,华纳万宝路：一条充满传奇色彩的分岔路

,理想汽车CTO谢炎：我们凭什么做出“全世界性能最强AI芯片”，很高兴为您解答这个问题，让我来帮您详细说明一下。

普洱市景谷傣族彝族自治县、茂名市茂南区、辽源市龙山区、铜仁市玉屏侗族自治县、甘孜得荣县、内蒙古呼和浩特市玉泉区、中山市东升镇、德宏傣族景颇族自治州盈江县、延安市富县、东方市新龙镇、大庆市龙凤区、南充市西充县、河源市紫金县、内蒙古包头市东河区、长治市平顺县、开封市龙亭区、广西玉林市玉州区

图片来源：视觉中国蓝鲸新闻6月19日讯（记者 李卓玲）近两年来，车企"造芯"消息不断。今年5月底，比亚迪发布首款4nm制程智驾芯片璇玑A3，并官宣已开启规模化量产，支持L3、L4自动驾驶。按照官方的说法，这款自研4nm智驾芯片，代表了中国智驾芯片的最高水平。更早前，蔚来于2025年推出自研神玑NX9031，将其称为"全球首颗车规级5nm智驾芯片"；同年小鹏自研图灵AI芯片也宣告量产上车，小鹏将其称为"全球首颗多端通用芯片"。6月15日，在Livis Day 理想汽车软件与具身智能发布会上，理想透露了自研芯片马赫M100的更多研发细节。该芯片采用5纳米车规级工艺，单芯片算力1280TOPS，双芯算力2560TOPS，于2022年正式立项，并于2026年5月实现量产上车。理想汽车CEO李想彼时直言，这是"全世界性能最强AI芯片"。该言论一出，随即引发热议，甚至是质疑，有意见认为"都说自己领先，到底谁更优秀"。对于为何敢说自己是"世界第一"？理想汽车CTO谢炎日前在接受蓝鲸汽车记者采访时回应，主要是因为跟市面上标准可以获得的芯片做对比，它是英伟达Thor-U三倍的性能。"我们可以拿出Benchmark（基准测试），甚至可以让第三方做测试。我们也跟一个第三方测试机构聊过，测试机构说其它家都不愿意拿出来做比较。如果要公平地比较，可以拿到一个公平、综合的Benchmark去做合适的比较。"理想汽车CTO谢炎 图片来源：理想汽车谈及自研芯片原因，谢炎回忆，四年前芯片立项时与李想达成共识：自研不是为了证明自己有能力做，而是真正去解决问题。"四年前我们看到的问题一是算力成本非常高，而且会不断变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。当时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。当时定的目标是4倍Orin的性能。"但在内部看来，要达成这一目标，即要做得比英伟达更好，用英伟达的技术路线是不可行的。"因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。"基于此，唯一的机会就是跑另外一条路径：放弃主流的冯·诺依曼架构，转而选择数据流架构。"冯·诺依曼架构相当于帮人类做一个中介去实现计算，中间有翻译层，这个翻译帮助人类更好地去编程，但这个中介和翻译会降低效率。如果回到计算的本质，可以把中间的翻译拿掉。当然的确很少有企业做过实践，中国也是如此。所以大家看到的机会都是一样的，关键是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。"谢炎表示。按照谢炎的说法，冯·诺依曼架构用七十年推动了通用计算的辉煌，理想汽车希望以马赫M100为起点，用数据流架构接过历史的这一棒，继续推动AI计算再辉煌七十年。作为理想芯片自研项目的负责人，谢炎于2022年7月加盟理想，随后很快晋升为理想CTO。谢炎刚加入时，理想芯片团队只有两名员工。