李想：智能汽車還不夠智能！馬赫VLA年底比肩特斯拉FSD V14

車東西（公眾號：chedongxi）
作者 ｜ Janson
編輯 ｜ 志豪

理想淘汰老模型，智艙、智駕紛紛亮出AI具身智能新解法。

智東西6月15日消息，就在剛剛的理想汽車軟件與具身智能發布會上，理想汽車把自己壓箱底的AI底牌都掏出來了。

理想還把這套能力體系具象化成了一個“機器人”形象，將Livis打造成一套從感知、計算、決策到執行全部打通的具身智能系統。

具體來看馬赫VLA大模型是具身智能的大腦，3D ViT感知模型是眼睛，馬赫M100芯片是心臟，星環OS是神經系統，全線控底盤則是手腳。

單芯片1280TOPS的馬赫M100 Ultra、對標特斯拉FSD V14的馬赫VLA，以及李想提出的“安全和效率要超越人類”，構成了這場活動最有話題度的幾個關鍵詞。

▲李想在發布會現場

理想汽車創始人、CEO李想認為，過去行業通常把智能汽車定義為軟件定義硬件、聯網在線、可持續升級，但這些本質上仍是規則驅動，并不等于真正智能。

真正的具身智能汽車，要從功能安全進化到保護人類安全，從調用功能進化到獨立完成任務，從行動緩慢進化到效率高于人類。

在這場活動上，理想汽車圍繞座艙、語言智能、機器智能、自研芯片和產品體驗，給出了其對“具身智能汽車”的完整解釋。

一、公開王炸自研芯片細節 單顆算力1280TOPS

本次發布會中，最硬核的產品當屬單顆算力1280TOPS的理想自研芯片馬赫M100 Ultra了。

▲李想手持馬赫M100 Ultra

理想汽車CTO謝炎把馬赫M100 Ultra放在了整個計算機架構變遷中解釋。

過去通用計算時代有兩大紅利：摩爾定律帶來的晶體管密度提升，以及登納德縮放定律帶來的功耗控制和主頻提升。

▲通用計算時代兩大紅利

但2004年前后，芯片制程進入65nm后，漏電問題開始顯著出現，登納德縮放定律失效。

2010年后，摩爾定律也開始放緩，每一代制程帶來的性能提升不再輕松翻倍。

與此同時，AI推理算力需求快速增長。傳統馮·諾依曼架構以順序指令驅動計算，雖然適合通用計算，但會用大量晶體管處理緩存、調度、分支預測等管理開銷。

▲AI時代的計算變遷

在AI計算任務中，傳統架構的效率瓶頸會被進一步放大。

對此，理想的答案是數據流架構。

謝炎說，AI計算天然是并行的，數據是張量，關系是確定的，流動路徑是清晰的。

▲馬赫芯片數據流架構

它更像一張數據依賴圖，而不是一條指令隊列。因此，馬赫M100不再讓中央指令隊列主導計算，而是讓數據流動驅動計算發生。

▲馬赫M100 Ultra主要參數

硬件參數上，馬赫M100 Ultra采用5nm車規級工藝，單芯片算力1280TOPS。更關鍵的是，因為數據流架構設計，馬赫M100的實際算力利用率超過82%。

▲馬赫M100芯片架構

芯片內部，理想將超過一半晶圓面積給到神經網絡處理器。

芯片NPU部分由56個計算單元和1個數據處理模塊構成，采用“網格總線+數據環形總線”的雙互聯架構。

網格總線提供高帶寬點對點通路，數據環形總線提供確定性的廣播通路，使數據在陣列中流動到哪里，就在哪里觸發計算。

CPU部分，馬赫M100 Ultra采用24核心Arm Cortex-A78AE，主頻2.3GHz，負責安全系統控制等任務。

內存系統則采用8路LPDDR5X子系統，片外內存帶寬達到273GB/s，為大模型和多模態推理提供高速數據通道。

▲馬赫M100對比Thor-U

在性能對比中，理想將馬赫M100與智駕領域主流芯片Thor-U進行對標，測試項目包括CNN-Based骨干網絡、UniAD以及理想MindVLA核心模型，馬赫M100在相關測試中表現出彩。

與此同時，馬赫M100也不是單一輔助駕駛芯片，它已經跑通車上所有智能化場景，包括語言大模型、Agent、多模態感知和具身智能任務。

▲馬赫M100可以適用于更多AI場景

此外，安全是理想自研芯片的另一個重點。

車端芯片被攻擊，威脅的不只是隱私，而可能是生命安全。

因此，理想把密鑰保護、設備身份、可信啟動鏈和關鍵權限管控前置到芯片設計中，再通過全棧自研軟件統一調度，讓芯片、編譯器、操作系統、AI算法和域控制器在同一套可信基礎上協同運行。

