在理想汽车全新一代L9上市发布会上，CEO李想以一句“过去四年中，有些人摸着理想过河，有些人直接跟着理想过河”开场，引发行业热议。他所指的，正是理想汽车在增程动力技术和“冰箱彩电大沙发”配置上的创新，如今已成为高端市场的标配。这一现象不仅体现在产品层面，更折射出理想在技术路线选择上的前瞻性——其自主研发的马赫M100芯片，正以动态数据流架构重新定义车规级芯片的竞争格局。
动态数据流架构并非新概念。2015年，谷歌率先推出基于该架构的芯片，并在2017年通过论文《In-Datacenter Performance Analysis of a Tensor Processing Unit》证实其工业级可行性。此后，Groq、Graphcore等企业虽在数据中心领域布局，但始终未涉足车规级芯片。理想汽车的突破在于，将这一架构应用于大算力车规场景，成为行业首个“吃螃蟹”的玩家。据官方数据，单颗马赫M100的有效算力约为英伟达Thor U的三倍，两颗并联时数据处理效率可达Thor U的五至六倍，这种性能优势直接转化为智能驾驶的响应速度提升——新一代L9的端到端响应时间缩短200-300毫秒，辅助驾驶场景下延迟下降40%，用户可感知到更安全的预判与更果断的执行。
李想的野心不止于汽车。他提出，理想L9已构建起具身智能的完整技术栈：感知系统如“眼睛”，大模型MindGPT为“大脑”，马赫M100芯片是“心脏”，星环OS操作系统则充当“神经”。这一垂直整合体系的目标，是让汽车从被动工具进化为主动伙伴。例如，在感知层面，3D ViT技术使摄像头、雷达数据在编码阶段即构建3D空间表示，降低模型理解物理世界的难度；决策层面，数据流架构减少推理延迟，系统能更高效应对突发状况；协同层面，算力利用率提升带动整车系统效率迭代。这些技术突破共同支撑起李想对“物理AI时代苹果”的设想——芯片不仅要服务自动驾驶，还需支持座舱交互、机器人控制甚至家庭智能体计算。
理想的技术路线选择，暗含对行业趋势的判断。李想认为，具身智能的上半场是自动驾驶，下半场是人形机器人，而后者将经历三个阶段：2030-2035年达到6岁儿童泛化能力，2035-2040年提升至12岁水平，2040年后接近18岁成人认知。为此，理想已布局两款机器人：轮式机器人面向工厂与商业场景，人形机器人则聚焦硬件控制精度与耐久性。这种布局背后，是动态数据流架构的可编程性优势——相比固定功能的ASIC芯片，它能更灵活地适应多场景需求，为物理AI的跨领域应用提供算力基础。
然而，构建技术生态的挑战不容忽视。英伟达CUDA生态的成功，源于其历时6年建立的编译器、并行计算架构与软件库体系，目前已有超500万开发者、600个AI大模型支持。理想若想复制这一路径，需开发自己的“马赫CUDA”生态，让不同模型和算法适配数据流架构。不过，理想具备独特优势：马赫M100的首要客户是自身，全新L9上市两周大定订单破万，其中近90%用户选择搭载该芯片的Livis版本。这种“内部反哺”模式，使芯片与算法的软硬适配得以快速迭代，而芯片、算法、智驾团队的“同桌办公”机制，进一步加速了技术融合。理想一季度现金储备达943亿元，连续10个季度保持千亿规模，为芯片业务提供了充足的资金支持。
随着马赫M100的量产交付，理想正从技术验证迈向市场检验。北京车展前夕，理想智能驾驶副总裁谢炎坦言，当前业务目标达成度仅60%，真正的成功需满足两个条件：智驾能力登顶行业，且车辆销量持续领先。若这一目标实现，理想不仅将证明动态数据流架构的可行性，更可能推动行业技术路线的分化——正如李想所言，“摸着理想过河”的故事，或许才刚刚开始。
