作者：周雅

15日下午，理想汽車開了一場信息量極大的發布會。理想汽車董事長兼CEO李想走上臺，拋出了一個激進觀點：“今天的智能手機和智能汽車，談不上真正的智能?！?/p>

但真正讓這場發布會有戲劇性的，還不只是李想的這句話，而是理想汽車基座模型負責人詹錕提到的一次經歷。

一個月前，詹錕去了一趟硅谷。他把特斯拉最新的FSD V14.3連開了兩個星期?；貒?，他給團隊留下兩句話：“第一，特斯拉真的太強大了。第二，壓力也真的太大了。”他回國緊急召集了核心算法團隊復盤，也直接催生了這次的馬赫VLA更新。

近兩個小時的會議，理想汽車同時發布多個產品：一顆自研車規芯片馬赫M100、一套自研操作系統星環OS、兩個自研模型馬赫Mind-Pro和馬赫Mind-Edge、還有升級的馬赫VLA、一組現場跑通的Livis Agent演示、一份2026年OTA計劃表、以及一個新概念——具身智能汽車。這四樣產品，被裝在同一臺量產車上，從底層硬件到頂層產品體驗，全棧自研。

理想正在試圖用“具身智能”的標準，重做一遍“智能汽車”這個品類。

/01/ 用三個新維度，重新定義智能汽車

敢于全盤否定過去，李想的邏輯是什么？

他指出，過去十幾年，行業公認的“智能汽車”普遍遵循三要素：軟件定義硬件、聯網且實時在線、系統可以持續升級。智能汽車是這樣，智能手機也是這樣。

李想在臺上明確指出，這三要素已經不夠用了?！半m然名字上掛著智能，但今天的智能手機和智能汽車，都不是真正的智能，它們本質上還是功能驅動的，而不是一個有生命力的智能體?！?/p>

判斷一輛車是否真正智能，李想給出三個維度：安全、能力、效率。

先說安全。李想說，傳統智能汽車對安全的定義，是“功能安全、免責優先”，在簡單道路上表現很好，一旦遇到復雜路況、極端天氣、從未見過的場景，它最常見的做法是退出，把方向盤交還給駕駛員。這種處理“從法規上講合規，但對于人類，恰恰是最危險的瞬間”。李想提到一個數據，接近一半的智駕事故，發生在系統把方向盤丟給駕駛員的那一瞬間。

再說能力。李想指出，傳統智能汽車是“特定功能、特定場景”，有很多功能，開導航、開空調、放音樂、輔助駕駛，但它只是在“調用一個個功能”，但它并不真正掌握人類司機在復雜場景下的倒車、騰挪、靠邊停車、禮讓能力。

最后說效率。李想說，傳統智能汽車是“人機共駕、人機協同”。他在現場問觀眾，“你們通常什么時候「不用」智駕？”臺下有人答：趕時間、要遲到了、胡同窄路。這個答案很真實，這也從側面說明，關鍵時刻，人類其實并不相信智駕，所以智駕要做的工作還有很多。

這三個維度結合，就是李想給智能汽車定下的標準：保護人類安全、獨立完成任務、比人效率更高。

李想自己也很清楚，從舊定義跳到新定義，不是修修補補能解決的?！八葟拇笳Z言模型到今天的Agent要難得多，我們必須重構整個系統?！?/p>

那么這次重構，從哪里開始？理想正式提出一個新概念：具身智能汽車。

“我們要用具身智能，打造一輛能夠保護人類安全、獨立完成任務、比人類更高效的具身智能汽車?！崩钕肴缡钦f。

/02/一個新定義：具身智能汽車

理想汽車將具身智能汽車定義為“四位一體”：

它是一輛電動車。具身智能汽車要服務真實世界，需要有身體，能移動，能達到目的地。

它是一位職業司機。理解道路、風險、交通規則，能完全可靠完成出行以及生活任務。

它是一臺AI計算機。比旗艦智能手機和電腦有更強的AI算力，更大的內存，內存和顯存一體化，專為大模型設計。

它是一個生活助手。不需要研究怎么操作各種軟件，只需要把任務告訴它，它來幫你完成。

李想強調，“這不是四個產品，這應該是一個產品”。過去新勢力車企做的事，大多是把這四樣東西分別做好：智駕團隊做智駕、座艙團隊做座艙、底盤團隊做底盤、車機系統做應用。理想這次要做的，是讓這四樣東西同時長在一個底層架構上。