被蓝鲸汽车记者问及整个自研芯片过程中有否遇到什么挑战时，谢炎直言，遇到困难肯定是有的，软件、编译、模型适配，这都是有很多困难在里面，而且这些坑只有你做了才知道。"我觉得数据流架构for AI是一个大的技术方向，它比其它架构更适合，我希望更多的同行能跟随这条路。就像冯·诺伊曼提出来技术路线，很多公司跟随。从更长时间来看，这不是一件坏事。"值得关注的是，今年以来，理想被曝多次调整组织架构：先是2月重组智能化部门，形成软件本体、基座模型等团队；随后，今年5月，其基座模型部门被曝新增3个与具身智能相关的二级部门等。蓝鲸汽车记者了解到，目前理想汽车研发体系主要有Infra团队，负责算力基础设施与数据工程；基座模型团队负责多模态预训练与后训练；软件本体团队负责通用Agent、工具链、记忆与上下文工程；硬件本体团队负责芯片、传感器、机器人硬件；评估团队负责独立评估Agent/Robot工作质量。对于组织架构调整，谢炎回应，技术迭代快是理想进行组织整合的一个目标。在其看来，如果技术处于高速发展期时，很多公司会回过头来做整合，因为需要在技术边界上把分工打破。"除此之外，组织规模小一点也是优势。如果需要高密度、高整合度，组织规模不能太大，如果组织规模太大，就会导致很多部门墙。这是为什么我在公司强调要保证比较小的组织规模的原因，就是想让大家合作得更紧密些。"以下为与理想汽车CTO谢炎、理想汽车基座模型负责人詹锟对话实录（经编辑删减整理）："自研芯片要做得比英伟达更好，用英伟达的技术路线是不可行的"提问：为何马赫M100会采用动态数据流架构？该芯片四年前立项时，整个行业都还在冯·诺依曼架构的路径依赖中，您当时看到了什么需求和变化？谢炎：四年前，我们给自己立了一个很高的目标，这个目标也是一个非常合理的目标：就是自研。我们为什么要自研？我和李想有一个非常一致的意见：自研不是为了证明自己有能力做，而是真正去解决问题。四年前我们看到的问题：一是算力成本非常高，而且会不断变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。当时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。当时定的目标是4倍Orin的性能。当然这个目标不是瞎定的，我们花了半年时间进行分析。如果要达到这个目标，背后有一套逻辑：你要做得比英伟达更好，用英伟达的技术路线是不可行的。因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。就像你跟博尔特在100米赛道上，他比你早跑2秒，你不可能超过。你唯一的机会就是跑另外一条路径。在这个思路的指引下，我们开始看其他技术路线。就是扔掉所有以前的架构依赖，回到本质，从第一性原理看AI计算本身还有什么机会。我在读研究生时，我导师高光荣教授是数据流架构的奠基人之一，他在MIT时就做这个事。当然在通用计算时代并不成功。我们发现他的思想本质是：你要做的是计算，冯·诺依曼架构相当于帮人类做一个中介去实现计算，中间有翻译层，这个翻译帮助人类更好地去编程，但这个中介和翻译会降低效率。如果回到计算的本质，可以把中间的翻译拿掉。当然的确很少有企业做过实践，中国也是如此。所以大家看到的机会都是一样的，关键是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。图片来源：理想汽车提问：马赫M100芯片在理想的定义里是一款AI推理芯片，而不是AI训练芯片，这两者的边界是什么，背后的思考是什么？在AI训练领域英伟达已经很垄断了，跟它做竞争是不是很难追上？谢炎：我认为AI计算的算力市场，最终会出现99%的推理，训练只占很小的部分。