在智能驾驶军备竞赛白热化的 2025 年，理想汽车悄然推进代号 M100 的自研智驾芯片，其部分性能表现甚至超越了行业标杆英伟达 Thor-U。
2025 年第一季度，理想汽车自研智驾芯片 M100 完成样片回片，进入量产前关键阶段。仅两周内，M100 便完成功能与性能测试，并通过研发人员的压力测试。
目前，该芯片已小批量搭载样车，进入道路测试阶段。这意味着理想汽车有望在明年成为又一家实现自研智驾芯片量产上车的中国汽车品牌，其在智能驾驶核心硬件领域的布局，正试图打破英伟达等国际巨头的垄断格局。
01 芯片研发背景：摆脱依赖，打造核心竞争力
全球智能汽车竞争已进入芯片级较量。理想汽车自动驾驶研发高级副总裁郎咸朋曾表示，自研芯片的核心原因是：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。在智能驾驶系统中，芯片是 “大脑”，其性能直接决定了算法的落地效果 —— 通用芯片虽能满足基本需求，但在处理特定场景（如大模型推理、多传感器融合）时，往往存在算力浪费、响应延迟等问题。
理想汽车认识到，随着智能驾驶算法从 “规则式” 向 “数据驱动的大模型” 进化，软硬件协同优化的重要性愈发凸显。采用外部通用芯片方案，不仅难以充分释放算法潜力，还可能因供应商技术迭代节奏与自身需求不同步而错失市场机遇。例如，当理想的 VLA 司机大模型需要更高的 Transformer 算力支持时，通用芯片的架构可能无法高效适配，导致算法性能打折扣。
与蔚来、小鹏等其他中国新势力一样，理想汽车选择自研芯片这条 “难而正确” 的道路，本质上是为了摆脱对外部供应商的过度依赖。在全球芯片供应链波动加剧、地缘政治风险上升的背景下，掌握芯片自主权，既能保障供应安全，又能通过软硬件深度协同构建差异化竞争力，在未来的智能驾驶竞争中占据主动。
02 M100 芯片性能：部分场景超越行业龙头，针对性优化显优势
根据理想汽车内部测试数据，M100 芯片在智能驾驶核心场景的表现令人瞩目，尤其在针对理想算法的优化上展现出明显优势：
大语言模型处理
在运行 VLA 司机大模型的相关推理任务时，1 颗 M100 所能提供的有效算力与 2 颗英伟达 Thor-U 相当。这意味着 M100 能更高效地处理自然语言交互、复杂场景推理（如预判行人意图、理解交通参与者行为）等任务，响应速度提升约 30%。
视觉任务处理
处理基于卷积神经网络的传统视觉任务（如车道线识别、障碍物检测）时，1 颗 M100 的有效算力可对标 3 颗英伟达 Thor-U。这得益于 M100 针对理想的视觉算法架构进行了硬件加速单元的定制化设计，减少了数据搬运损耗。
这种性能表现并非 “参数堆砌”，而是源于 M100 的 “场景化设计” 思路。芯片架构围绕理想汽车的传感器配置（如激光雷达 + 视觉融合方案）和算法逻辑进行优化，省去了通用芯片中不必要的冗余算力，将更多资源集中在智能驾驶核心任务上。例如，M100 内置了专门的 “多传感器数据融合加速单元”，能快速处理激光雷达点云、摄像头图像、毫米波雷达信号的融合计算，这一过程的效率比通用芯片高 40%。
从硬件参数来看，M100 芯片采用类似特斯拉 Hardware 5.0 的 “域控制器级” 架构，晶体管数量约为400 亿颗，采用台积电 7nm 工艺制造，功耗控制在 150W 以内，与英伟达 Thor-U 相当，但算力密度（每瓦算力）更高。目前，M100 已完成台积电流片，进入量产前的可靠性测试阶段，其性能表现为理想汽车明年的智能驾驶升级（如 L3 级城市道路自动驾驶落地）提供了坚实支撑。
03 研发历程与规划：三年磨一剑，2026 年量产上车