李想給出了一個類比：“在iPhone出現以前，沒人知道自己需要觸摸的屏幕。在特斯拉Model S出現之前，沒人相信電動車這么讓人心動。所有沒有被展示出來的可能性，往往會被誤以為是不存在的需求?！?/p>

把這套定義落到工程上，意味著理想汽車至少要重做三件底層的事：一顆自研芯片、一套自研操作系統、一組自研模型。

/03/大腦：三個自研模型

具身智能的大腦，被理想汽車拆成了兩支：語言智能負責“聽得懂任務”，機器智能負責“開得到目的地”——前者由兩個自研大模型馬赫Mind-Pro和馬赫Mind-Edge承擔，后者由自研馬赫VLA承擔。兩支共享同一套底層認知，共同構成一個完整的大腦。

先看語言智能這一支。

這一次，理想正式推出兩個全新模型——馬赫Mind-Pro與馬赫Mind-Edge，分別走云端和端側兩條路徑。根據理想汽車基座模型負責人詹錕介紹：

馬赫Mind-Pro走云端，定位是Agent智能體模型。在IFEval指令跟隨、LongBench-v2超長文本理解、AIME26高階數學推理、BFCL-v4工具調用等行業基準上，穩居第一梯隊；放到Agent專項領域，Claw系列榜單、PinchBench-v2實景實測，綜合性能超越大多數主流Agent模型。

詹錕強調“實驗室跑分終究只是紙面數據”。理想拿出來的實戰數據是，依托Livis Agent全場景體系，在Token生成速度、任務完成質量、Token使用成本、端到端響應時延四個商業核心維度，實現全面領先。通過Token壓縮技術，任務完成率零衰減的前提下，Token平均消耗降低38%，工具調用冗余輪次減少47%；TPS峰值達到208 Token/s，推理效率是主流Agent模型的2倍以上。

這背后是一套「混合強化學習并行訓練體系」。理想搭建了數百套真實業務沙箱環境，高精度模擬工具調用環境；同時并行運行三套差異化訓練環境，覆蓋單步強化學習、長鏈路多步強化學習、在線環境強化學習。

馬赫Mind-Edge走端側，主打端側原生具身智能體?，F場播放了一個演示視頻，用戶問“我的耳機找不到了，你能幫我找一下嗎?”系統答：“找到了，你的耳機在扶手箱上。”

詹錕解釋，馬赫Mind-Edge采用多模態流式時序建模，能夠連續理解動態的物理世界，具備因果推理和自主決策能力。再加上大量車載專屬的行為特化訓練，讓模型擺脫傳統AI“只回答不行動”的模式，它可以直接輸出動作，實時調用車輛硬件。

它的一系列能力，包括Always On全天候主動感知、人車交互、自主控車、多模態問答，全部在車端本地實現，低時延、高可靠，數據完全不上傳?！斑@不是云端模型的閹割版本，而是從底層就為車載場景原生打造的模型?！闭插K強調。

以上，云端馬赫Mind-Pro負責復雜Agent任務調度，端側馬赫Mind-Edge負責實時人車交互。兩個模型，共同構成了具身智能的語言智能層。

接下來，機器智能這一支是「馬赫VLA」。

在講VLA的時候，詹錕就講了文章開篇所提到的體驗特斯拉FSD V14.3的事跡，他隨后補了一句說：“真正感受到壓力，才證明我們是在平視這個星球上最強大的對手，而沒有在國內的內卷中自我麻痹。”