从这个角度来讲，今天中国和美国大量的公司在为了更高的效率专门做推理芯片，也是这个原因，因为最终推理市场更大。如果推理市场没起来，说明AI没有真正落地。从我们的角度而言，我们公司先要解决推理问题。训练的话，用市场上好的训练芯片，目前够我们用了。从经济模型角度来讲，训练要的是效率，它对成本不太敏感。训练要的是在足够短的时间内迭代。至于成本高了50%，甚至高了100%，也没关系。英伟达最高端的芯片，很多公司以翻倍的价格也愿意买。但是推理芯片不一样，它要同时考虑成本与效率，而且考虑成本的比重非常高。从解决公司和业务问题来讲，推理问题更大，它跟我们想要达到目标的gap（差距）更大。如果我们做一件事的话，我们就解决机会最大的问题。提问：请问自研芯片背后需要什么条件，比如销量、营收、研发投入等？谢炎：如果你的业务需要自研核心技术，比如芯片，先期投入的确不小，可能一年要好几亿。第一个条件是达到一定的营收规模。对车企来说，营收规模一年1000亿以上，研发投入至少10%，就有大几十亿到上百亿，每年投钱研发芯片是可以的。第二个条件是，你研发芯片解决的问题，要能让你的产品能力更强。回到十年前，一些房地产公司也做高科技，问题是它投入的高科技对主营业务帮助非常小。比如我是房地产公司去投芯片，这个意义不大，芯片对卖房子没帮助，对未来也没帮助，更多是象征意义，而没有实际意义。以上是最重要的两个条件。这里有个误区，很多人说芯片要有很大的出货规模才行。其实芯片的成本和面积相关。一辆车上的芯片，比如Livis是2颗马赫M100，加起来800平方毫米。而一部高端手机芯片大概100平方毫米，所以一辆车的智驾芯片相当于8台手机的芯片面积。你会说车的量比较少，但成本不仅仅跟数量有关，也跟面积有关。这样算下来，大几十万辆车需要的晶圆面积非常大，完全可以摊薄成本。所以成本不能仅用颗数来衡量。有的IT公司说一年出货好几亿颗，但其实每颗面积非常小。不能脱离背景只谈量，这是不完整的。我们在马赫M100立项时算过，做这个芯片不会让公司的效益变差，而是会变好。我们不是为了证明自己能做而做，不仅性能要做到最好，在成本上也要帮助公司省钱。提问：理想自研芯片从2022年立项，去年流片，为什么今年才量产上车，有什么考量？在做芯片过程中，有什么挑战或故事可以分享下吗？谢炎：对于上车时间我们已经做得很快了。做芯片基本要5年时间，而我们基本快4年年时间就上车，而且把所有模型都跑起来，这已经很快了。至于在过程中遇到的困难，肯定是有的。软件、编译、模型适配，这都是有很多困难在里面，而且这些坑只有你做了才知道。日前有些同行说，看了我们的论文以后，说你们把论文写得那么详细，别人家拿你的论文是不是就可以复刻。但我们不担心，因为把这个架构要落地是非常长的距离，而且中间有很多坑，只有真正做才知道，才能迈过去，迈不过去，就停在那儿了。第二，我觉得数据流架构for AI是一个大的技术方向，它比其它架构更适合，我希望更多的同行能跟随这条路。就像冯·诺伊曼提出来技术路线，很多公司跟随。从更长时间来看，这不是一件坏事。谈车企自研芯片：很多公司宣布做了，但并没真正落到车上提问：李想日前说马赫M100"是全世界性能最强的AI芯片"引起了很大的讨论，包括有些质疑声音会说小鹏、蔚来、比亚迪也都说自己很领先。那么，跟这些友商相比，理想的领先性体现在哪些方面，或者被市场低估了哪些方面？谢炎：我们为什么敢说自己是世界第一呢？因为我们跟市面上标准可以获得的芯片做对比，它是英伟达Thor-U三倍的性能。我们可以拿出Benchmark（基准测试），甚至可以让第三方做测试。