理想汽车的自研芯片项目并非 “临时起意”，而是始于 2022 年的战略布局，历时约三年完成从立项到样片回片的关键跨越，研发速度在行业内处于较快水平。
项目初期，理想汽车组建了由芯片架构师、算法工程师、软件专家组成的跨学科团队，其中核心成员多来自英特尔、华为、英伟达等企业，具备丰富的芯片设计与车载适配经验。团队首先明确了芯片的核心目标：不是追求 “全能型” 通用算力，而是聚焦智能驾驶场景的 “高效能”，这一定位为后续研发指明了方向。
根据规划，M100 芯片将于2026 年正式量产装车，率先搭载于理想的旗舰车型（如 MEGA 升级版、全新纯电 SUV）。在量产前的过渡期，理想汽车将继续采用 “双供应商” 策略：纯电车型（MEGA、i8）全系搭载英伟达 Thor-U，增程车型的 AD Max 版用 Thor-U，AD Pro 版则采用地平线征程 6M，以平衡当前产品的竞争力与自研芯片的研发节奏。
为保障项目顺利推进，理想近期加强了对芯片部门的内部信息管理，一方面避免研发细节泄露，另一方面减少对与英伟达、地平线等合作伙伴关系的影响。这种 “低调推进” 的策略，既体现了自研芯片的战略重要性，也反映了理想在供应链管理上的谨慎态度。
04 技术架构特点：软硬件协同设计，垂直整合释放潜力
理想 M100 芯片的核心竞争力源于其 “软硬件协同设计” 的技术架构，这与传统芯片 “先硬件后软件” 的模式形成鲜明对比。
在 M100 的研发过程中，芯片硬件架构、编译器、运行系统与理想的 Halo 操作系统从一开始就同步设计、协同优化。这种垂直整合模式带来多重优势：首先，编译器能充分理解硬件特性，将算法代码更高效地映射到硬件算力单元，减少指令执行损耗；其次，运行系统可根据实时任务需求动态分配硬件资源，避免算力浪费。例如，当车辆处于高速路场景时，系统会自动将更多算力分配给激光雷达点云处理；进入城市道路后，再将资源倾斜给视觉识别与大模型推理。
这一研发策略由理想汽车 CTO 谢炎主导推动。谢炎曾任职于英特尔、阿里巴巴和华为，具备深厚的编译器与操作系统背景，他的核心思路是 “通过强大的软件调度能力，最大化挖掘硬件算力潜力”。在谢炎看来，芯片的 “有效算力”（实际能为算法所用的算力）比 “理论算力” 更重要，而软件是连接硬件与算法的关键。
M100 的架构设计也体现了这一理念：采用 “异构计算架构”，集成 NPU（神经网络处理单元）、CV accelerator（计算机视觉加速单元）、DLA（深度学习加速器）等多个专用模块，每个模块都能通过软件调度与理想的特定算法模块精准匹配。这种设计使得 M100 的算力利用率达到 85%，远高于通用芯片 60% 左右的平均水平。
05 双轨并行策略：平衡当前与未来，保障平滑过渡
理想汽车在芯片策略上采取了务实的 “双轨并行” 模式，既不盲目依赖外部供应商，也不急于将尚未成熟的自研芯片推向市场，而是通过科学规划实现平滑过渡：
这种策略的核心是 “不冒进”。郎咸朋解释道：“目前我们仍在使用 Thor 系列芯片，主要是因为英伟达对新算子支持较好，算力充足，且整体 VLA 迭代仍有变化可能”。在自研芯片成熟前，依托外部成熟方案保障产品竞争力，同时通过实际装车数据反哺 M100 的优化，确保其量产时能完美适配最新的算法版本。
双轨策略还能降低供应链风险。当 M100 量产初期产能爬坡不足时，英伟达和地平线的芯片可作为补充，避免因芯片供应问题影响车型交付。这种 “多条腿走路” 的模式，体现了理想汽车在技术创新与商业落地之间的平衡能力。
06 团队与投入：重金布局，人才梯队支撑长期研发