這種壓力，直接催生了馬赫VLA系統的全面升級。它的三個維度，正好對應李想前面立下的智能汽車三條標準：保護人類安全、獨立完成任務、比人效率更高。

安全維度。理想給了一組背書數據：截至2026年6月14日，理想全系智能駕駛主動避險總次數17273307萬次，其中重大避險55671次。從2022年至今1400余天，平均每日主動避險1.2萬次。“用戶出行每遇到100次道路險情，就有一次會直接釀成車禍。我們硬生生把災禍從命運邊緣拉了回來?！?/p>

AEB和AES的迭代路線也鋪了出來：2022年激光雷達首次落地主動安全；2023年AEB完成全速度段覆蓋；2024年行業首發AES，同時實現360度低速全方位防御；2025年AES升級支持多車連續避讓和防硬躲避被撞；2026年新增懸空障礙物識別,夜間剎停上限提升到130公里。

效率維度。普通人從發現危險到踩下剎車的反應時間是0.45秒(權威論文數據)。如果在查看導航或回復消息，反應時間會到秒級。地表最強F1車手的極限反應是0.25秒。“我們全新一代馬赫VLA系統的反應耗時是0.28秒，無限逼近人類的生理極限?！?/p>

多出來的0.17秒意味著什么？在120公里時速下能提前6米完成剎停。6米是一臺幻影勞斯萊斯的整車長度，也是“剎停到相撞、生存到毀滅”的全部距離。

這0.28秒不是單一模塊快出來的。視覺輸入時延降低47%，模型推理鏈路縮短43%，線控底盤響應降低38%，操作系統調度編排降低28%，端到端總時延降低40%?！安皇悄膫€模塊變快了，是整個鏈路從頭到尾都變短了。”

能力維度，理想拿了幾段真實場景視頻做證據：施工區域繞行、挖掘機爪臂動態避讓、對向窄路主動切倒擋禮讓、識別穿黃馬甲保安的手勢、低矮異形物體識別、廣州傍晚雨夜的城中村小路。最后那段廣州城中村的視頻最關鍵。路寬不到3米，沒有車道線，沒有交通標識，路邊打傘行人、外賣騎手、占道小販混雜?！昂芏鄰V州老司機開起來都頭皮發麻。但馬赫VLA開得極其從容，根據對向來車、行人、電動車的位置主動輾轉騰挪，給每一個參與者都留足空間。”

馬赫 VLA 這一代的能力從哪里來？詹錕把它歸納成三個變量的同時躍升：“這背后是數據、算力、模型規模同時暴增下，Scaling Law帶來的能力涌現。”

算力方面，雙馬赫M100讓車端算力達到2560TOPS。數據規模方面，模仿學習數據量增加50%，強化學習數據量增加15倍，訓練算力增加5倍。模型規模方面，行泊一體模型徹底統一，參數量提升10倍，每秒Token計算量提升15倍。

但比涌現更關鍵的，是架構層的重構。理想直接把感知、預測、規劃三個模塊統一成「原生多模態MoE大模型」。“過去模塊化的模型結構有一個致命缺陷，感知、預測、規劃三個模塊各玩各的，就像一家公司，市場部說這事能干，研發說我壓根沒收到消息，財務說我還不知道有這個項目。功能都沒錯，但整體意圖完全不一致?！?/p>

圍繞這個統一的大模型，理想還做了兩件配套的事：一件是馬赫 World Model，一個能模擬真實物理世界的世界模型，給馬赫 VLA 提供訓練所需的虛擬環境；另一件是 RL Infra，強化學習的訓練基礎設施，讓 VLA 能在世界模型里持續試錯、迭代。如此一來，馬赫 VLA、馬赫 World Model、RL Infra 三位一體，構成一套完整的具身智能模型訓練體系?！翱匆?、理解、思考、行動，從一開始就在同一個框架里徹底對齊。我們從第一天起就是為具身智能而生?！闭插K說。