我们也跟一个第三方测试机构聊过，测试机构说其它家都不愿意拿出来做比较。如果要公平地比较，可以拿到一个公平、综合的Benchmark去做合适的比较。提问：这两年很多车企都发布了自己的芯片，正常来讲芯片是高投入、长研发、需要验证的产品，这是否意味着这件事很容易？谢炎：我想说其实挺不容易。我们自己做这颗芯片花了4年，在新势力里我们启动最晚。大家要看发布芯片后，最终结果是最领先的模型什么时候真正落到车上。从这个时间来看，除了我们以外，其他家一般要5年时间甚至更长，我们是最快的。所以要有点耐心，第一颗芯片如果真的自己做的话，没那么容易，一般要花5年时间。做一颗芯片和做一颗领先的芯片，难度又是不一样的。有些公司做了芯片，但这颗芯片不够领先。我跟李想说过，我最担心的事不是做不出来，最糟糕的事情是做出来了但它不领先，那公司这个钱就白花了，这是我最不想看到的结局。我们看业界，并不是每一家公司都能做到。现在很多公司宣布做了，但并没有真正落到车上。要看它什么时候落到车上，什么时候把最高端的智驾用自研芯片跑起来，并且还能做好用户体验。再者，看是不是所有车都能用。有的公司为了证明自己能用，只用了一款车型，出货量只有几千辆，其他车还是用外购芯片，说明它也知道这件事并没有帮它解决真正的问题。我认为要看几个指标：全量的车能不能用上，能不能快速上车，能不能跑最先进或最新一代模型，并且部署到所有车上。另外一个指标是能不能持续迭代。做一代芯片不说明问题，最终要做出第二代、第三代。很多公司只做了第一代，第二代就不做了。有些公司也可能买个IP就做了，也可以宣传自己自研。但我们不是，因为我们连论文都可以看到，这个世界上没有第二个芯片跟我们做的一

本周数据平台本月监管部门通报最新动态,,华纳万宝路：一条充满传奇色彩的分岔路，很高兴为您解答这个问题，让我来帮您详细说明一下：

吉安市吉水县、吉安市吉安县 ，成都市大邑县、九江市德安县、湛江市吴川市、长春市宽城区、宁夏固原市西吉县、淮南市田家庵区、潍坊市寒亭区、南通市如东县、儋州市海头镇、安庆市桐城市、铜川市宜君县、黔南惠水县、南平市顺昌县、陵水黎族自治县黎安镇、萍乡市安源区 、万宁市山根镇、新乡市卫滨区、东莞市中堂镇、抚州市资溪县、许昌市襄城县、宁德市霞浦县、苏州市昆山市、陵水黎族自治县本号镇、南平市顺昌县、本溪市本溪满族自治县、张家界市武陵源区、东莞市麻涌镇、内蒙古乌兰察布市四子王旗、潍坊市安丘市

全球服务区域: 厦门市集美区、凉山甘洛县 、海东市民和回族土族自治县、韶关市始兴县、海东市循化撒拉族自治县、齐齐哈尔市昂昂溪区、咸阳市彬州市、黔东南锦屏县、聊城市东阿县、黄山市屯溪区、莆田市仙游县、白沙黎族自治县阜龙乡、韶关市浈江区、攀枝花市盐边县、海口市秀英区、宜春市高安市、襄阳市保康县 、重庆市大渡口区、滨州市滨城区、广西柳州市三江侗族自治县、梅州市平远县、淄博市沂源县

24小时维修咨询热线，智能语音导航,,华纳万宝路：一条充满传奇色彩的分岔路，很高兴为您解答这个问题，让我来帮您详细说明一下：

全国服务区域: 广西河池市巴马瑶族自治县、昭通市威信县 、白城市镇赉县、资阳市乐至县、海口市美兰区、漳州市龙海区、重庆市北碚区、聊城市东阿县、阿坝藏族羌族自治州小金县、甘孜九龙县、忻州市宁武县、海西蒙古族乌兰县、沈阳市辽中区、安康市汉阴县、威海市文登区、重庆市江北区、宜春市高安市 、怀化市沅陵县、天津市河东区、赣州市上犹县、肇庆市四会市、衢州市江山市、内蒙古兴安盟科尔沁右翼中旗、镇江市京口区、平顶山市郏县、巴中市恩阳区、德州市宁津县、郑州市惠济区、晋城市沁水县、泰安市泰山区、东方市感城镇、咸阳市彬州市、文昌市潭牛镇、潍坊市坊子区、通化市通化县、马鞍山市雨山区、大庆市萨尔图区、南阳市南召县、黄石市西塞山区、三明市沙县区、恩施州鹤峰县

