摘要：理想汽车自研智驾芯片 M100 于今年一季度样片回片，迈过量产前的关键阶段。随后，M100 在两周内完成功能测试和性能测试，后续通过理想研发人员的压力测试。目前，M100 已经小批量上样车做道路测试。

理想方面曾表示，如果将来智驾算法锁定，自研芯片有利于实现更优的效率和成本。

理想汽车自研智驾芯片 M100 于今年一季度样片回片，迈过量产前的关键阶段。随后，M100 在两周内完成功能测试和性能测试，后续通过理想研发人员的压力测试。目前，M100 已经小批量上样车做道路测试。

据我们了解，在处理不同类型的计算任务时，M100 表现出特定的性能特点：如在运行大语言模型（LLM, Large Language Model）的计算任务时，1 颗 M100 所能提供的有效算力与 2 颗英伟达 Thor-U 大致相当；而在处理卷积神经网络（CNN, Convolutional Neural Network）相关的传统视觉任务（如图像识别）时，1 颗 M100 所能提供的有效算力可对标 3 颗英伟达 Thor-U。

M100 预计明年量产上车。在此之前，理想仍将依赖其现有的两家合作伙伴——英伟达和地平线。与此同时，为保障自研智驾芯片项目的战略安全、避免破坏与相关厂商之间的合作关系，理想近期已加强对芯片部门的信息管控。

芯片研发耗资巨大，有知情人士称，理想为自研芯片项目规划的资金预算为数十亿美元。

一位接近理想芯片部门的人士曾告诉我们，理想智驾芯片的研发工作较为复杂，在 NPU （Neural Processing Unit, 神经处理单元）、SoC（System on Chip, 系统级芯片）等硬件之外，还包括软件的开发与适配等，“这实际上是一个好多层的解决方案”。

理想汽车 CTO 谢炎主要推动了这种软硬结合的研发策略。加入理想前，谢炎先后在英特尔、阿里巴巴等公司工作，曾任 AliOS 首席架构师、终端 OS 部部长等职，拥有深厚的编译器技术背景。前述人士称，谢炎的目标是通过软件调度能力，更大限度地提升芯片硬件算力的利用率，从而在性能上实现对竞争对手的降维打击。

软硬结合并非易事。这背后是一项复杂的体系化工程，它不仅考验企业在算法、编译器和芯片设计领域的技术深度，还要求企业打破硬件瀑布式开发与软件敏捷迭代之间的壁垒，构建跨部门团队高效协同的工作流程。

车企自研智驾芯片和智驾算法模型采用的 Transformer 架构有很大关系。国产智能辅助驾驶方案商元戎启行创始人兼 CEO 周光告诉我们，早期智驾芯片的设计重心普遍围绕卷积神经网络（CNN）进行优化，将来的芯片则一定会把对 Transformer 架构的原生、高效支持放在更重要的位置，尤其是在对 FP4、FP6 等超低精度的优化上。

这样的技术变化趋势，也对各家厂商在芯片架构设计方面的前瞻性，以及软硬件联合调优方面的应变能力构成直接挑战。

理想在智驾芯片上采取 “两条腿走路” 的策略：一方面用外部方案确保当下的市场竞争力，另一方面用自研芯片谋求未来的核心优势。

在售纯电车型中，理想倾向于搭载英伟达的高算力芯片，如旗舰 MPV 车型 MEGA、新款纯电 SUV 车型 i8 均全系搭载英伟达 Thor-U。据我们了解，在纯电 SUV 车型 i6 上，理想也有意全系搭载英伟达 Thor-U。

而在当前的销量主力 L 系列增程车型中，理想则沿用混合策略，即根据 AD Max 和 AD Pro 两个智能辅助驾驶版本，分别搭载英伟达 Thor-U 或地平线征程 6M。

理想自动驾驶研发高级副总裁郎咸朋曾告诉我们，理想自研智驾芯片的核心原因是：作为一颗专用芯片，它能够针对理想的算法进行特定优化处理，性价比和效率都很高。“现在我们依然使用 Thor 芯片，是因为英伟达对一些新的算子支持比较好，算力也比较充足。VLA 方案目前处于迭代过程中，算法依然有变化的可能性。如果未来算法锁定，为了更好的效率和成本，大家都会考虑自研芯片。”

来源：AI芯天下