新架構搞定了，但具身智能還需要真正“看懂”世界，這就涉及視覺方案的選擇，業界有的在卷激光雷達，有的在卷視覺方案，詹錕在這里強調：

“行業都在瘋狂卷激光雷達的線數。128線、256線、512線，越卷越離譜。但激光雷達的線數再高，它能告訴你紅綠燈現在是什么顏色嗎？能讀懂路牌上‘前方施工禁止通行’這幾個字嗎？能看懂穿黃馬甲的保安手勢是讓你停還是讓你走？都不可能?！闭插K說，“激光雷達只能理解世界的骨架，根本不能理解這個世界?！?/p>

理想這次讓3D ViT首次上車，現場把鏡頭切到觀眾席，3D ViT瞬間重建了整個三維世界，觀眾姿態、場館細節、后排文字全部被記錄下來。

模型層面的進展，理想給了兩個明確的OTA節點：第三季度，為搭載 Orin 和 Thor 芯片的 AD Max 用戶推送全新馬赫 VLA 模型；第四季度，馬赫 VLA 模型能力對齊全球頂尖水平。后一句“對齊全球頂尖水平”，指的就是特斯拉的FSD V14。“這是我們對自己的要求，更是對用戶的承諾。”詹錕說。

/04/心臟：發布馬赫 M100，5nm 車規級芯片，1280TOPS 單芯片算力

具身智能汽車的大腦跑在哪里？

于是，理想正式發布馬赫 M100?！榜R赫 M100是一顆用完全不同思路造出來的芯片?！崩硐肫嘋TO謝炎說道。

這顆芯片從2022 年立項，歷經三年半打磨，于2026年5月實現量產上車。

謝炎在臺上把芯片高高舉起，講起它的參數。5納米車規級工藝，單芯片算力1280 TOPS，“是目前全世界量產最強大的車規級算力芯片”；實際運行效率超過 82%，主流基于 SMT 架構的 GP GPU；超過一半的晶圓面積留給神經網絡處理器，由56個計算單元和1個數據處理模塊構成，采用網格總線加數據環形總線雙互聯架構；CPU 部分，24 核 ARM A78AE，主頻 2.3GHz，車載旗艦級大核，負責安全和系統控制；內存部分，8 通道 LPDDR5X 子系統，273 GB/秒超高帶寬，提供片外大容量內存高速通道。

但參數本身只是數字。理想拿馬赫M100做了兩組對比，信號量都很強。

第一組對比，跟全球公認智駕領域最主流的芯片ThorU直接對比CNN Based、UniAD、馬赫VLA模型。每一項每一個測試，馬赫M100全部超越ThorU，是數倍的性能差距。

第二組對比更有意思。謝炎在馬赫M100上部署了Qwen3.5-35B，跟NVIDIA的DGX Spark桌面超算對比。結果是Qwen3.5-35B-A3B prefill速度，馬赫M100是DGX Spark的2.7倍；Qwen3.5-35B-A3B decode速度是1.5倍。一個裝在車里的芯片，跑通用大模型比一臺4萬塊的桌面超算還快。

馬赫M100號稱"全球首款量產的動態數據流AI芯片"。這里面不一樣的，是「數據流」三個字。

傳統芯片是怎么干活的？可能是一步一步走的員工，它有一張待辦清單(行話叫“指令隊列”)，從清單第一項開始，做完一項做下一項，順序嚴格不能亂。這種方式的問題是，清單本身要寫、要管、要排序，芯片很大一部分晶體管不是在算東西，是在管理這張清單。算AI模型這種海量并行的任務時，管理成本越來越高，效率上不去。

但謝炎說，AI計算其實根本不需要這張清單。“AI計算天然是并行的，數據是確定的、關系是清晰的、流動路徑是固定的?！狈g一下：AI 模型在做什么、下一步要處理什么數據、這些數據要流向哪個計算單元，在模型設計的時候就已經寫好了。既然路徑是固定的，就不需要一個中央調度員去現場指揮。

所以理想汽車做了一件顛覆傳統的事：把那張待辦清單和清單管理員全砍掉，讓數據自己驅動計算的發生。數據流到哪里，計算就在哪里發生。

“馬赫M100的能力遠不止于智能駕駛，它今天已經跑通了車上所有的智能化場景。它能運行語言大模型，它能支撐Agent，它將驅動具身智能，它還會支持更多我們今天還沒有想到的AI場景。”謝炎說。