本周数据平台今日多方媒体透露研究成果:,华纳万宝路：一条充满传奇色彩的分岔路

华纳万宝路，这个名字对于许多电影爱好者来说，无疑是一个充满传奇色彩的地方。它不仅是一条街道，更是一个时代的象征，一段历史的见证。在这条分岔路上，无数经典电影诞生，无数电影人留下了他们的足迹。 华纳万宝路位于美国洛杉矶的好莱坞地区，是一条充满活力的街道。这里聚集了众多电影公司，其中最著名的便是华纳兄弟。这条街道见证了华纳兄弟从一个小型的电影制作公司成长为全球最大的电影娱乐集团之一。 华纳万宝路的历史可以追溯到1918年，当时华纳兄弟的三位创始人哈里、阿尔伯特和杰克·华纳在这里开设了他们的第一家电影制作公司。从此，这里便成为了好莱坞电影产业的中心。在这里，华纳兄弟制作了众多经典电影，如《乱世佳人》、《卡萨布兰卡》、《教父》等，这些电影成为了世界电影史上的经典之作。 华纳万宝路不仅仅是一个电影制作公司的所在地，它还是好莱坞电影产业的缩影。在这里，你可以看到电影制作的各个环节，从剧本创作、演员挑选、拍摄制作到后期剪辑，每一个环节都充满了创意和激情。许多著名的电影导演、演员和编剧都在这里留下了他们的身影，如阿尔弗雷德·希区柯克、奥黛丽·赫本、约翰·福特等。 华纳万宝路还是好莱坞电影产业的一个重要分岔点。在这里，电影产业从传统的胶片时代过渡到了数字时代。随着科技的不断发展，电影制作技术也在不断革新。华纳兄弟作为电影产业的领军企业，始终走在时代的前沿，不断探索新的电影制作技术，为观众带来更加震撼的视听体验。 此外，华纳万宝路还是好莱坞电影产业的一个重要交流平台。每年，这里都会举办各种电影活动，如奥斯卡颁奖典礼、好莱坞电影节等。这些活动不仅吸引了全球电影人前来交流，也吸引了无数电影爱好者前来观摩。在这里，人们可以近距离感受电影产业的魅力，了解电影制作的幕后故事。 然而，华纳万宝路也面临着一些挑战。随着电影产业的不断发展，越来越多的电影制作公司选择在其他地区设立分支机构，这使得华纳万宝路的地位受到了一定程度的冲击。但是，华纳兄弟依然坚定地扎根于此，继续推动着好莱坞电影产业的发展。 如今，华纳万宝路已经成为了一个传奇的符号。它不仅代表着好莱坞电影产业的辉煌历史，更象征着电影人不断追求创新、挑战自我的精神。在这里，无数电影人留下了他们的足迹，也留下了无数经典电影。华纳万宝路，这条充满传奇色彩的分岔路，将继续引领着好莱坞电影产业走向更加辉煌的未来。

图片来源：视觉中国蓝鲸新闻6月19日讯（记者 李卓玲）近两年来，车企"造芯"消息不断。今年5月底，比亚迪发布首款4nm制程智驾芯片璇玑A3，并官宣已开启规模化量产，支持L3、L4自动驾驶。按照官方的说法，这款自研4nm智驾芯片，代表了中国智驾芯片的最高水平。更早前，蔚来于2025年推出自研神玑NX9031，将其称为"全球首颗车规级5nm智驾芯片"；同年小鹏自研图灵AI芯片也宣告量产上车，小鹏将其称为"全球首颗多端通用芯片"。6月15日，在Livis Day 理想汽车软件与具身智能发布会上，理想透露了自研芯片马赫M100的更多研发细节。该芯片采用5纳米车规级工艺，单芯片算力1280TOPS，双芯算力2560TOPS，于2022年正式立项，并于2026年5月实现量产上车。理想汽车CEO李想彼时直言，这是"全世界性能最强AI芯片"。该言论一出，随即引发热议，甚至是质疑，有意见认为"都说自己领先，到底谁更优秀"。对于为何敢说自己是"世界第一"？理想汽车CTO谢炎日前在接受蓝鲸汽车记者采访时回应，主要是因为跟市面上标准可以获得的芯片做对比，它是英伟达Thor-U三倍的性能。"