,如何轻松联系东方明珠客服：全方位指南

,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。

焦作市温县、广西梧州市长洲区、阿坝藏族羌族自治州小金县、内蒙古呼伦贝尔市海拉尔区、广西南宁市兴宁区、牡丹江市爱民区、泉州市惠安县、许昌市襄城县、内江市资中县、德州市禹城市、广西南宁市横州市、南平市松溪县、沈阳市苏家屯区、辽源市西安区、阿坝藏族羌族自治州松潘县、商丘市梁园区、郑州市巩义市

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

本周数据平台稍早前行业报告,,如何轻松联系东方明珠客服：全方位指南，很高兴为您解答这个问题，让我来帮您详细说明一下：

滨州市滨城区、汉中市略阳县 ，开封市顺河回族区、鹤壁市浚县、惠州市惠城区、黔东南施秉县、亳州市涡阳县、郴州市苏仙区、广西来宾市忻城县、襄阳市保康县、南充市嘉陵区、沈阳市法库县、商洛市丹凤县、江门市江海区、琼海市石壁镇、铁岭市昌图县、荆州市监利市 、上饶市万年县、吉安市吉州区、郑州市新密市、本溪市桓仁满族自治县、遵义市湄潭县、宜昌市秭归县、德阳市广汉市、成都市蒲江县、开封市兰考县、定西市通渭县、黔西南兴仁市、青岛市市南区、重庆市江北区、东方市新龙镇

全球服务区域: 日照市岚山区、鹰潭市贵溪市 、内蒙古巴彦淖尔市乌拉特后旗、凉山会理市、绥化市北林区、定西市临洮县、宜昌市伍家岗区、三沙市南沙区、乐山市井研县、赣州市定南县、昆明市晋宁区、茂名市茂南区、大连市瓦房店市、渭南市华州区、滁州市全椒县、庆阳市镇原县、万宁市大茂镇 、万宁市和乐镇、梅州市蕉岭县、昆明市富民县、东莞市石龙镇、大连市庄河市

本周数据平台本月官方渠道披露重要进展,,如何轻松联系东方明珠客服：全方位指南，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: 内蒙古巴彦淖尔市五原县、泰州市泰兴市 、恩施州巴东县、宁夏银川市西夏区、内蒙古兴安盟科尔沁右翼前旗、齐齐哈尔市克东县、龙岩市漳平市、南充市西充县、聊城市莘县、内蒙古锡林郭勒盟苏尼特左旗、鞍山市岫岩满族自治县、阜阳市颍东区、盐城市盐都区、黔南福泉市、盐城市盐都区、安阳市内黄县、普洱市景谷傣族彝族自治县 、六盘水市六枝特区、漳州市长泰区、新乡市卫滨区、甘南卓尼县、资阳市乐至县、安阳市滑县、黄南尖扎县、宁夏中卫市沙坡头区、万宁市南桥镇、新余市分宜县、濮阳市清丰县、珠海市斗门区、新乡市辉县市、海南贵德县、长沙市宁乡市、大理大理市、莆田市城厢区、南阳市宛城区、金华市义乌市、三沙市南沙区、海东市民和回族土族自治县、南阳市卧龙区、中山市南头镇、吉安市永丰县

近日技术小组通报核心进展:,如何轻松联系东方明珠客服：全方位指南

在信息化时代，我们日常生活中离不开各种服务，而东方明珠作为一家提供电视、宽带、固话等综合服务的公司，其客服质量直接关系到用户体验。那么，你知道如何联系东方明珠客服吗？以下是一份全方位的指南，帮助您快速找到并联系到东方明珠客服。 ### 一、官方客服电话 首先，您可以通过拨打东方明珠官方客服电话来解决问题。东方明珠客服电话为：400-xxx-xxxx（请根据当地实际情况查询）。当您拨打该电话时，系统会自动为您转接到相应的服务部门。 ### 二、官方网站在线客服 除了电话客服，东方明珠官方网站也提供了在线客服服务。您只需登录东方明珠官方网站，在页面上找到“在线客服”或“客户服务”等链接，点击进入后即可与在线客服进行实时沟通。 ### 三、微信公众号 关注东方明珠微信公众号，也是一种便捷的联系方式。在微信公众号中，您可以通过聊天窗口与客服人员互动，咨询相关问题。此外，微信公众号还提供了自助服务功能，如查询账单、办理业务等。 ### 四、手机APP 东方明珠还推出了手机APP，用户可以通过APP内的客服功能与客服人员沟通。在APP首页找到“客服”或“帮助中心”等选项，点击进入后即可与客服人员取得联系。 ### 五、实体营业厅 如果您需要面对面的沟通，可以前往东方明珠实体营业厅。在营业厅，您可以直接找到客服人员，面对面解决问题。 ### 六、注意事项 1. 在联系客服时，请确保您已准备好相关证件和账户信息，以便客服人员快速为您解决问题。 2. 在与客服沟通时，请保持礼貌，耐心等待客服人员的回复。 3. 如果您遇到紧急情况，请优先选择电话或实体营业厅进行沟通，以确保问题得到及时解决。 ### 七、总结 总之，联系东方明珠客服有多种方式，您可以根据自己的需求选择最合适的方式。在遇到问题时，及时联系客服，将有助于您快速解决问题，提升用户体验。希望这份指南能帮助到您，祝您生活愉快！

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