看完 B 站上的老石谈芯这期老石和理想汽车CTO谢炎这场79分钟的对话（链接在这里网页链接），这并不是一场介绍马赫M100参数的采访，而是一场关于未来智能汽车竞争逻辑的讨论。
过去几年，每当有车企宣布自研芯片，评论区都会出现一个问题：“已经有英伟达了，为什么还要自己做？”
很多人觉得，车企做芯片，无非就是为了降低成本，或者证明自己有技术实力。但谢炎在采访中反复强调的一点，其实完全不是这样。
他说：“不是为了做芯片而做芯片，自研芯片必须解决外购芯片解决不了的问题。”
这句话应该成为理解理想造芯的出发点。
采访一开始，谢炎回顾了理想决定造芯的过程。他说，2021年公司就已经决定要做芯片，但真正明确方向是在2022年。当时团队首先做了一轮”排除法”，DSP不做、传感器芯片也不做，最终把目标锁定在AI推理芯片上。
为什么？
因为他们做出了一个判断：未来汽车一定会成为一种具身智能体，它既能够感知世界，也能够在真实物理世界完成越来越复杂的任务。既然如此，汽车对于计算能力的需求，只会越来越高，而不会越来越低。
这一点，其实和很多普通消费者今天理解的智能汽车已经不太一样。
很多人现在理解辅助驾驶，还是高速NOA、城区NOA、自动泊车这些功能。但在谢炎看来，这些只是AI发展的一个阶段。未来的汽车，本质上会成为一个持续学习、持续成长的智能体，而支撑这一切的，就是底层计算平台。
也正因为如此，他才说出了整场采访中，我认为最重要的一句话。
“如果AI能力将成为未来汽车最核心的能力，那么支撑这项能力的底层计算平台，就应该掌握在汽车公司自己手里。”
很多人会把这句话理解成”摆脱供应商”，其实我觉得并不是。
谢炎后面举了一个非常容易理解的例子。燃油车时代，没有一家真正领先的汽车公司，会把发动机、底盘这些核心能力完全交给别人，因为大家都使用同样的核心技术，很难真正形成产品差异。
智能汽车时代也是一样。
如果所有车企最终都使用同一套AI计算平台，那么未来大家能够做出的差异，也会越来越有限。
这也是为什么，在谢炎看来，自研芯片最大的意义，并不是省钱，而是掌握未来智能汽车最核心的能力。
当然，成本也是一个现实因素。
采访中他说，他们当时判断，一辆车未来仅AI算力成本就可能超过2000美元，而且这还只是开始，未来甚至可能达到4000美元、8000美元，算力有可能像今天的动力电池一样，成为整车最重要的成本之一。
如果能够通过自研架构提升效率，同时减少对外部供应链的依赖，那么性能和成本都会成为竞争优势。
不过，相比成本，我更关注谢炎整场采访一直反复提到的另一个关键词——效率。
这些年，整个行业都在比TOPS。
500TOPS、700TOPS、1000TOPS、2000TOPS……
很多消费者也渐渐形成了一种认知，好像数字越大，芯片就越先进。
但谢炎对此有一个非常鲜明的观点。
他说：“纸面算力只是纸面算力，我最关心的是效率。”
他举了一个很形象的例子。
固定数量的晶体管，就像固定数量的砖头。真正重要的，不是用了多少砖，而是这些砖最终盖出了一栋什么样的房子。
芯片也是一样。
真正决定体验的，不是理论峰值算力，而是真实工作负载下到底能够释放多少性能。
采访中，他提到M100真正追求的目标，是重要工作负载接近80%的利用率，而不是单纯追求更高的TOPS数字。
我觉得，这其实代表着未来AI芯片竞争方向的一次变化。
以后大家讨论芯片，或许不应该只看参数，而应该更多关注真实效率。
采访中，老石花了很多时间和谢炎讨论M100采用的数据流架构。
说实话，这一部分专业性很强，普通消费者未必需要理解Mesh Bus、TPB、Data Ring这些具体设计。
但谢炎用了一个特别容易理解的例子。
他说，传统计算更像一个总指挥，不断告诉每个人下一步该做什么；而数据流架构更像厨房流水线，一个人完成自己的工作以后，直接把材料交给下一位，下一位拿到数据就立刻开始工作，而不需要不断等待新的指令。
这种设计最大的目的，就是减少等待，提高效率。
当然，这种效率不是没有代价。
谢炎也非常坦诚地说，他们并没有把复杂度消灭，而是把很多原本属于硬件的复杂工作，提前交给了编译器和软件去完成。
也正因为如此，M100研发过程中最大的挑战，并不是流片，而是编译器。