▲理想的全鏈路防御體系

隨著馬赫M100量產部署，理想稱其已經實現芯片、編譯器、操作系統、AI算法和域控制器的全棧自研。

換句話說，理想已經把智能汽車最核心的硬件、軟件和運行邏輯都握在自己手里，從而得到了全鏈路的安全控制。

二、重構自動駕駛模型 “感知、預測、規劃”走向統一模型

有了優秀的硬件，軟件架構也需要同步優化。

在理想的技術框架里，具身智能的大腦由兩部分組成：語言智能和機器智能。

▲理想汽車解讀具身智能大腦

語言智能負責理解指令、邏輯推理和任務規劃；機器智能負責看懂物理世界，并把決策轉化為動作。

機器智能部分，理想汽車基座模型負責人詹錕提到，自己在美國連續深度體驗兩周特斯拉FSD V14.3后壓力很大。

隨后，詹錕直接宣布了一個相當激進的目標——計劃在第四季度對齊特斯拉FSD V14能力。

針對模型能力，理想汽車發布了全新的馬赫VLA大模型，并從多個角度進行了解讀。

▲馬赫VLA

首先是安全方面，截至6月14日，理想輔助駕駛系統累計規避安全風險17273307次，其中重大避險55671次。

理想把過去幾年的安全演進梳理為一條時間線。

▲理想汽車安全演進時間線

2022年，激光雷達首次落地主動安全體系；2023年，AEB完成全速度段覆蓋；2024年，行業首發AES，同時實現360度低速全方位防御；2025年，AES進一步升級，支持多車連續避讓和防御躲避被撞；2026年，新增懸空障礙物識別，夜間極速剎停上限提升至130km/h。

效率層面，新一代馬赫VLA系統反應耗時為0.28秒，快于普通人0.45秒的平均反應時間。

在120km/h車速下，這0.17秒差距相當于多出約6米有效安全距離。

▲馬赫VLA響應速度

這一反應速度背后，是從光子到車輪的全鏈路優化。

通過新一代馬赫VLA架構，系統視覺輸入時延降低47%，模型推理時延降低43%，底盤響應降低38%，操作系統調度降低28%，整體端到端時延降低40%。

▲馬赫VLA減少全鏈路時延

這也解釋了理想為什么反復強調“芯片快+軟件快+底盤快”，而不是只講單個模型能力。

能力層面，馬赫VLA的核心變化是架構統一。

傳統輔助駕駛系統中，感知、預測、規劃往往分別工作，容易出現“看見了但決策不對”“識別沒問題但規劃離譜”的情況。

▲馬赫VLA采用一個統一框架

理想這次將其升級為原生多模態MoE模型，讓看見、理解、思考和行動在同一個框架內對齊。

算力和訓練規模也同步放大。

雙馬赫M100讓車端算力達到2560TOPS；模仿學習數據規模提升50%；強化學習數據量提升15倍，強化學習訓練算力提升5倍；模型參數量提升10倍，每秒Token計算量提升15倍。

▲馬赫VLA能力提升

在視覺能力上，理想對行業追逐高線數激光雷達的趨勢提出了不同看法。

一定程度上，激光雷達線數再高，也無法識別紅綠燈顏色、讀懂施工路牌文字，或理解穿黃馬甲保安的手勢。

▲理想的3D ViT能力

理想的3D ViT能力則試圖快速重建三維世界，使系統從“看見障礙物”進化到“理解場景”。

按照規劃，理想將在第三季度為AD Max推送全新馬赫VLA，并在第四季度對齊特斯拉FSD V14能力。

▲四季度將對齊特斯拉FSD V14

三、語言智能淘汰老模型 針對云、端分別發布新模型

語言智能方面，理想淘汰了此前模型，發布馬赫Mind-Pro和馬赫Mind-Edge。

馬赫Mind-Pro面向云端Agent能力，覆蓋車輛控制、智慧出行、辦公、問答、娛樂等車載場景。

▲馬赫Mind-Pro跑分

馬赫Mind-Pro在IFEval指令跟隨、LongBench-v2超長文本理解、AIME26高階數學推理、BFCL-v4工具調用等基準測試中進入行業第一梯隊。

在Agent專項領域，Claw系列榜單等實景測試中，綜合性能超過多數主流Agent模型。

相比跑分，更值得關注的是效率指標。

理想稱，馬赫Mind-Pro通過Token壓縮技術，在任務完成率不下降的前提下，整體Token平均消耗降低38%，工具調用冗余輪次降低47%，模型TPS峰值達到208token/s。

