0
2026年3月30日，國際計算機體系結構頂會ISCA 2026公布了論文錄用名單。在Industrial Track（工業分區）中，出現了一個陌生的名字——Li Auto。
ISCA是計算機體系結構領域的頂級會議，與ISCA并列的ASPLOS、HPCA、MICRO、DAC共同構成芯片設計領域的"五大學術圣殿"。此前從未有汽車企業入選過這個會議的任何分區。英偉達、AMD、英特爾這些芯片巨頭常年霸榜，但它們的身份是"芯片公司"。理想是第一個以"車企"身份站上這個舞臺的公司。
這篇論文的內容是理想自研智駕芯片"馬赫100"的架構設計。論文中披露了幾個關鍵參數：5nm車規制程、數據流架構、Chiplet芯粒設計、單顆峰值算力1280 TOPS。L9 Livis搭載雙顆，總計2560 TOPS——理想官方稱在自研算法上的有效算力為英偉達Thor-U的5到6倍。
但真正讓行業側目的不是參數，是時間線。
2022年11月項目正式啟動，2025年5月完成首次流片，2026年Q2隨L9 Livis量產交付。從立項到量產不到四年，從流片到量產只有14個月。芯片行業的通行標準是：一個新芯片項目從立項到量產通常需要七年，從流片到量產需要24到36個月。
理想把兩個時間都壓縮到了行業常態的一半以下。
這件事只有兩種可能的解讀：要么理想的工程團隊是真的強，做出了行業級的突破；要么是某個環節被壓縮了，而這個被壓縮的環節會在交付后以某種形式暴露問題。答案要到L9 Livis真正上路跑起來之后才能知道，但在此之前，馬赫100的供應鏈故事本身就已經足夠有嚼頭。
5nm意味著什么？
在消費電子領域，5nm并不稀奇——蘋果A14芯片在2020年就用了臺積電的5nm工藝，現在最新一代已經推進到3nm甚至2nm。但消費芯片和車規芯片是兩個完全不同的物種。
AEC-Q100車規認證的溫度范圍是零下40度到150度，壽命要求15年以上。這意味著一顆裝在車上的芯片，要在盛夏暴曬的引擎艙里、在東北零下30度的冬夜中、在15年的振動和濕熱循環中，始終保持穩定工作。消費芯片不需要面對這些——手機用了三五年就換了，誰在乎它在第五年會不會藍屏。
先進制程做車規，難度呈指數級增長。制程越先進，晶體管間距越小，對溫度波動越敏感。7nm時代的車規方案已經有成熟案例（高通8155、英偉達Orin），但5nm車規量產在全球范圍內幾乎沒有先例。臺積電的5nm車規產線雖然已經啟動，但良率和產能都還在爬坡階段。一位芯片行業工程師這樣形容："5nm車規就像在刀尖上跳舞——容錯空間幾乎為零，每一次工藝微調都可能影響整批芯片的可靠性。"
良率是第一道鬼門關。臺積電5nm消費級芯片的量產初期良率在70-80%之間，但車規要求接近100%。一顆5nm晶圓的價格在1.5到2萬美元之間，如果良率只有80%，意味著每10顆芯片就有2顆報廢，每顆芯片的廢品成本直接增加幾百美元。流片本身更貴——5nm單次流片成本在2000到3000萬美元，理想做了不止一次流片，累計成本可能達到5000到8000萬美元。
車規芯片和消費芯片的本質區別，可以用一個數字來概括：15年。一顆裝在車上的芯片需要在15年的生命周期內不發生關鍵故障。這15年里，它要經歷數萬次高溫低溫循環、上百萬次振動沖擊、以及各種意想不到的極端工況——比如車輛長時間停放在50度以上的戶外停車場，芯片殼體溫度可能飆到120度甚至更高。消費芯片在這種工況下大概撐不過半年。
為了達到這個可靠性要求，芯片設計階段就需要做大量的冗余和加固：增加防護二極管來抵抗靜電沖擊，采用更保守的時序約束來應對溫度波動，在關鍵電路中加入錯誤檢測和糾正（ECC）機制。這些加固措施會直接蠶食芯片面積——同樣是5nm工藝，車規芯片的實際可用面積比消費芯片少10%到15%，相當于同樣大小的芯片上能塞進去的計算單元更少。
產能是第二道鬼門關。臺積電5nm產能的優先級排序是：蘋果第一梯隊、AMD和高通第二梯隊、其他客戶排后面。車企作為芯片行業的新玩家，在這個排隊體系中不占優勢。理想的應對策略是提前鎖定產能——代價是更長的交付周期和更高的預付成本，而這筆預付款在2025年理想利潤已經下滑99%的背景下，財務壓力不小。
