理想汽(qi)车正(zheng)在基于NVIDIA Orin/Thor平(ping)台的早期(qi)实践中发明，即使搭载了行业最顶级的车载芯片，正(zheng)在实际(ji)部署大语言模子时，其真实释放的性(xing)能往往大打折扣。

这不是理想汽(qi)车一家遇到的问题。英伟达、苹(ping)果(guo)、微软、谷歌等全球(qiu)科技巨子都正(zheng)在为此头疼。

传统的研发模式中，芯片工程师埋头追求(qiu)更高的峰值算力(li)，算法工程师则(ze)猖獗堆叠模子参数，两者正(zheng)在各自的轨(gui)道上狂奔。结果(guo)就是：软件与(yu)硬(ying)件正(zheng)在最后(hou)集成阶段才仓促碰面，相(xiang)互妥协、相(xiang)互迁就，大批算力(li)被闲置，大批功耗被浪(lang)费。这类“软硬(ying)割裂”的研发方式，正(zheng)在全场景智能辅助(zhu)驾驶对算力(li)需求(qiu)呈指数级攀升的今天，正(zheng)变(bian)得愈起事以为继。

也恰是这类“软硬(ying)割裂”的痛感让理想汽(qi)车意(yi)识到，如果(guo)继续沿着(zhe)“堆料”的老路走下(xia)去，永久只能跟正(zheng)在别人身后(hou)吃灰。真正(zheng)的解法，不正(zheng)在芯片厂(chang)商的下(xia)一代产品门路图里，而正(zheng)在底层研发逻辑的重构当中。

基于此，理想汽(qi)车MindVLA团(tuan)队与(yu)国创(chuang)决策智能技术研讨所挑选了一条更难的路：他们不再满足于用(yong)好别人的芯片，而是试图从数学层面回答一个(ge)根本性(xing)问题——芯片与(yu)算法究竟(jing)该(gai)如何协同，才能让无限资本发挥最大效能？

研讨团(tuan)队将丧失函(han)数扩大法则(ze)与(yu)Roofline性(xing)能建模相(xiang)结合，终究提(ti)炼出一套可量(liang)化、可预测的软硬(ying)协同数学框架(jia)。通俗地(di)说，这一定律把芯片的物理特(te)性(xing)和算法的计算需求(qiu)同时“翻译”成数学语言，输入芯片参数和模子需求(qiu)，公式便能主(zhu)动(dong)输出最优的软硬(ying)配比(bi)方案。这相(xiang)称于为协同计划建立(li)了“通解公式”，而非过去那种依赖工程师经验频频试错的“特(te)解摸索”。

正(zheng)在这套理论框架(jia)下(xia)，六大核心发明浮出水面，每一项都正(zheng)在倾覆行业固(gu)有的认知(zhi)。例如，研讨揭示(shi)，正(zheng)在车载典型的批处置惩罚巨细为1的场景下(xia)，MOE稀疏架(jia)构将100%主(zhu)导效率前沿。这意(yi)味着(zhe)未(wei)来车载芯片必须原生支撑稀疏计算，而非简单堆砌(qi)密集矩阵(zhen)乘算力(li)。再如，内存(cun)带宽和缓存(cun)效率往往比(bi)理论TOPS更能决定系统实际(ji)性(xing)能，“宽而浅(qian)”的芯片架(jia)构才是车载场景的最优解。更故意(yi)思的是，传统Transformer中相(xiang)沿了多年的4倍FFN扩大比(bi)，正(zheng)在车载场景下(xia)被证(zheng)明是低效的，这直(zhi)接挑战了芯片矩阵(zhen)乘单元与(yu)激活函(han)数单元的配比(bi)计划。

这些发明凝聚(ju)成一个(ge)核心结论：没有通用(yong)芯片，只有场景最优芯片。最优架(jia)构猛烈依赖于具体硬(ying)件参数，这从根本上证(zheng)明了“算法定义芯片”的必要性(xing)。只有深度理解上层算法需求(qiu)，才能计划出最高效的专(zhuan)用(yong)计算架(jia)构。

这项研讨的深远意(yi)义，正(zheng)在于它为我国企业正(zheng)在AI基础理论层面博得了一席话语权。它不是对西方技术门路的修修补补，而是一种原生于我国产业实践的方法论突破(po)。当理想汽(qi)车与(yu)国内高校持续产出顶会(hui)论文时，我们看到的不只是企业研发实力(li)的证(zheng)明，更是产学研深度融(rong)会(hui)的“我国智慧(hui)”正(zheng)在 global AI 舞(wu)台上的一次集体表态。