我们可以拿出Benchmark（基准测试），甚至可以让第三方做测试。我们也跟一个第三方测试机构聊过，测试机构说其它家都不愿意拿出来做比较。如果要公平地比较，可以拿到一个公平、综合的Benchmark去做合适的比较。"理想汽车CTO谢炎 图片来源：理想汽车谈及自研芯片原因，谢炎回忆，四年前芯片立项时与李想达成共识：自研不是为了证明自己有能力做，而是真正去解决问题。"四年前我们看到的问题一是算力成本非常高，而且会不断变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。当时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。当时定的目标是4倍Orin的性能。"但在内部看来，要达成这一目标，即要做得比英伟达更好，用英伟达的技术路线是不可行的。"因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。"基于此，唯一的机会就是跑另外一条路径：放弃主流的冯·诺依曼架构，转而选择数据流架构。"冯·诺依曼架构相当于帮人类做一个中介去实现计算，中间有翻译层，这个翻译帮助人类更好地去编程，但这个中介和翻译会降低效率。如果回到计算的本质，可以把中间的翻译拿掉。当然的确很少有企业做过实践，中国也是如此。所以大家看到的机会都是一样的，关键是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。"谢炎表示。按照谢炎的说法，冯·诺依曼架构用七十年推动了通用计算的辉煌，理想汽车希望以马赫M100为起点，用数据流架构接过历史的这一棒，继续推动AI计算再辉煌七十年。作为理想芯片自研项目的负责人，谢炎于2022年7月加盟理想，随后很快晋升为理想CTO。谢炎刚加入时，理想芯片团队只有两名员工。被蓝鲸汽车记者问及整个自研芯片过程中有否遇到什么挑战时，谢炎直言，遇到困难肯定是有的，软件、编译、模型适配，这都是有很多困难在里面，而且这些坑只有你做了才知道。"我觉得数据流架构for AI是一个大的技术方向，它比其它架构更适合，我希望更多的同行能跟随这条路。就像冯·诺伊曼提出来技术路线，很多公司跟随。从更长时间来看，这不是一件坏事。"值得关注的是，今年以来，理想被曝多次调整组织架构：先是2月重组智能化部门，形成软件本体、基座模型等团队；随后，今年5月，其基座模型部门被曝新增3个与具身智能相关的二级部门等。蓝鲸汽车记者了解到，目前理想汽车研发体系主要有Infra团队，负责算力基础设施与数据工程；基座模型团队负责多模态预训练与后训练；软件本体团队负责通用Agent、工具链、记忆与上下文工程；硬件本体团队负责芯片、传感器、机器人硬件；评估团队负责独立评估Agent/Robot工作质量。对于组织架构调整，谢炎回应，技术迭代快是理想进行组织整合的一个目标。在其看来，如果技术处于高速发展期时，很多公司会回过头来做整合，因为需要在技术边界上把分工打破。"除此之外，组织规模小一点也是优势。如果需要高密度、高整合度，组织规模不能太大，如果组织规模太大，就会导致很多部门墙。这是为什么我在公司强调要保证比较小的组织规模的原因，就是想让大家合作得更紧密些。"以下为与理想汽车CTO谢炎、理想汽车基座模型负责人詹锟对话实录（经编辑删减整理）："自研芯片要做得比英伟达更好，用英伟达的技术路线是不可行的"提问：为何马赫M100会采用动态数据流架构？该芯片四年前立项时，整个行业都还在冯·诺依曼架构的路径依赖中，您当时看到了什么需求和变化？