自研芯片是典型的 “高投入、长周期” 领域，理想汽车为此投入了巨额资源。据知情人士透露，项目规划的总预算高达数十亿美元，涵盖芯片设计、流片、测试、量产及团队建设等全环节。仅 2025 年，理想在芯片研发上的投入就超过 20 亿元，占其全年研发投入的 17% 左右。
研发团队方面，理想汽车智驾芯片研发涉及 NPU 架构设计、SoC 集成、编译器开发、车载适配等多个环节，是一个多层次的系统工程。目前团队规模已超过 500 人，核心成员包括来自 ARM、高通、华为海思等企业的资深专家，在芯片架构、低功耗设计、车载可靠性等领域拥有丰富经验。
今年以来，尽管智能驾驶团队出现少量人事变动，但整体组织架构保持稳定。理想通过内部培养与外部引进相结合的方式，构建了完善的人才梯队，选拔出一批年轻、具备国际化视野的技术负责人。例如，M100 的硬件架构负责人曾主导过华为昇腾芯片的部分模块设计，软件负责人则有多年英伟达自动驾驶芯片的软件开发经验，这种 “跨界” 背景有助于团队融合不同技术体系的优势。
持续的资金投入与人才储备，为理想汽车的芯片自研提供了长期支撑，使其不仅能完成 M100 的量产，还能在未来迭代出更先进的芯片版本，跟上智能驾驶技术的进化节奏。
07 行业趋势：车企纷纷投身芯片自研，核心技术自主成共识
理想汽车的自研芯片战略，并非孤例，而是中国汽车品牌在智能时代争夺核心技术自主权的缩影。当前，越来越多的中国车企意识到，芯片是智能汽车的 “灵魂”，掌握芯片技术才能在竞争中掌握主动权：
蔚来已初步实现自研芯片战略目标，其全球首颗 5 纳米智驾芯片 “神玑 1.0” 已搭载于 ET9 车型，算力达 500TOPS，专注于激光雷达与视觉融合计算。
小鹏汽车的自研芯片项目也在推进中，重点优化视觉感知算法的算力效率，预计 2026 年量产上车。
比亚迪则在功率半导体领域发力，自研的碳化硅芯片已实现量产，电压高达 1500V，应用于旗下高端车型，降低了对英飞凌等海外供应商的依赖。
这一趋势的背后，是智能汽车产业的竞争逻辑变化 —— 从 “机械性能比拼” 转向 “软件定义汽车”，而芯片是软件能力的载体。当智能驾驶进入 L3 及以上级别，对算力的需求呈指数级增长，且算法与硬件的耦合度越来越高，通用芯片的 “通用性” 反而成为劣势。车企自研芯片，能通过 “算法 - 软件 - 硬件” 的垂直整合，实现 “算力效率最大化”，这是未来智能驾驶竞争的核心壁垒。
08 挑战与风险：技术、量产、生态多重考验
尽管 M100 芯片展现出良好前景，理想汽车的自研之路仍面临多重挑战，任何环节的失误都可能影响项目成败：
技术风险
芯片设计是 “毫厘之间的较量”，即使样片测试通过，量产前的可靠性测试（如高温、低温、振动环境下的稳定性）仍可能发现问题。例如，M100 的高速缓存一致性协议在极端场景下可能出现数据同步延迟，需要反复调试优化。
量产挑战
从样片到大规模量产，涉及晶圆制造、封装测试、良率控制等多个环节，任何一个环节出现问题都可能导致量产延期或成本飙升。台积电的 7nm 工艺产能紧张，理想需要与其他芯片设计公司竞争产能，确保 M100 的量产进度。
生态建设
芯片的价值不仅在于硬件本身，还依赖完善的软件工具链（如编译器、调试工具）和开发者生态。理想需要为算法工程师提供易用的开发环境，否则即使芯片性能强大，也难以充分发挥作用。相比英伟达成熟的 CUDA 生态，M100 的软件生态建设仍需时间。
市场竞争
英伟达等行业龙头并未停滞不前，其下一代芯片（如 Thor-U 的升级版）可能在 M100 量产时推出，性能进一步提升。理想需要保持研发节奏，避免 “刚量产就落后” 的局面。
