,华纳万宝路经理开号的动态：引领行业新潮流

,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。

广州市花都区、广西防城港市东兴市、内江市东兴区、成都市新津区、遵义市湄潭县、遵义市正安县、苏州市吴江区、聊城市莘县、鹤岗市兴山区、酒泉市阿克塞哈萨克族自治县、松原市乾安县、内蒙古鄂尔多斯市乌审旗、重庆市长寿区、文山富宁县、成都市简阳市、临沧市镇康县、内蒙古包头市九原区

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

统一服务管理平台，智能监控质量,,华纳万宝路经理开号的动态：引领行业新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：

吉安市遂川县、通化市通化县 ，郴州市汝城县、株洲市茶陵县、宝鸡市凤县、张掖市民乐县、楚雄永仁县、常州市新北区、岳阳市君山区、亳州市谯城区、文昌市重兴镇、汉中市洋县、普洱市景谷傣族彝族自治县、昌江黎族自治县王下乡、内蒙古通辽市科尔沁左翼中旗、广西来宾市兴宾区、宁夏吴忠市利通区 、苏州市相城区、漳州市龙海区、大兴安岭地区呼中区、红河红河县、济宁市微山县、本溪市本溪满族自治县、广西南宁市横州市、吉安市永丰县、安阳市林州市、齐齐哈尔市昂昂溪区、汉中市西乡县、佳木斯市富锦市、白银市平川区、郴州市永兴县

全球服务区域: 内蒙古乌海市海勃湾区、广西梧州市龙圩区 、潍坊市坊子区、临汾市大宁县、双鸭山市宝山区、忻州市静乐县、日照市东港区、中山市三乡镇、广西南宁市兴宁区、鸡西市虎林市、宁夏银川市兴庆区、牡丹江市东安区、内蒙古乌兰察布市卓资县、天津市河东区、丽江市古城区、滁州市凤阳县、岳阳市云溪区 、重庆市江北区、潍坊市坊子区、丽水市青田县、宁夏固原市原州区、金昌市金川区

本周数据平台最新研究机构传出新变化,,华纳万宝路经理开号的动态：引领行业新潮流，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: 鸡西市梨树区、南京市栖霞区 、嘉兴市南湖区、南平市建瓯市、陵水黎族自治县本号镇、阜阳市阜南县、铜仁市江口县、宁夏吴忠市同心县、宁德市福安市、三明市明溪县、广西南宁市兴宁区、昆明市寻甸回族彝族自治县、汕头市龙湖区、益阳市资阳区、忻州市河曲县、宿迁市沭阳县、西安市高陵区 、西安市蓝田县、赣州市寻乌县、鹤岗市萝北县、六安市霍邱县、黔南贵定县、广西崇左市天等县、营口市大石桥市、甘南卓尼县、湘西州永顺县、驻马店市平舆县、眉山市仁寿县、赣州市崇义县、白银市景泰县、临汾市襄汾县、宿州市泗县、通化市辉南县、宁夏石嘴山市平罗县、丽水市松阳县、红河泸西县、琼海市万泉镇、杭州市江干区、张掖市肃南裕固族自治县、双鸭山市岭东区、宿州市砀山县

刚刚科研委员会公布突破成果:,华纳万宝路经理开号的动态：引领行业新潮流

随着互联网的飞速发展，线上社交平台已经成为人们日常生活中不可或缺的一部分。近日，华纳万宝路的一位经理在各大社交平台上开号，引起了广泛关注。这位经理的开号动态不仅展示了其个人魅力，更体现了华纳万宝路在行业内的创新精神。 据了解，华纳万宝路经理在多个社交平台开设了个人账号，包括微博、抖音、微信公众号等。这些账号的开通，旨在加强与消费者的互动，提升品牌形象，同时为消费者提供更多有价值的信息和服务。 首先，这位经理在微博上积极与粉丝互动，分享行业动态、品牌故事以及个人感悟。他的微博内容丰富多样，既有行业前沿资讯，也有个人生活点滴，赢得了大量粉丝的喜爱。此外，他还定期举办线上活动，如问答、抽奖等，增加了粉丝的参与感。 在抖音平台上，华纳万宝路经理通过短视频的形式，展示了产品特点、品牌文化以及团队风采。这些短视频内容生动有趣，吸引了大量用户关注。与此同时，他还与其他行业人士进行互动，扩大了品牌影响力。 值得一提的是，华纳万宝路经理在微信公众号上开设了“万宝路经理说”栏目，定期分享行业知识、品牌故事以及个人见解。这些文章内容深入浅出，为读者提供了丰富的阅读价值。此外，他还邀请行业专家、合作伙伴等进行访谈，为读者带来更多有价值的信息。 这位经理的开号动态，不仅为华纳万宝路带来了积极的影响，也为整个行业树立了榜样。以下是一些值得我们学习的地方： 1. 重视与消费者的互动：通过社交平台与消费者保持紧密联系，了解他们的需求，提升品牌形象。 2. 创新营销方式：结合线上线下资源，开展多样化营销活动，提升品牌知名度。 3. 传递行业价值：分享行业知识、品牌故事，为消费者提供有价值的信息。 4. 增强团队凝聚力：通过个人账号展示团队风采，提升团队士气。 总之，华纳万宝路经理的开号动态，为我们展示了行业新潮流。在互联网时代，企业应积极拥抱变化，不断创新，才能在激烈的市场竞争中立于不败之地。让我们期待华纳万宝路在未来能够继续引领行业新潮流，为消费者带来更多惊喜。

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