這套架構也拿到了一個學術層面的背書。謝炎在臺上宣布，今年馬赫 M100架構的論文被ISCA 2026工業分區收錄。同期入選的是谷歌、美光、Meta、安培、MegaBlast?！袄硐肫囀瞧囆袠I中第一家，歷史上第一家在ISCA工業分區獲得論文錄取的企業?！?/p>

謝炎特意申明：“我們入選 ISCA 從來不是因為造了一顆芯片，是因為提出并實踐了一種創新的架構思路?！瘪R赫 M100 架構團隊將于6月30日在ISCA 2026會議現場進行主題分享。

“馮·諾依曼架構用七十年推動了通用計算的輝煌。今天我們以馬赫 M100 為起點，希望用數據流架構，接過歷史的這一棒，繼續推動 AI 計算再輝煌七十年。”謝炎最后立下宏愿。

/05/神經系統：星環OS與芯片到算法的全棧自研

光有芯片不夠。具身智能需要一套完整的系統，把心臟、大腦、眼睛、手腳組織起來協同工作，這套系統的“神經系統”，叫做「星環OS」。

“星環OS是理想汽車為具身智能專門設計的神經系統，從設計的第一天起，它就是為 AI 原生而生?！敝x炎介紹，“感知、決策、執行全鏈路深度融合，結合全線控底盤的極速響應，我們把端到端的延時壓縮到了0.28秒，反應速度比人類快40%。這就是系統協同的力量，它不是芯片快，也不是軟件快，是整個系統一起快?！?/p>

這套系統里，馬赫M100芯片是心臟，全車感知系統是眼睛，自研馬赫模型是大腦，全線控主動底盤系統和能源系統是手腳，星環OS是神經系統，把它們串成一個整體。

為什么連操作系統也要自己做？謝炎向臺下問了一個問題：“蘋果和安卓哪一個更安全？”臺下答“蘋果”?！盀槭裁?？因為蘋果把芯片和操作系統放在一起設計。安全，不是系統啟動之后才開始，安全是從芯片上電那一刻就已經開始了。手機芯片被攻擊，泄露的是隱私；車的芯片被攻擊，威脅的是生命?！敝x炎講出背后邏輯。

理想汽車把密鑰保護、設備身份、可信啟動鏈、關鍵權限管控全部前置到芯片設計中，再通過全棧自研軟件實現統一調度。讓芯片、編譯器、操作系統、AI 算法在同一套可信的基礎上協同運行。

到這里，理想汽車完成了一個少有車企能完成的動作：芯片、編譯器、操作系統、AI算法、域控制器，全棧自研。

/06/量產路徑：讓具身智能成為日常，Livis Agent現場實操

底層架構講完，真正的問題來了，這一切到底能不能落到一臺普通用戶開的車上?

現場，理想直接做了一場真實的Livis Agent演示，展現了它的多項車載智能體能力?！罢埾嘈盼遥@些展示都是真正運行在模型上的Agent，絕不是提前寫好的程序。”謝炎強調。

演示中，這個Agent可以根據一句自然語言指令，完成接機、餐廳推薦、路線規劃等連續任務。甚至，可以根據“孩子困了”等場景需求，聯動車內音樂、燈光、空調、懸架等系統，完成座艙環境調整，隨后汽車輕微搖晃，化身一個搖籃。現場實際來看，整體體驗確實比較絲滑，沒有翻車。

最后，理想公布了今年下半年完整的OTA路線圖，分三個節點：7月份、9月份、12月份。

?理想汽車2026年7月OTA計劃

?理想汽車2026年9月OTA計劃

?理想汽車2026年12月OTA計劃

發布會最后，李想留了兩句話作為收尾。

一句關于產品：“過去10年，我們創造了一個移動的家。在第二個10年，我們會給車和家賦予生命”。

另一句關于姿態：“理想汽車堅持做最好的自己，不要期望我們變成別人”。