车厂不造车跑去芯片顶会秀肌肉？理想携四年自研马赫M100登台ISCA，成全球车企头一家。别再说配置内卷，国产车开始跟英伟达拼底层架构了。
ISCA 2026的参会名单上出现了一个让很多人愣住的名字——理想汽车。
这家造增程式SUV起家的中国车企，站在了全球计算机体系结构领域的最高学术舞台上，与谷歌、Meta、英伟达的研究者同台发表主题演讲-。台下坐着的，是全世界最懂芯片架构的那群人。一个造车的，跑去了芯片界的奥斯卡。
这不是品牌公关的镀金操作。ISCA工业赛道自2020年设立以来，每年全球入围论文数量仅为个位数，入选者清一色是DeepSeek、谷歌、Meta、英伟达这类顶尖科技巨头。理想汽车是全球汽车行业第一家登上这个讲台的企业。
很多人第一反应是：不务正业。但仔细拆解这背后的逻辑，你会发现，这恰恰是新能源车竞争进入深水区最真实的信号。
从沙发彩电到晶体管，车企的竞争维度彻底变了
过去几年，国内新能源车的竞争关键词是什么？续航、零百加速、屏幕尺寸、座椅按摩、冰箱彩电大沙发。这些是消费者看得见摸得着的东西，也是车企最容易做出差异化的地方。
但这些东西的门槛太低了。你能装大屏，我也能装。你能请设计师，我也能请。堆配置这件事，没有护城河。
真正的护城河在用户看不见的地方——芯片架构、编译器、操作系统、AI大模型的深度协同。这些东西没法从供应商货架上直接买来装上就行。外购芯片，核心技术攥在别人手里，算法迭代的节奏受制于人，每改一版模型都要看芯片厂商的脸色。
理想汽车CTO谢炎说得很直白：只有把芯片、编译器、操作系统与AI大模型放在一起设计，才能实现深度协同——这是采购通用芯片天然给不了的能力。
2021年，理想开始论证自研芯片的可行性。2022年正式立项，从一开始就确立了一个极其激进的方向：不做改良，不做克隆，从第一性原理出发，重新构建一套原生为AI设计的全新体系架构。
四年、两百人、一颗芯片
从立项到量产上车，理想用了四年。
四年时间，200人的专项团队，完成了从架构设计、编译器研发，到散热系统、功能安全的全链路自主突破。2022年11月立项，2026年5月实现量产上车-。这颗芯片叫马赫M100。
马赫M100采用5纳米车规级工艺，单芯片算力1280TOPS，最终算力利用率达到82%，搭载8通道LPDDR5X内存，峰值带宽273GB/s，CPU侧配备24核ARM Cortex-A78AE处理器集群-。
这些数字单独拎出来可能没什么感觉，放在一起对比就明白了。英伟达Orin-X的算力利用率为70%到80%-。马赫M100的82%看起来只高了几个百分点，但1280TOPS乘以82%和254TOPS乘以75%，有效算力的差距是数量级的。理想CTO谢炎的原话是：“买同等价格的芯片，理想的车能比别人多出将近一倍的有效算力。”
更关键的不是算力数字，而是架构路线。
抛弃冯·诺依曼，选择了一条更难的路
传统GPGPU采用指令驱动模式，数据在计算单元和全局内存之间反复搬运，规模越大，数据搬运的瓶颈越明显。这就好比一个厨房，厨师每次做菜都要跑到仓库拿食材，跑的次数越多，做菜效率越低。
马赫M100抛弃了这套逻辑。它采用数据流架构，由数据本身驱动，计算单元之间直接传输数据，大幅减少数据搬运开销。数据在芯片内部以流水线方式自动流转，从根本上减少无效等待与资源浪费。
这套架构围绕五项核心原则全面重构：数据流执行模型、无Cache内存层次、张量粒度ISA、软硬件复杂度均衡、分层Tile互联架构。全是硬核的体系结构层面的创新，不是拿别人成熟架构改一改就说是自研。
而且它是完全可编程的，不是把算法焊死的ASIC。AI怎么进化，它就怎么进化。
这等于说，理想不是在造一颗芯片，而是在定义一套新的计算范式。
量产，才是真正的分水岭
ISCA工业分区的评审标准有一条硬性要求：展示“成熟、高效且在實際工業產品中應用的解決方案”。学术圈不看PPT，看的是真实跑在路上的东西。
马赫M100已经随全新理想L9和全新理想L8正式量产上车，每天在真实道路上持续运行。从芯片架构设计到整车前装交付，全链路自主完成。
登上ISCA的不是一份概念报告，而是一颗已经规模化跑在路上的量产芯片-。
