理想，打通智能汽车“任督二脉”
当人工智能技术正在从实验室走向千行百业，面向智能出行的新一代车载AI，已成为实现全场景智慧出行的重要一环。
在智能汽车领域，端侧大模型是车载AI实现全场景智能的核心支撑，而如何让端侧大模型适配车载芯片，发挥应有的效能，成为行业发展的关键课题。
车载算力平台正面临着新的挑战。视觉-语言-行动（VLA）系统对认知智能的需求持续攀升，而车规芯片在功耗、散热、成本上的限制，让“堆砌算力”的传统模式难以为继。英伟达、苹果、谷歌等科技企业纷纷将目光投向软硬件协同设计，这已成为全行业共同面对的技术挑战。
中国企业实现技术突围
在中国企业中，理想汽车很早便认识到了“芯片峰值性能不等于实际系统效能”的问题，即便搭载了行业顶级的车载芯片，精心设计的模型架构仍无法充分利用硬件特性，而为适配硬件做出的妥协又会折损模型智能，这种软硬件的割裂感，成为了理想汽车从基础研究层面寻求突破的初衷。
理想汽车基座模型MindVLA团队与国创决策智能技术研究所的联合研发，让这一问题有了新的解决方案。他们提出的端侧大模型“软硬协同设计定律”，用一系列数学表达式打通了芯片与算法的“任督二脉”，让有限的芯片资源发挥出应有的智能效能。不同于简单的技术优化，这一定律是服务于软硬件协同设计研发范式的具体科学方案，通过结合损失函数扩展法则和Roofline性能建模，实现了模型精度与推理延迟的联合优化，为协同设计奠定了坚实的理论基础。通俗来讲，研发团队只需输入芯片参数和模型需求，这套数学框架就能自动给出适配方案，改变了芯片与算法“各干各的、最后拼凑”的传统模式。
这项突破，也让理想汽车提炼出六大核心发现，为自研芯片奠定了关键技术基座，从根本上证明了“算法定义芯片”的必要性。未来的车载芯片需要原生支持稀疏计算、动态资源分配，内存子系统设计比算力峰值更重要，没有通用芯片，只有场景更优的芯片。
技术突破的价值，体现在研发效率的提升和成本的优化上。依托“软硬协同设计定律”，模型设计和选型的周期从过去的数月缩短至一周，大幅降低了时间成本；通过指导模型精准适配芯片物理特性，就能为用户带来同等的智能体验，硬件成本得到有效控制；针对不同应用场景快速匹配模型配置，避免了后期反复调优，让应用开发周期缩短。这一定律不仅解决了理想汽车自身面临的技术难题，更向全行业贡献了一套通用的科学方法论，让端侧大模型的部署有了可遵循的行业新路径。
筑牢智能汽车技术高地
理想汽车“软硬协同设计定律”的推出，并非偶然的技术突破，而是企业长期深耕基础研究、坚持核心技术自研的必然结果。正如理想汽车董事长兼首席执行官（CEO）李想所言：“任何时候当我们想去改变和提升能力，第一步一定是搞研究，第二步是研发，第三步是把能力表达出来，第四步是能力变成业务的价值。”这一理念成为理想汽车技术创新的底层逻辑，也让企业在AI与智能汽车融合的赛道上持续深耕。
理想汽车近8年预计研发总费用近500亿元，2025年研发投入预计达120亿元，且其中60亿元投向人工智能领域，持续的高研发投入让理想汽车在基础研究领域硕果累累。自2021年至2025年11月，理想汽车围绕BEV、VLA、AI基座模型等领域发表近50篇论文，32篇中稿顶会，被引用超2500次，同时将DriveVLM、3DRealCar等核心代码和数据集开源，收获超3200名开发者的收藏与调用。星环OS的全行业开源，更让理想汽车构建起开放的技术生态，截至2025年9月，理想已与超30家企业及社区建立合作，让中国的智能汽车技术成果惠及全产业链。
“软硬协同设计定律”是理想汽车从算法到芯片全栈自研能力的关键里程碑，标志着其在智能辅助驾驶技术栈上实现了从应用到芯片的完整闭环。基于这一定律的理想自研5纳米车规级芯片“马赫100”，将于2026年量产并搭载于全新一代理想L9，这款专为车载VLA系统优化的“算法原生芯片”，双芯有效算力达到2560TOPS，将为下一代智能辅助驾驶系统带来数量级的能效提升。而全新一代理想L9凭借马赫100芯片与模型的深度协同，实现了3DViT物理世界感知能力，配合全线控系统和800V主动悬架，成为真正的“具身智能机器人”，印证了李想的判断：“未来3到5年中高端汽车的竞争，就是具身智能的竞争，芯片和模型的联合设计是技术的制高点。”
从基础理论突破到全栈自研闭环，从学术研究积淀到开源生态构建，理想汽车的探索之路，正是中国汽车和科技产业在关键技术领域深耕进阶的缩影。
在全球AI浪潮中，以理想汽车为代表的中国企业正在摆脱技术跟随的路径依赖，通过扎根基础研究、坚持自主创新、构建开放生态，在智能汽车等前沿赛道持续定义行业规则，以“中国智慧”为全球科技发展贡献中国方案，也彰显出中国企业在全球竞争中的硬核实力与责任担当。