▲馬赫Mind-4-Pro對比某模型的優勢

對于車載Agent來說，這些數字意味著同樣一個任務可以用更少Token、更少調用輪次和更低時延完成，而不只是跑分好看。

訓練體系上，理想為馬赫Mind-Pro搭建了數百套真實業務沙箱環境，高精度模擬工具調用流程，并采用混合強化學習訓練體系，包括關鍵單步強化學習、場內多步強化學習和在線環境強化學習。

這套訓練體系主要解決了復雜場景決策不準，以及模型落地到真實車載業務時適配性差的問題。

馬赫Mind-Edge則是端側原生智能體模型，它不是云端大模型的裁剪版，而是從底層面向車載場景設計。

▲馬赫Mind-Edge

馬赫Mind-Edge采用多模態流式時序建模，可以連續理解車內動態物理世界，并具備因果推理和自主決策能力。

車輛的全天候主動感知、人車交互、自主控車、多模態問答都可以在車端本地完成，數據不上傳。

四、解構新一代座艙 首發驍龍座艙8797 Elite

軟硬件能力可以說是汽車的基座，最終還需要通過座艙來展現。

理想汽車新一代座艙的核心是全景寬幅屏。

理想方面稱，團隊曾嘗試過16:9、中等寬幅和更高比例的屏幕方案，但16:9顯得局促，更高的屏幕又會侵占駕駛視線，最終形成了現在的全景寬幅布局。

主駕區域顯示寬度達到上一代雙連屏的約1.5倍，地圖、車速、續航、車輛控制和媒體控制都被放在更靠近駕駛員的位置；進入泊車場景時，環境感知畫面會自動放大，其他應用則自適應縮小。

硬件上，理想SS HW 4.0座艙架構首發搭載驍龍座艙8797 Elite。

▲理想SS HW 4.0平臺

新一代座艙硬件性能已經從追平手機進入到超越主流手機的階段，支持行業首個全景屏90Hz高刷新率，并配合180Hz觸控采樣率和自研底層系統，實現更快的觸控響應。

軟件體驗層面，理想重構了圖標、頁面動效、控件回彈、實時動態高斯模糊和光影反饋。副駕娛樂場景下，屏幕可以一鍵進入主副駕1:1分屏。

停車觀影時，汽車主駕內容會收起，視頻內容沉浸式鋪開，顯示寬度相比此前雙屏提升約1.7倍。

此外，影音仍是理想座艙的重要入口。

▲理想L9（參數丨圖片） Livis配備9.6.3環繞全景聲音響系統

理想披露，車主在78%的旅程中都會使用媒體功能。新一代L9 Livis配備9.3.6環繞全景聲音響系統，并通過前后排獨立聲區、頭枕音響和空間音頻算法，強化多座位的沉浸體驗。

▲理想汽車將支持CarPlay

同時，理想還將對CarPlay提供支持，并與HUD、方向盤控制聯動。Apple Music將結合車內全景聲系統，提供更完整的空間音頻體驗。

五、李想現場研判：智能汽車不能只停留在“功能驅動”