谢炎：四年前，我们给自己立了一个很高的目标，这个目标也是一个非常合理的目标：就是自研。我们为什么要自研？我和李想有一个非常一致的意见：自研不是为了证明自己有能力做，而是真正去解决问题。四年前我们看到的问题：一是算力成本非常高，而且会不断变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。当时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。当时定的目标是4倍Orin的性能。当然这个目标不是瞎定的，我们花了半年时间进行分析。如果要达到这个目标，背后有一套逻辑：你要做得比英伟达更好，用英伟达的技术路线是不可行的。因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。就像你跟博尔特在100米赛道上，他比你早跑2秒，你不可能超过。你唯一的机会就是跑另外一条路径。在这个思路的指引下，我们开始看其他技术路线。就是扔掉所有以前的架构依赖，回到本质，从第一性原理看AI计算本身还有什么机会。我在读研究生时，我导师高光荣教授是数据流架构的奠基人之一，他在MIT时就做这个事。当然在通用计算时代并不成功。我们发现他的思想本质是：你要做的是计算，冯·诺依曼架构相当于帮人类做一个中介去实现计算，中间有翻译层，这个翻译帮助人类更好地去编程，但这个中介和翻译会降低效率。如果回到计算的本质，可以把中间的翻译拿掉。当然的确很少有企业做过实践，中国也是如此。所以大家看到的机会都是一样的，关键是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。图片来源：理想汽车提问：马赫M100芯片在理想的定义里是一款AI推理芯片，而不是AI训练芯片，这两者的边界是什么，背后的思考是什么？在AI训练领域英伟达已经很垄断了，跟它做竞争是不是很难追上？谢炎：我认为AI计算的算力市场，最终会出现99%的推理，训练只占很小的部分。从这个角度来讲，今天中国和美国大量的公司在为了更高的效率专门做推理芯片，也是这个原因，因为最终推理市场更大。如果推理市场没起来，说明AI没有真正落地。从我们的角度而言，我们公司先要解决推理问题。训练的话，用市场上好的训练芯片，目前够我们用了。从经济模型角度来讲，训练要的是效率，它对成本不太敏感。训练要的是在足够短的时间内迭代。至于成本高了50%，甚至高了100%，也没关系。英伟达最高端的芯片，很多公司以翻倍的价格也愿意买。但是推理芯片不一样，它要同时考虑成本与效率，而且考虑成本的比重非常高。从解决公司和业务问题来讲，推理问题更大，它跟我们想要达到目标的gap（差距）更大。如果我们做一件事的话，我们就解决机会最大的问题。提问：请问自研芯片背后需要什么条件，比如销量、营收、研发投入等？谢炎：如果你的业务需要自研核心技术，比如芯片，先期投入的确不小，可能一年要好几亿。第一个条件是达到一定的营收规模。对车企来说，营收规模一年1000亿以上，研发投入至少10%，就有大几十亿到上百亿，每年投钱研发芯片是可以的。第二个条件是，你研发芯片解决的问题，要能让你的产品能力更强。回到十年前，一些房地产公司也做高科技，问题是它投入的高科技对主营业务帮助非常小。比如我是房地产公司去投芯片，这个意义不大，芯片对卖房子没帮助，对未来也没帮助，更多是象征意义，而没有实际意义。以上是最重要的两个条件。这里有个误区，很多人说芯片要有很大的出货规模才行。其实芯片的成本和面积相关。一辆车上的芯片，比如Livis是2颗马赫M100，加起来800平方毫米。