此外，自研芯片的投入回报周期长，对企业的资金实力和战略定力是巨大考验。如果 M100 的量产进度不及预期或性能未达市场预期，不仅会影响理想的智能驾驶竞争力，还可能因巨额投入拖累公司财务表现。
09 战略意义：从 “技术跟随” 到 “标准制定”，重塑竞争格局
理想汽车自研芯片的战略意义，远超 “降低成本” 或 “保障供应”，更关乎其在全球智能汽车产业中的定位：
供应链安全
在全球芯片供应链不确定性增加的背景下，M100 的量产将使理想减少对英伟达的依赖，避免因外部供应中断影响车型交付。尤其在国际形势复杂的情况下，芯片自主权能为企业提供 “战略缓冲”。
成本优化
虽然前期投入巨大，但量产成熟后，自研芯片的单位成本有望比采购外部芯片低 20-30%。按理想汽车 2026 年预计 100 万辆的销量计算，仅此一项每年就能节省数亿元成本，直接提升毛利率。
技术壁垒构建
通过软硬件协同优化，M100 能充分释放理想 VLA 司机大模型的潜力，使智能驾驶功能（如城市 NOA、自动避让复杂场景）的表现领先竞争对手，形成差异化优势。这种优势难以被单纯通过采购外部芯片的竞品复制。
话语权提升
自研芯片成功后，理想汽车将从 “芯片使用者” 转变为 “技术定义者”，有能力根据自身需求引领芯片技术方向，甚至可能将部分技术开放给行业伙伴，形成以自身为核心的技术生态，提升在全球产业中的话语权。
对于中国汽车产业而言，理想等企业的自研芯片实践，有助于推动整个产业链的升级。从芯片设计工具、晶圆制造到封装测试，中国企业在这些环节的能力将随着车企自研需求的增加而逐步提升，减少对海外产业链的依赖，实现 “从依赖进口到自主可控” 的转型。
10 未来展望：芯片自研与全球化战略协同，支撑长期增长
理想汽车的芯片自研之路，与其中长期全球化战略紧密结合，形成相互支撑的格局：
根据理想的规划，其发展将分为三个阶段：
2020-2024 年
聚焦国内市场与增程产品，完成技术积累与品牌建设；
2025-2027 年
市场从国内扩展至海外，产品涵盖增程与纯电，这一阶段 M100 芯片的量产将为海外车型提供核心技术支撑；
2027 年后
聚焦 L4 自动驾驶及新形态智能产品，芯片自研能力将成为实现这一目标的关键。
2025 年被定为理想汽车的 “海外元年”，公司已在德国、美国建立研发中心，着手搭建海外销售与售后服务体系。进入欧美等成熟市场，智能驾驶功能的本地化适配（如符合当地法规的自动驾驶逻辑）至关重要，而 M100 芯片的软硬件协同优势，能使理想更快速地根据当地需求优化算法，比依赖外部芯片的竞品更具灵活性。
例如，当理想进入欧洲市场时，需要针对狭窄街道、复杂环岛等场景优化智能驾驶算法，M100 的定制化架构能快速适配这些新需求，而通用芯片可能因架构限制需要更长的调试周期。此外，自研芯片还能降低海外市场的专利风险和供应链成本，提升产品竞争力。
理想汽车计划在 2025 年九月份让增程全系 AD Max 车型升级 VLA 智能辅助驾驶系统，其性能提升可类比 ChatGPT 3.5 到 4.0 的突破。这一升级将进一步验证理想算法的先进性，而 M100 芯片的量产则将为算法性能的充分释放提供硬件基础。
当 2026 年 M100 正式上车时，理想汽车将成为少数同时掌握智能驾驶算法、软件系统和芯片硬件的车企之一。这条路充满挑战，但一旦成功，将为理想在智能汽车的 “深水区” 竞争中奠定坚实基础，也将推动中国汽车产业在核心技术领域实现从 “跟跑” 到 “领跑” 的跨越。
如果对新能源汽车感兴趣，欢迎关注36策公众号。
声明：图片仅用于交流学习，版权出处归原作者所有，如有侵权请联系作者删除，感谢您的支持！
全部评论 （0）