據行業估算，臺積電2025年5nm及以下先進制程的總產能約為每月15萬片晶圓，其中蘋果占據了超過60%的份額。留給所有其他客戶——包括AMD、高通、聯發科、英偉達，以及理想這樣的新玩家——的產能不到6萬片。在僧多粥少的局面下，理想的籌碼不多：它的芯片出貨量目前還遠不能與蘋果和高通相比，議價能力有限。但在地緣政治的壓力下，臺積電也有動力拓展中國大陸以外的客戶基礎，這為理想這樣的新玩家提供了一個微妙的窗口期。
認證是第三道鬼門關。AEC-Q100認證通常需要12到18個月，功能安全認證ISO 26262 ASIL-D的周期更長。理想從流片到量產只留了14個月，這意味著認證流程必須被高度壓縮并行——設計階段就開始預認證準備，流片回來同步啟動多項測試。這在工程上不是不可能，但對項目管理能力提出了極高要求。
馬赫100最激進的決策不是5nm制程，而是架構路線。
當前智駕芯片的主流架構是英偉達定義的GPGPU路線——通用圖形處理器，通過大規模并行計算單元和多層緩存來處理AI任務。這條路線的核心優勢是生態成熟：CUDA平臺擁有超過400萬開發者，PyTorch、TensorFlow等主流框架全部原生支持，車企拿到芯片就能直接跑模型，不需要從零開始適配。
理想選了另一條路：數據流（Dataflow）架構。
數據流架構的原理很簡單——讓數據在計算單元之間直接流動，繞過傳統架構中的緩存瓶頸。打個比方：GPGPU就像一個大型倉庫，所有貨物必須先入庫、再出庫，倉庫越大吞吐量越高但也越慢；數據流架構像一個傳送帶網絡，貨物從入口直接送到出口，中間不停頓。
理想官方給出的數據是：相比通用芯片，馬赫100在理想自研算法上性能提升200%，功耗降低40%。200%的性能提升和40%的功耗降低，在芯片行業算得上是代際級的差距。但這個數據有一個前提條件——"在理想自研算法上"。也就是說，馬赫100的性能優勢不是通用的，而是建立在與理想自家算法深度協同的基礎之上。
這個選擇帶來的供應鏈影響是深遠的。GPGPU架構可以復用英偉達成熟的工具鏈和開發者生態，而數據流架構需要理想自己構建從底層硬件到上層算法的全棧能力。編譯器、驅動程序、調試工具、模型轉換器——這些在CUDA生態中現成可用的工具，理想都需要自己開發。
理想CTO謝炎曾透露，芯片團隊需要同時覆蓋從硬件設計到軟件棧的全鏈條。這意味著500人的團隊里，不只有芯片設計工程師，還有編譯器專家、算法工程師、系統軟件工程師。這種全棧自研的投入強度，在國內車企中幾乎找不到第二個案例。
選擇數據流架構的賭注在于：如果理想的智駕算法持續領先，專用芯片的優勢將被最大化；但如果未來算法路線發生重大變化——比如端到端大模型對架構提出了新的要求——專用芯片可能需要重新設計，靈活性遠不如通用方案。這是一場效率與靈活性的經典博弈。
芯片行業有一句老話："第一次流片不叫流片，叫交學費。"
從立項到量產，理想馬赫100的投入遠不止流片費。研發人力是最重的一塊——芯片團隊從2022年的幾十人膨脹到2025年的500多人，按照芯片行業資深工程師年薪100到150萬元估算，四年人力成本累計超過30億元。EDA工具授權是另一筆持續支出——Synopsys、Cadence、Siemens EDA的專業工具年費從數百萬到數千萬美元不等，5nm制程的標準單元庫和內存IP授權費用還要按出貨量階梯計費。
把這些加在一起——人力、EDA、IP、多次流片、晶圓采購——從立項到量產交付的累計投入大致在50到80億元之間。
80億對2025年的理想意味著什么？理想2025年財報顯示凈利潤同比下滑99%，全年盈利僅剩不到1億元。研發投入卻從2024年的109億元增長到超過200億元。利潤在塌方，研發在膨脹，芯片項目貢獻了相當大一部分的膨脹。
但這是一筆不得不花的錢。理想L系列目前搭載的是英偉達Orin X芯片，單顆采購成本在數百美元，年出貨量按30萬輛計算，僅芯片采購費就超過10億元。如果馬赫100能夠逐步下放到L6、L7等走量車型，替代掉外部采購的Orin芯片，每年可以節省數十億的供應商成本。
