶体管数量可能不变，仅仅节省了封装成本。对于中低端芯片而言，这部分成本可以节省，但节省幅度有限。

我的观点是，随着智能驾驶系统越来越高端化，舱驾融合的意义可能并不大。如果能将这些芯片设计得更紧凑，在一个电路板上实现小型化集成方案，这是可行的，不一定非要集成到一块芯片上，也可以是多块芯片协同工作。

问：自研芯片需要具备哪些条件？例如销量、营收和研发投入。鉴于目前自动驾驶迭代速度很快，芯片的持续迭代需要什么样的条件？

谢炎： 芯片的初期投入确实不菲，可能每年需要数亿元。

第一个条件是达到一定的营收规模。对于汽车制造商而言，年营收达到1000亿元以上，研发投入至少占10%，即每年有数十亿至上百亿元的资金，足以支撑芯片的研发投入。第二个条件是，通过研发芯片解决的问题，能够显著提升产品的能力。

许多人认为芯片需要巨大的出货量才能实现成本摊薄。实际上，芯片的成本与面积密切相关。一辆车上的智能驾驶芯片，例如Livis使用了两颗马赫M100，总面积约为800平方毫米。而一款高端手机的芯片面积大约为100平方毫米，因此一辆车的智能驾驶芯片相当于8台手机的芯片面积。

如此计算，几十万辆车的需求所消耗的晶圆面积非常可观，足以摊薄成本。因此，成本不能仅以芯片的数量来衡量。

问：动态数据流编译器的难点何在？攻克它花费了多长时间？

谢炎： 在芯片流片前，甚至在设计阶段，我们就已经开始了编译器的工作，并在流片前完成了许多模型的运行验证。

数据流是一种完全不同的架构，它所要解决的问题与超级计算机或大规模计算机集群面临的问题非常相似——当规模扩展到几十万台计算机、上百万个核心时，它们之间的通信与协作，无法通过一个中央管理员来统一调度。传统的冯·诺依曼架构的调度方式在这种规模下是不可行的，这是一个超大规模并行调度的挑战。

麻将胡了围绕麻将胡了平台不断创新，回应用户的真实需求。

精选麻将胡了APP内容，麻将胡了与你一同发现更多精彩。