李想花了一個半小時，解釋了一件事：什么叫真正的具身智能。

作者｜周永亮

編輯｜鄭玄

具身智能，跟造車到底有什么關系？

這個問題，在公共輿論上發酵一年多了。機器人、具身智能，這些詞一次次出現在李想的 PPT 或演講里。很多人看著，內心會有些迷惑：這跟買車、用車，有什么關系？

2026 年 6 月 15 日下午，理想汽車舉辦「Livis Day 理想汽車軟件與具身智能發布會」。李想和團隊，用了一個半小時，給出了他們認為最重要的答案：自研芯片、自研模型、全新交互體驗、具身智能產品定義……一口氣全端出來了。

而發布會結束后的第二天，理想汽車 CTO 謝炎、基座模型負責人詹錕，在媒體群訪中說了更多發布會上沒來得及說的話。

01

「智能汽車」，其實并不智能

「今天的智能手機和智能汽車，其實都不智能。」發布會剛開場，李想說了一句很多人沒想到的話。

過去十年，行業對「智能汽車」的定義無外乎三點：軟件定義硬件、能聯網、系統可升級（OTA）。但放到今天，它其實是一臺功能驅動的機器。

比如輔助駕駛系統在復雜場景下的常規處理是「退出」，把方向盤丟還給駕駛員。這完全合規，但卻很危險；今天的輔助駕駛系統，只會向前開、向左轉、向右轉，卻不會倒車、靠邊停車；有急事的時候，在復雜路段，大多數人會關掉智駕自己開，因為通行效率不夠高……

這些問題不是靠 OTA 打補丁能解決的，是設計之初架構層面的問題。所以，理想的解決辦法，是直接用「具身智能」重寫底層架構。

圖片來源：理想汽車

其中，模型是具身智能的「大腦」。理想汽車把大腦拆解為兩個維度：語言智能和機器智能。其中，語言智能負責聽懂你說什么，推演行動方案。這部分由馬赫 Mind-Pro（云端）和馬赫 Mind-Edge（車端）承載；機器智能則負責看清物理世界，精準執行操作。這部分由馬赫 VLA 承載。 其中，馬赫 Mind Pro 是云端旗艦模型。在權威基準測試中穩居行業第一梯隊，在 Agent 專項評測中綜合性能超越多款主流大模型。

值得關注的是它的工程效率：通過 Token 壓縮技術，在任務完成率零衰減的前提下，整體 Token 平均消耗降低了 38%，工具調用冗余輪次降低了 47%，推理 TPS 峰值高達 208 token/秒，推理效率是主流 Agent 模型的兩倍以上。

馬赫 Mind Edge 則是行業領先的端側原生智能體模型。這不是云端模型的「閹割版」，而是完全在本地運行的原生智能體。它不需要聯網，數據完全不上傳，全天候主動感知、人車交互、自主控車、多模態問答，全都在車端本地完成。

如果說 Mind 是「思考」，那么馬赫 VLA 就是「行動」。馬赫 VLA 的升級，可以用三個維度來理解：更安全、更高效、更強大。

其中，最讓人印象深刻的是，發布會上播放的一系列視頻，展示了馬赫 VLA 在真實復雜場景下的表現：挖掘機爪臂伸出，從容減速等待，爪臂收起迅速通行；左轉遇對向來車，迅速切倒擋禮讓，再切前進擋通行；穿著黃馬甲的保安用手勢指揮，車輛準確理解停與行……

這些能力從哪里來？雙馬赫 M100 提供 2560TOPS 算力；模仿學習數據量增加 50%，強化學習數據量增加 15 倍；行泊一體模型參數量增加 10 倍，TPS 增大 15 倍。

同時，理想在架構方面進行了重構。原生多模態 MoE 大模型，取代傳統感知、預測、規劃各自為政的模塊化模型。不是先看見、再思考、再執行，而是讓看見、理解、思考、行動從一開始就在同一個框架里徹底對齊。

視覺能力的升級同樣關鍵。理想發布了全新的 3D ViT 視覺架構。它的特別之處在于：不只是理解環境的 3D 空間結構，還能理解 3D 物體的屬性、紋理、類型——因為保留了完整的 RGB 信息，沒有任何感知損耗。更進一步，它還能對移動物體進行動靜分離，在 3D 環境中精準判斷目標是動還是靜。

詹錕用了一個類比：人眼遮住一只，習慣了雙眼訓練之后，單目也能看到 3D 結構，因為大腦已經把這種能力固化下來了。3D ViT 的思路完全一樣——用高維三維空間數據去訓練模型，讓單目攝像頭也能構建完整三維空間。

在發布會現場，理想直接調用了車載系統的實時視角，展示了 3D ViT 如何瞬間重建整個三維場景，識別觀眾的姿態、位置，甚至場地后方的文字。

理想的目標，是在 2026 年年底追上特斯拉 FSD V14。基座模型負責人詹錕在媒體群訪中說了一句很坦誠的話，「國內第一梯隊之間的差距感覺變小了，但大家跟特斯拉的距離并沒有縮小，特斯拉還是很強。」

他把追趕分成兩個層面：第一是基礎體驗，具體是三方面：安全感、效率、舒適度是否能達到 FSD 的同等水平；第二是能力。FSD 有哪些能力是別人沒有的？比如特斯拉會禮讓特殊車輛，有極窄通行時的感知精準度，它會識別交警指揮。

但詹錕同時表示，隨著芯片性能持續釋放、純視覺方案幀率向 15Hz、20Hz 乃至更高邁進，以及 3D ViT 帶來更完整的視覺表征，追上 FSD V14「是有機會的」。

