理想(xiang)汽车在基于(yu)NVIDIA Orin/Thor平台的初期(qi)实(shi)践中发现，即使搭载了行业最顶级的车载芯片，在实(shi)际部(bu)署大说话模型时，其实(shi)在开释的性能每每大打折扣。

这不是理想(xiang)汽车一家遇到的问题。英伟达、苹果、微软(ruan)、谷(gu)歌等全球科(ke)技巨头都(dou)在为此头疼。

传统的研发模式中，芯片工(gong)程师埋头寻求更高的峰值算(suan)力，算(suan)法工(gong)程师则猖獗堆叠模型参数，两者(zhe)在各自的轨道上狂奔。效果就是：软(ruan)件(jian)与硬件(jian)在最后(hou)集成阶段才仓促碰面，彼此妥协、相互(hu)迁就，大量算(suan)力被闲置，大量功耗被浪费。这种“软(ruan)硬割裂”的研发方式，在全场景(jing)智能辅助驾驶(shi)对算(suan)力需求呈指数级爬升的今天，正变得愈发难以为继。

也正是这种“软(ruan)硬割裂”的痛感让理想(xiang)汽车意(yi)想(xiang)到，如果继续沿着“堆料”的老路走下去，永远只能跟在他人(ren)死后(hou)吃(chi)灰。真正的解法，不在芯片厂商的下一代产品门路图里，而在底层(ceng)研发逻(luo)辑的重构之中。

基于(yu)此，理想(xiang)汽车MindVLA团队(dui)与国创决策智能技术研究所选(xuan)择了一条更难的路：他们不再满(man)足于(yu)用好(hao)他人(ren)的芯片，而是试图从(cong)数学层(ceng)面回覆一个基础性问题——芯片与算(suan)法究竟该如何协同(tong)，能力让有(you)限资源施展最大效能？

研究团队(dui)将丧失函数扩大法则与Roofline性能建模相结合，最终提炼出一套可量化(hua)、可展望的软(ruan)硬协同(tong)数学框架。普通地(di)说，这肯定律把芯片的物理特性和算(suan)法的计(ji)算(suan)需求同(tong)时“翻(fan)译”成数学说话，输(shu)入芯片参数和模型需求，公式便能自动(dong)输(shu)出最优的软(ruan)硬配比方案。这相当于(yu)为协同(tong)计(ji)划创建了“通解公式”，而非过(guo)去那种依赖工(gong)程师履(lu)历(li)频频试错的“特解试探”。

在这套理论框架下，六大焦点(dian)发现浮出水面，每一项都(dou)在倾覆行业固有(you)的认知。例如，研究揭示，在车载典型的批处理巨细为1的场景(jing)下，MOE希罕架构将100%主导服从(cong)前沿。这意(yi)味(wei)着未来车载芯片必须原生(sheng)支(zhi)持(chi)希罕计(ji)算(suan)，而非简单堆砌密集矩阵乘算(suan)力。再如，内存带宽和缓存服从(cong)每每比理论TOPS更能决意(yi)系统实(shi)际性能，“宽而浅”的芯片架构才是车载场景(jing)的最优解。更有(you)意(yi)义(yi)的是，传统Transformer中相沿了多年的4倍FFN扩大比，在车载场景(jing)下被证明是低效的，这直接挑战了芯片矩阵乘单元与激活函数单元的配比计(ji)划。

这些发现凝(ning)结成一个焦点(dian)结论：没有(you)通用芯片，只要(yao)场景(jing)最优芯片。最优架构强(qiang)烈依赖于(yu)详细硬件(jian)参数，这从(cong)基础上证明白“算(suan)法界说芯片”的必要(yao)性。只要(yao)深度理解上层(ceng)算(suan)法需求，能力计(ji)划出最高效的专用计(ji)算(suan)架构。

这项研究的深远意(yi)义(yi)，在于(yu)它(ta)为我国企业在AI基础理论层(ceng)面博得了一席话语权。它(ta)不是对东方技术门路的修修补补，而是一种原生(sheng)于(yu)我国产业实(shi)践的要(yao)领(ling)论突(tu)破。当理想(xiang)汽车与海内高校持(chi)续产出顶会论文时，我们看(kan)到的不但是企业研发实(shi)力的证明，更是产学研深度融合的“我国智慧”在 global AI 舞台上的一次集体表态。

二、从(cong)理论到实(shi)践：研发投入灌溉出的技术密林

理论的价值，最终要(yao)落地(di)为产品的温度。

2026年2月，全新一代理想(xiang)L9正式表态，搭载两颗5纳(na)米制程的马赫100芯片，总算(suan)力达2560TOPS。但更具说服力的不是这个峰值数字，而是“有(you)效算(suan)力”的观点(dian)。由于(yu)采纳(na)数据流架构，马赫100在运行VLA大模型时的单颗有(you)效算(suan)力到达英伟达Thor-U的三倍，双芯协同(tong)时的整体有(you)效算(suan)力更是到达Thor-U的五至六倍。

李想(xiang)回顾(gu)，理想(xiang)自2022年启动(dong)芯片自主研发时，团队(dui)便预判行业将在2025年后(hou)全面迈入“自研算(suan)法与自研算(suan)力深度融合”的软(ruan)硬一体化(hua)进展阶段。马赫100芯片的推出，正是这一长时间(jian)技术战略落地(di)的首(shou)个关键成果。