而一部高端手机芯片大概100平方毫米，所以一辆车的智驾芯片相当于8台手机的芯片面积。你会说车的量比较少，但成本不仅仅跟数量有关，也跟面积有关。这样算下来，大几十万辆车需要的晶圆面积非常大，完全可以摊薄成本。所以成本不能仅用颗数来衡量。有的IT公司说一年出货好几亿颗，但其实每颗面积非常小。不能脱离背景只谈量，这是不完整的。我们在马赫M100立项时算过，做这个芯片不会让公司的效益变差，而是会变好。我们不是为了证明自己能做而做，不仅性能要做到最好，在成本上也要帮助公司省钱。提问：理想自研芯片从2022年立项，去年流片，为什么今年才量产上车，有什么考量？在做芯片过程中，有什么挑战或故事可以分享下吗？谢炎：对于上车时间我们已经做得很快了。做芯片基本要5年时间，而我们基本快4年年时间就上车，而且把所有模型都跑起来，这已经很快了。至于在过程中遇到的困难，肯定是有的。软件、编译、模型适配，这都是有很多困难在里面，而且这些坑只有你做了才知道。日前有些同行说，看了我们的论文以后，说你们把论文写得那么详细，别人家拿你的论文是不是就可以复刻。但我们不担心，因为把这个架构要落地是非常长的距离，而且中间有很多坑，只有真正做才知道，才能迈过去，迈不过去，就停在那儿了。第二，我觉得数据流架构for AI是一个大的技术方向，它比其它架构更适合，我希望更多的同行能跟随这条路。就像冯·诺伊曼提出来技术路线，很多公司跟随。从更长时间来看，这不是一件坏事。谈车企自研芯片：很多公司宣布做了，但并没真正落到车上提问：李想日前说马赫M100"是全世界性能最强的AI芯片"引起了很大的讨论，包括有些质疑声音会说小鹏、蔚来、比亚迪也都说自己很领先。那么，跟这些友商相比，理想的领先性体现在哪些方面，或者被市场低估了哪些方面？谢炎：我们为什么敢说自己是世界第一呢？因为我们跟市面上标准可以获得的芯片做对比，它是英伟达Thor-U三倍的性能。我们可以拿出Benchmark（基准测试），甚至可以让第三方做测试。我们也跟一个第三方测试机构聊过，测试机构说其它家都不愿意拿出来做比较。如果要公平地比较，可以拿到一个公平、综合的Benchmark去做合适的比较。提问：这两年很多车企都发布了自己的芯片，正常来讲芯片是高投入、长研发、需要验证的产品，这是否意味着这件事很容易？谢炎：我想说其实挺不容易。我们自己做这颗芯片花了4年，在新势力里我们启动最晚。大家要看发布芯片后，最终结果是最领先的模型什么时候真正落到车上。从这个时间来看，除了我们以外，其他家一般要5年时间甚至更长，我们是最快的。所以要有点耐心，第一颗芯片如果真的自己做的话，没那么容易，一般要花5年时间。做一颗芯片和做一颗领先的芯片，难度又是不一样的。有些公司做了芯片，但这颗芯片不够领先。我跟李想说过，我最担心的事不是做不出来，最糟糕的事情是做出来了但它不领先，那公司这个钱就白花了，这是我最不想看到的结局。我们看业界，并不是每一家公司都能做到。现在很多公司宣布做了，但并没有真正落到车上。要看它什么时候落到车上，什么时候把最高端的智驾用自研芯片跑起来，并且还能做好用户体验。再者，看是不是所有车都能用。有的公司为了证明自己能用，只用了一款车型，出货量只有几千辆，其他车还是用外购芯片，说明它也知道这件事并没有帮它解决真正的问题。我认为要看几个指标：全量的车能不能用上，能不能快速上车，能不能跑最先进或最新一代模型，并且部署到所有车上。另外一个指标是能不能持续迭代。做一代芯片不说明问题，最终要做出第二代、第三代。很多公司只做了第一代，第二代就不做了。有些公司也可能买个IP就做了，也可以宣传自己自研。但我们不是，因为我们连论文都可以看到，这个世界上没有第二个芯片跟我们做的一