更重要的，是建立自己的護城河。詹錕說，「只有芯片、基礎設施、模型全棧可控，遷移成本才足夠高。如果你只是算法，中美之間的人才流動很快，很容易被遷移。但如果你是全棧的，遷移成本很高，也很難。」他還補充了一個容易被忽視的維度：下苦功夫，比如精細地洗數據，這些不高大上但不可忽視的細節，才是真正的護城河。

在理想看來，全棧自研，不只是技術路線的選擇，更是在加厚自己的競爭壁壘。

02

理想造芯片，沒走尋常路

如果說大模型是大腦，那芯片則是心臟。理想 CTO 謝炎在發布會上掏出的馬赫 M100，官方對它的描述是「全球首款動態數據流 AI 芯片」。

「自研不是為了證明自己有能力做，而是真正去解決問題。」謝炎說，四年前，理想內部為這顆芯片立項時，先給自己設了一個近乎苛刻的目標：做到外購芯片 4 倍性能，否則自研沒有意義。同時，也要在成本上幫助公司省錢。

他和團隊花了半年時間做分析，得出一個冷靜的結論：要超越英偉達，沿用英偉達的技術路線根本不可行。英偉達比你早啟動幾十年，資源多出幾個數量級，在同一條賽道上追，永遠追不上。

他用了一個直白的比喻，「就像你跟博爾特在 100 米賽道上，他比你早跑 2 秒，你不可能超過。你唯一的機會，就是跑另外一條路徑。」

這條「另外的路徑」，就是數據流架構。

馮·諾依曼架構的本質，是把計算抽象成一條順序執行的指令隊列。這套設計統治計算機行業整整 70 年，但指令隊列掩蓋了計算本有的并行度。為了彌補這個局限，芯片需要用海量晶體管來做緩存、調度、分支預測等管理開銷，這些開銷在 AI 時代會同步爆炸式增長，效率永遠上不去。

因為 AI 的計算天然是并行的：數據是張量，關系是確定的，數據流動路徑是清晰的。這是一張數據依賴圖，不是一條指令隊列。

圖片來源：理想汽車

馬赫 M100 的設計思路是，拆掉中央式的指令隊列和大量管理開銷，讓數據的流動來驅動計算的發生。數據即計算。數據流到哪里，就在哪里觸發計算，架構本身圍繞 AI 的計算形態原生設計。

具體參數層面，馬赫 M100 采用 5 納米車規級工藝，單芯片算力 1280 TOPS，實際運行效率超過 82%，這是基于 GPU 架構的主流芯片極難達到的。在標準測試中，馬赫 M100 對比行業最主流的智駕芯片，每一項測試都有數倍的性能優勢。

更令人驚訝的是通用性測試，在馬赫 M100 上部署千問 3.5 35B 通用大模型，與售價 4 萬元的 NVIDIA DGX Spark 桌面超算對比，prefill 速度是后者的 2.7 倍，decode 速度是 1.5 倍。一顆裝在車里的芯片，跑贏了 4 萬塊的桌面超算。

在發布會現場，謝炎說了一句雄心十足的話，「馮·諾依曼架構用 70 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這一棒，繼續推動 AI 計算再輝煌 70 年。」

當下，越來越多的汽車公司宣布自研智駕芯片。謝炎提出了自己兩個評判指標，「一個是全量的車能不能用上，能不能快速上車，能不能跑最先進或最新一代模型，并且部署到所有車上。另外一個指標是能不能持續迭代。做一代芯片不說明問題，最終要做出第二代、第三代。」

03

不是一輛更好的車，而是一個伙伴

模型有了，芯片有了，理想給出了具身智能時代的汽車公式：具身智能汽車 = 電動車 + 職業司機 + AI 計算機 + 生活助手。

圖片來源：理想汽車

這個公式，在發布會現場的 Agent 演示里，得到了最直觀的體現。

難度最高的場景是「李想要去接家人」。產品經理一口氣說出了一段極其復雜的指令：「老婆在藍色港灣購物，老大在趙全營學美術，老二在望京學芭蕾，老三在中關村學樂高，老四在馬泉營打羽毛球。先接老大，再接老四，再接老三，最后接上老二去接老婆，晚上要給老四在三里屯過生日。」

這是一個讓很多人聽了都頭大的復雜多點規劃任務。它涉及 5 個人、6 個不同地點、完全交錯的接送順序。如果你來做這件事，得拿出手機、打開地圖、一個個搜地址，再想順序、算路程，搞不好還要重來一遍。Livis 幾秒鐘就給出了答案，所有地址，所有順序，一個沒錯。

這不是提前寫好的程序，是真正運行在模型上的 Agent。

OTA 節奏是這場發布會最后的內容。按照規劃，7 月的目標是智駕效率整體提升 30%，出行導游相關 Agent 技能上線；9 月，Livis 學會窄路會車、倒車讓行技能，Agent 連接手機和電腦，新增超級 CarPlay；12 月，Livis 的反應速度達到 0.2 秒，比人類快 56%……

圖片來源：理想汽車

最后，回到開頭的那個問題：具身智能跟造車有什么關系？

如果你只是想造一輛更好的車，其實并不需要具身智能。但如果你想造一個能保護你安全，還能獨立完成任務的伙伴，你必須從架構底層重新來過。

馬赫 M100 芯片是「心臟」，3D ViT 感知模型是「眼睛」，自研馬赫 VLA 大模型是「大腦」，全線控底盤系統是「手腳」，自研星環 OS 是「神經系統」……它們不是獨立的產品，是同一個生命體的不同器官。

李想在發布會結尾說，「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。」理想不是在造一輛更好的車，它在試圖創造一個新物種，定義下一個范式。

*頭圖來源：理想汽車

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你如何看待具身智能汽車？