如果理想(xiang)仅仅将这些技术用于(yu)自产业品进级，它(ta)或许只是一次成功的企业级技术突(tu)破。但真正值得沉思的是，这肯定律面前所折射出的我国科(ke)技企业创新姿势的转变。

回顾(gu)我国汽车产业的进展历(li)程，从(cong)最后(hou)的技术引进、合资互(hu)助，到后(hou)来的消化(hua)吸收、部(bu)分创新，再到如今在新能源和智能辅助驾驶(shi)领(ling)域的全面突(tu)围，我国企业走过(guo)了一条冗长的追赶之路。但在AI基础理论层(ceng)面，能够为全行业贡(gong)献通用迷信要(yao)领(ling)论的案例，依旧屈(qu)指可数。

理想(xiang)汽车此次联合国创决策智能技术研究所公布的这肯定律，恰好(hao)弥补了这一空白。这项研究不是针对某个详细问题的补丁式办理方案，而是一套具有(you)普适意(yi)义(yi)的数学框架，可以为整个端侧AI领(ling)域提供研发指导。

别的，另有(you)一点(dian)不容忽视。软(ruan)硬协同(tong)计(ji)划定律的诞生(sheng)，离不开理想(xiang)汽车多年来对研发投入的持(chi)续加码。数据表现，2025年，理想(xiang)预计(ji)研发投入到达120亿元，近八年累计(ji)研发费用预计(ji)将超过(guo)468亿元。即使面临激烈的市场竞争，理想(xiang)的研发费用依旧持(chi)续领(ling)跑新势力车企。这些数字面前，是一个质朴的认知：只要(yao)从(cong)最基础的研究做起(qi)，能力真正控制技术迭代的主动(dong)权。

如今，这种投入正在转化(hua)为可见的成果。2021年至2025年11月，理想(xiang)汽车围绕BEV、端到端模型、VLA等领(ling)域揭橥近50篇论文，被引用超过(guo)2500次，其中32篇论文中稿顶会。更重要(yao)的是，理想(xiang)选(xuan)择将这些研究成果开源——DriveVLM、DIVE、3DRealCar等项目在GitHub上已获得超过(guo)3200名开辟者(zhe)的保藏(cang)或调用。这种开放姿势，正在为我国智能驾驶(shi)产业构建一个良性的技术生(sheng)态。

2025年3月，理想(xiang)星环(huan)OS正式宣告(gao)面向全行业开源，涵盖AI计(ji)算(suan)系统、智能及(ji)时系统、通信两头件(jian)和安全系统。截至2025年9月，已有(you)超过(guo)30家企业及(ji)社区加入星环(huan)OS生(sheng)态。依照理想(xiang)的测(ce)算(suan)，这一开源系统每一年可为汽车行业俭省100亿至200亿元的重复研发投入。

开源的面前，是一种更深层(ceng)的战略思索。在智能汽车这个复杂的赛道上，没有(you)一家企业能够包揽所有(you)创新。只要(yao)当更多的开辟者(zhe)、更多的企业到场到同(tong)一套技术系统的共(gong)建中，整个产业的创新节奏能力加速。

这不再是企业层(ceng)面的贸易(yi)博弈，而是一种产业义(yi)务感的表现——当我国企业最先(xian)主动(dong)输(shu)出基础办法、贡(gong)献通用要(yao)领(ling)论，全球AI比赛的叙事，已然被改写，我国企业正在成为游戏规(gui)则的共(gong)同(tong)制定者(zhe)。

三、结语

回到文章开首(shou)的问题：算(suan)力越高，实(shi)际效能真的越高吗？

理想(xiang)汽车给出的答案是：算(suan)力是效能的根基，但协同(tong)才是决意(yi)效能兑现程度的天花(hua)板(ban)。没有(you)足够的芯片算(suan)力，再精妙的算(suan)法也只是纸上谈兵；但若只要(yao)算(suan)力堆砌而缺(que)乏软(ruan)硬件(jian)的深度协同(tong)，再高的账面数字也只能在闲置与损耗中打了折扣。当芯片与算(suan)法能够从(cong)计(ji)划之初就“商量着办事”，当数学定律取代履(lu)历(li)调参，智能汽车的进化(hua)路径便从(cong)堆料模式切换到了精算(suan)模式。

软(ruan)硬协同(tong)计(ji)划定律的意(yi)义(yi)，或许要(yao)放到更长的时间(jian)维度里去理解。它(ta)不仅为今天的智能辅助驾驶(shi)提供了要(yao)领(ling)论，更为未来的具身智能、空间(jian)机器人(ren)等更广(guang)泛的AI应用，铺下了一块理论基石。当人(ren)工(gong)智能最先(xian)走出数据中心、走进物理天下，如何让算(suan)法在有(you)限的算(suan)力上高效运行，将成为所有(you)端侧智能面临的共(gong)同(tong)挑战。而理想(xiang)今天所做的事情，正是在为这个未来准备“通用语法”。

从(cong)追随者(zhe)到界说者(zhe)，这条路必定艰(jian)苦。但当我国车企最先(xian)用数学定律而非营销话术来界说智能的高度，这场全球AI比赛的叙事，已然被改写。理想(xiang)汽车的故事证明，我国科(ke)技企业不唯一实(shi)力到场全球竞争，更有(you)智慧为全行业贡(gong)献通用的迷信要(yao)领(ling)论，这或许正是“我国智慧”在全球AI海潮中最硬核的表达。