这一点极其重要。过去几年，不少企业发布过自研芯片计划，有的停留在纸面，有的流片后没了下文，有的上车后bug频出。从架构设计到编译器研发，从散热系统到功能安全，再到ASIL-D最高功能安全等级的双SoC、双MCU、双供电完全冗余架构——全链路走通，和只走通其中一两步，完全是两码事。
中国车企集体转向“造芯”，算力军备竞赛全面升级
理想不是孤例。
2021年英伟达Orin-X芯片以254TOPS算力横空出世，点燃了车厂自研芯片的热情-。蔚来、小鹏、理想先后启动了芯片研发计划-。
小鹏2024年减少外部芯片订单，推动第一代7纳米自研芯片上车，目前已启动第二代5纳米芯片研发-。2025年第二季度，小鹏图灵芯片正式量产上车，5纳米制程、750TOPS算力-。每辆车搭载至少3颗图灵芯片，组成2200TOPS的算力集群-。
蔚来今年年初上车的5纳米NX9031，拥有超500亿晶体管、32核CPU架构、算力超过1000TOPS-。
小米董事长雷军在2025年5月发布3纳米自研手机芯片玄戒O1后也表示-……
这场竞赛的烈度在急剧升高。理想2025年研发投入113亿元，其中一半投向AI与芯片。目标是在2026年第四季度对齐特斯拉FSD V14。
ISCA入场券背后的残酷账本
自研芯片这件事，光有技术野心远远不够，还要算得过来经济账。
一颗车规级芯片从立项到量产，三年半到四年是常态。流片费用动辄数千万美元，5纳米工艺更是天文数字。有业内人士算过一笔账：一颗自研芯片至少需要100万片出货量才能覆盖研发成本-。
理想一年卖多少辆车？2025年全年交付量约50万辆。双芯方案意味着每辆车需要两颗马赫M100，一年就是100万颗。刚好踩在盈亏平衡线上。
但账不能这么简单算。自研芯片的价值不只是省下采购英伟达芯片的钱。更深层的账本在三个维度：
第一，算法迭代速度。外购芯片，软件团队要等芯片厂商的驱动更新、编译器适配，迭代周期按季度算。自研芯片，芯片团队和算法团队坐在一起，改一版模型随时可以调架构，迭代周期按周算。
第二，软硬一体化的体验。通用芯片要为所有车企服务，不可能为某一家的特定模型做深度定制。自研芯片从晶体管级别就在为自家大模型优化，端到端延迟可以从秒级压缩到200到300毫秒。
第三，人才争夺。ISCA论文发表之后，全球最顶尖的芯片架构师会开始注意到这家中国车企。过去这些人只会考虑谷歌、英伟达、AMD。现在多了一个选项。人才流向的改变，才是这场战役中最深远的影响。
当造车的开始定义芯片标准
理想汽车近三年在具身感知、基座模型、推理芯片、操作系统等前沿AI领域已发表超过50篇论文，先后获得ICCV、CVPR、ECCV、ICML、ICRA等顶级学术会议录用。
一家车企，在计算机视觉、机器学习、机器人领域的顶级会议上发表了超过50篇论文。这已经不是“跨界”能概括的了，这是产业边界在重构。
传统认知里，整车厂是集成商，芯片是供应商的事，算法是Tier 1的事。现在这个分工链条正在被打破。最下游的整车厂开始做最上游的芯片架构设计，而且做出来的东西能通过全球最权威的学术评审。
ISCA的论文录用不是公关稿，不是广告投放，是学术共同体对一项技术创新的同行评议。能站在那里，意味着你的技术路线得到了全世界最挑剔的一群人的认可。
小鹏的目标是今年8月对齐FSD V14.2，理想的目标是年底对齐FSD V14。两家锚定的都是全栈自研路线，区别在于理想走的是芯片+操作系统+大模型的全栈闭环。
但追赶FSD的路还很长。理想基座模型负责人詹锟专程赴美体验FSD V14.3两周后坦言：“特斯拉真的太强大了，压力也真的太大了。”他还说了一句更扎心的话：“国内第一梯队之间的差距变小了，但大家跟特斯拉的距离并没有缩小。”
自研芯片解决了算力自主的问题，但算力只是智能驾驶的底层基础设施。有了最强的发动机，不代表能赢下比赛。算法、数据、系统调优，每一环都是漫长积累。
理想CTO谢炎提出了四个评判标准：车型适配、量产速度、模型部署、持续迭代。芯片造出来了，量产出货了，这只是第一关。接下来的模型部署效率和持续迭代能力，才是真正检验这条技术路线成色的地方。
2021年英伟达Orin-X以254TOPS点燃算力竞赛，五年后，中国三家新势力全走上了自研芯片的道路。英伟达Thor-U的算力仍在提升，特斯拉FSD芯片迭代从未停歇。
造车的跑去跟英伟达拼底层架构——这件事本身已经发生了。问题是，当所有人都开始造芯片，当算力不再是稀缺资源，这场竞赛的下一个决胜点会在哪里？