这一点，其实让我印象很深。
过去大家总觉得，芯片研发最难的是硬件。
但到了AI时代，也许真正重要的已经变成了整个软件栈。
谢炎透露，他们从项目一开始，就不是硬件团队单独设计芯片，再交给软件团队适配，而是硬件、编译器、操作系统、模型团队从第一天开始共同设计、共同迭代。
这其实也是理想一直强调的软硬件协同。
采访后半段，还有一个问题让我觉得特别有意思。
老石问，如果未来AI模型发生变化，不再以Transformer为主，M100是不是很快就会落伍？
谢炎的回答很冷静。
他说，无论未来模型如何变化，最终拆到底层，依然还是矩阵运算、Scatter、Reduce、Top-K这些基础计算。只要底层算子支持得足够好，新的模型仍然可以通过编译器映射到M100上。
换句话说，M100并不是为了今天某一个模型设计，而是为了未来更通用的AI计算设计。
这一点，也意味着它未来还有很大的成长空间。
还有一个细节，我觉得很多人可能没有注意到。
采访中，谢炎反复提到，未来随着编译器不断优化，同样一颗芯片，性能还可以持续提升。
对于普通车主来说，这意味着什么？
意味着今天买到的车，并不是能力已经固定了。
未来随着OTA升级，底层编译器、模型、算子不断优化，同一颗芯片仍然有机会释放出更高的性能。
很多消费者现在已经习惯了手机系统升级以后越来越好用，未来智能汽车也会越来越接近这种体验。
采访最后，老石问谢炎，如果重新回到2021年，他会不会改变什么。
谢炎笑着回答：“可以再激进一点。”
这句话让我印象很深。
因为对于一家汽车公司来说，自研芯片本身已经是一件风险极高、周期极长的事情，但站在今天回头看，他觉得自己还能更激进。
这背后，其实也说明他们对这条技术路线的判断越来越坚定。
今天很多人讨论智能汽车，讨论的是辅助驾驶、智能座舱、续航、底盘。
但未来真正决定一家车企长期竞争力的，可能是另一件事情——谁拥有属于自己的AI计算平台。
普通车主或许不用理解什么是数据流架构，也不用研究TOPS到底代表什么。
当未来有一天，你发现自己的车每一次OTA都变得更聪明、更安全、更自然的时候，也许就会明白，为什么理想愿意花五年时间，坚持做一颗属于自己的AI芯片。
至少从这场采访来看，马赫M100并不是故事的终点，它更像是理想AI战略真正开始的起点。
⚠️当然，聊到这里，我也想说一点自己的看法。⚠️
谢炎分享的是理想今天为什么坚持自研芯片，但如果把时间拉长到五年、十年之后来看，我反而认为，未来真正残酷的竞争才刚刚开始。
随着辅助驾驶不断成熟、AI模型持续演进，芯片、操作系统、编译器、模型，这些能力最终都会逐渐走向标准化。就像今天的智能手机行业一样，不可能每一家企业都拥有完整的底层技术栈，也不可能每一家企业都长期维持巨额研发投入。
最终，这个行业大概率会形成两类企业。
第一类，是少数真正拥有完整自研能力的企业，它们能够定义自己的芯片、模型、软件和整套AI技术体系，不断推动下一代技术的发展；第二类，则是更多采用成熟解决方案的企业，通过优秀的产品定义、供应链整合和品牌运营参与市场竞争。
这两种模式没有绝对的高低之分，都能够造出优秀的产品。但对于像理想这样的企业来说，他们显然希望成为前者。
为什么？
因为他们希望未来定义自己的，不仅仅是一家汽车公司，而是一家真正拥有AI能力、具身智能能力的科技公司。
做到这一点，说起来容易，真正做起来却异常困难。
芯片可以花钱研发，模型可以持续训练，但真正难的是持续不断地投入，是组织能力，是工程文化，是跨学科人才长期协同的能力，是整个企业始终围绕一个长期目标不断迭代的耐心和信念。
这些东西，不是一两年能够建立起来的，也不是发布一颗芯片、成立一家芯片公司就意味着已经成功了。
它需要持续不断的人才积累、研发投入、组织演进，以及一次又一次产品落地之后形成的工程经验。真正的壁垒，往往不是某一项技术，而是整个体系能够持续进化的能力。
所以，马赫M100对于理想来说，更像是一张入场券，而不是终点。
对于整个智能汽车行业来说，这场围绕AI底层能力的竞争，也才刚刚开始。真正能够走到最后、坚持完成自研闭环的企业，或许不会很多。但今天几乎所有头部车企，都希望自己能够成为最后留下来的那一个。影总聊智驾理想马赫M100芯片理想汽车理想汽车