更重要的是戰略自主權。過去兩年里，英偉達芯片供應緊張導致多家車企被迫調整產品節奏——特斯拉就曾因為HW4.0芯片交付延遲而推遲了部分車型的交付。自研芯片意味著理想不再受制于外部供應商的產能和排期，產品節奏完全自主可控。
另一個容易被忽視的價值是數據安全。智駕芯片處理的不僅是算法推理，還包括大量的道路感知數據、用戶行為數據和環境信息。當這些數據在一顆由英偉達設計和制造的芯片上處理時，數據流向和存儲方式在某種程度上取決于芯片廠商的技術架構。自研芯片讓理想對數據全鏈路有了更強的掌控力——這在數據主權意識日益增強的當下，是一個越來越重要的戰略考量。
從更長遠的角度看，自研芯片還為理想打開了"技術輸出"的可能性。如果馬赫100的性能表現能夠經受市場驗證，理想未來不排除將芯片方案授權給其他車企——類似于華為向其他品牌提供智駕方案的模式。一旦芯片成為可對外輸出的產品，80億的投入就有望從"純成本"轉化為"平臺投資"，商業模型將發生質的變化。當然，這個遠景距離現在還太遠，但方向是明確的。
馬赫100在紙面上夠強。但截至2026年4月北京車展，有三個問題還沒有答案。
第一個問題是代工廠。理想從未公開確認代工廠商，行業普遍推測是臺積電。如果是臺積電，在地緣政治不確定性持續升溫的背景下，5nm先進制程的供應穩定性能否保證？如果未來臺積電的先進制程產能受到政策限制，理想是否有備選方案？這個問題理想不可能在公開場合回答，但它確實存在。
第二個問題是認證進度。14個月完成從流片到量產的全部認證，這個時間表在芯片行業幾乎沒有先例。如果某個認證環節出現意外延遲——比如溫度循環測試中發現可靠性問題，或者功能安全評估中需要補充設計修改——L9 Livis的交付節奏可能受到影響。理想計劃在2026年Q2發布L9 Livis，時間窗口已經非常緊湊。
第三個問題是有效算力的真實性。理想宣稱雙馬赫100的有效算力是英偉達Thor-U的5到6倍，這個數字來自理想自己的測試環境。實驗室數據和真實道路數據之間往往存在顯著差距——面對暴雨、逆光、突發施工等極端場景，馬赫100的表現是否還能保持同樣的優勢？這個問題只有等到大規模路測數據出來之后才能回答。
三個問題的答案，都不會在車展上揭曉。馬赫100既是一張被理想高調亮出的技術王牌，也是一場供應鏈和工程能力的極限測試——贏了，理想將擁有行業內最強的智駕算力底座；輸了，80億的投入和14個月的壓縮工期，都會成為質疑的焦點。
這場測試的結果，大概要等到2026年秋天才能看清。
把理想馬赫100放在更大的坐標系里看，會發現一個有意思的現象：中國車企自研芯片正在形成一股清晰的趨勢浪潮。
特斯拉是最早動手的。2020年，特斯拉在Model 3/Y上搭載自研的FSD芯片（HW3.0），單顆算力72 TOPS，替代了此前使用的英偉達Drive PX2。當時的算力并不驚人，但意義在于證明了"車企造芯片"這件事在商業上是可行的——自研芯片讓特斯拉不再受制于英偉達的產品節奏和定價策略。
小鵬緊隨其后。2025年第二季度，小鵬圖靈芯片實現量產上車，搭載于P7+等新車型。圖靈芯片采用5nm制程，單顆算力750 TOPS，雖然沒有馬赫100那么激進，但小鵬勝在節奏——它是國內第一個把自研智駕芯片真正送上路的車企。
蔚來神璣NX9031也在2026年進入量產階段。5nm制程，集成超過500億個晶體管，同樣走自研路線。蔚來的打法與理想不同——它沒有選擇數據流這種激進架構，而是更偏向通用計算路線，降低了對特定算法的依賴。
三家車企的芯片路線雖然各有側重，但共同點很明確：不再把智駕算力的命門交到英偉達手上。 這個共識的形成不是一天兩天的事。2023年英偉達Orin芯片曾出現過長達數月的交付延遲，多家新勢力的智駕功能升級被迫推遲，讓整個行業意識到了"核心算力不能受制于人"的戰略風險。
從趨勢上看，車企自研芯片正在從"敢不敢"的問題轉向"做得好不好"的問題。理想馬赫100用ISCA論文和5nm數據流架構回答了前半句，后半句要交給市場和時間。
（雷峰網(公眾號：雷峰網)新智駕北京車展2026專題）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