李想在發布會上提出了一個判斷：今天的智能手機和智能汽車，其實都還不是真正智能。它們雖然能夠聯網、升級，也可以由軟件定義硬件。

但這套系統本質上仍然是功能驅動系統，不是一個能理解目標、判斷環境并獨立行動的智能體。

▲李想稱目前的智能汽車并不智能

他把智能汽車的進化拆成三個維度：安全、能力和效率。

在安全上，傳統智能汽車通常滿足的是功能安全。系統遇到復雜、極端或未見過的場景時，可以選擇退出并把控制權交還給駕駛員。

但在真實道路中，危險恰恰可能發生在接管瞬間。李想認為，具身智能汽車的安全邏輯不能只是“系統免責”，而應當以保護人為核心。

▲李想解讀具身智能汽車三要素

在能力上，傳統智能汽車更多是在調用功能，或在特定條件下執行輔助駕駛。

但具身智能需要獨立完成任務，能夠像人一樣理解場景，例如自主倒車、靠邊停車、識別保安手勢、理解施工繞行、完成接人和停車等連續任務。

在效率上，李想指出，用戶在趕時間、進入胡同、通過窄路或面對復雜道路時，經常會選擇自己開，而不是使用輔助駕駛。

這樣的原因也很直接，現有系統的效率和反應速度還不夠高。理想給具身智能汽車設定的目標，是比人更安全、比人更能完成任務，也比人更高效。

在產品定義上，李想給出了一個相對清晰的答案。

▲具身智能產品本質

具身智能汽車不是某個單點功能，而是一輛電動車、一位職業司機、一臺AI計算機和一個生活助手的融合。

電動車提供身體和移動能力，職業司機負責可靠完成出行任務，AI計算機提供模型和算力，生活助手則理解用戶需求并調度服務。

現場演示中，理想不僅通過長指令展示了車輛控制能力，還展示了復雜任務規劃能力。

第一個復雜任務是接機和洗塵宴安排。

▲車機安排復雜場景

用戶告訴理想同學：朋友乘坐CA1314航班來北京，且是素食主義者，需要先接機，再去望京找餐廳吃洗塵宴。

這就意味著系統需要理解航班號、判斷到達機場和時間，再結合飲食偏好尋找餐廳并規劃路線。

現場演示中，理想同學給出了精準的規劃。

第二個任務是燕京八景路線規劃。用戶要求先去金臺夕照，最后去居庸疊翠。

▲車機安排燕京八景游覽

系統不僅搜索各景點位置，還根據開放狀態和時間限制進行篩選，最終沒有機械地把八個點全部塞進路線，而是生成了現實中更可執行的游覽方案。

第三個任務更接近日常家庭場景：用戶需要按照指定順序接上分散在藍色港灣、望京、中關村、馬泉營等地的家人，最后去三里屯給孩子過生日。

▲車機進行復雜任務安排

這個任務難點在于人物介紹順序和實際接人順序并不一致，系統需要記住每個人的位置、身份和接送順序，并最終生成多點導航路線。

現場演示中，系統成功輸出了一條約86.5公里的路線。

▲車機最終輸出的路線

更有“具身智能”特征的是車內場景控制。

面對“哄二排孩子睡覺”的場景，理想同學不只是播放搖籃曲，而是同時降低音量、調節空調、改變燈光，并調用主動懸架，讓車輛呈現類似搖籃的律動。

▲全主動懸架化身搖籃

此外，理想還展示了車輛在雷達被遮擋時自主靠邊停車并提示用戶處理；自動前往理想自動充電站充電，并在充電完成后挪出車位。

面對高難度停車位時通過VLA尋找更高效的代泊方案；在園區停車時，車輛還能與停車管理人員交流，理解指引后前往合適車位。

六、新功能計劃三次OTA 7月、9月、12月逐步釋放能力

發布會最后，李想預告了今年三個關鍵OTA節點。

▲今年三個關鍵OTA節點

7月OTA的主題是效率提升。

此次更新，輔助駕駛效率將整體提升30%，并覆蓋限寬墩、限高桿等場景。

現場展示的出行導游Agent技能上線，車友對講機功能上線，兩天一度電的哨兵模式上線。

此外，還將上線利用主動懸架硬件能力實現的便捷換胎功能。

▲7月OTA功能

9月OTA將重點補齊更像人類司機的能力，包括窄路倒車、會車倒車讓行、復雜路面通過，以及智能地鎖和車庫門控制。

Agent也將進一步連接電腦和手機，調用辦公、社交軟件信息，CarPlay和Apple Music無損音質也會在這一階段推出。

▲9月OTA功能

12月OTA則是理想最有野心的一步：讓Livis的安全和效率超越人類。

按照發布會說法，系統將在用戶誤觸方向盤導致輔助駕駛退出時繼續保護安全。

當用戶緊急打方向但角度不足以避險時，Livis會主動介入，尋找更安全的軌跡。

面對交警疏導交通，系統也可以理解指揮并有序通行。

此外，理想汽車還將繼續釋放馬赫M100潛力，將最快反應速度提升到0.2秒，比普通人快56%。

結語：理想全面布局具身智能

這場發布會的重點，不只是理想做了一塊更大的屏幕、一套更強的輔助駕駛系統，或一顆更高算力的芯片。

可以說，理想試圖把座艙、模型、芯片、操作系統、輔助駕駛、車內交互和生活服務，統一到“具身智能汽車”這個故事里。

不難看出，理想已經不滿足于繼續講“移動的家”這個故事。

它希望汽車從一個可升級的交通工具，變成一個能夠理解環境、理解人、并主動完成任務的智能體。

用李想的話說，過去十年理想創造了一個移動的家，接下來要給車和家賦予生命。