二、从理论到实践：研发投入浇灌出的技术密林

理论的代价，终究要落地(di)为产品的温度。

2026年2月，全新一署理想L9正(zheng)式表态，搭载两颗(ke)5纳米制程的马赫100芯片，总算力(li)达2560TOPS。但更具压服力(li)的不是这个(ge)峰值数字，而是“有效算力(li)”的概念。由于采纳数据流架(jia)构，马赫100正(zheng)在运行VLA大模子时的单颗(ke)有效算力(li)达到英伟达Thor-U的三倍，双芯协同时的整(zheng)体有效算力(li)更是达到Thor-U的五至六倍。

李想回顾(gu)，理想自2022年启动(dong)芯片自主(zhu)研发时，团(tuan)队便预判行业将正(zheng)在2025年后(hou)全面迈(mai)入“自研算法与(yu)自研算力(li)深度融(rong)会(hui)”的软硬(ying)一体化发展阶段。马赫100芯片的推出，恰是这一长(chang)期(qi)技术战略落地(di)的首个(ge)关键结果(guo)。

如果(guo)理想仅仅将这些技术用(yong)于自家产品升级，它或许只是一次成功的企业级技术突破(po)。但真正(zheng)值得深思的是，这一定律背后(hou)所折射出的我国科技企业创(chuang)新姿势的变(bian)化。

回顾(gu)我国汽(qi)车产业的发展进程，从最初的技术引进、合资合作，到后(hou)来的消化汲取、局部创(chuang)新，再到如今正(zheng)在新能源和智能辅助(zhu)驾驶领(ling)域的全面突围，我国企业走过了一条漫长(chang)的追逐之(zhi)路。但正(zheng)在AI基础理论层面，能够为全行业贡献通用(yong)科学方法论的案例，依然屈指可数。

理想汽(qi)车此次联合国创(chuang)决策智能技术研讨所发布的这一定律，恰好填补了这一空白(bai)。这项研讨不是针对某个(ge)具体问题的补丁式解决方案，而是一套具有普适意(yi)义的数学框架(jia)，能够为整(zheng)个(ge)端侧AI领(ling)域供(gong)应(ying)研发指导。

别的，还有一点不容忽视。软硬(ying)协同计划定律的诞生，离不开理想汽(qi)车多年来对研发投入的持续加码。数据显示(shi)，2025年，理想预计研发投入达到120亿元，近八年累计研发费用(yong)预计将超过468亿元。即使面对激烈的市场合作，理想的研发费用(yong)依然持续领(ling)跑新势力(li)车企。这些数字背后(hou)，是一个(ge)朴素的认知(zhi)：只有从最基础的研讨做(zuo)起，才能真正(zheng)掌(zhang)握(wo)技术迭(die)代的主(zhu)动(dong)权。

如今，这类投入正(zheng)正(zheng)在转化为可见的结果(guo)。2021年至2025年11月，理想汽(qi)车围绕BEV、端到端模子、VLA等领(ling)域揭橥近50篇(pian)论文，被援用(yong)超过2500次，个(ge)中32篇(pian)论文中稿顶会(hui)。更重要的是，理想挑选将这些研讨结果(guo)开源——DriveVLM、DIVE、3DRealCar等项目正(zheng)在GitHub上已得到超过3200名(ming)开发者的收藏或挪用(yong)。这类开放姿势，正(zheng)正(zheng)在为我国智能驾驶产业构建一个(ge)良性(xing)的技术生态。

2025年3月，理想星环OS正(zheng)式宣告面向全行业开源，涵盖AI计算系统、智能及时系统、通信中间件和安全系统。截至2025年9月，已有超过30家企业及社区加入星环OS生态。按照理想的测算，这一开源系统每年可为汽(qi)车行业节省(sheng)100亿至200亿元的重复研发投入。

开源的背后(hou)，是一种更深层的战略思考。正(zheng)在智能汽(qi)车这个(ge)庞大的赛道上，没有一家企业能够包(bao)揽(lan)全部创(chuang)新。只有当更多的开发者、更多的企业到场到同一套技术体系的共建中，整(zheng)个(ge)产业的创(chuang)新节奏才能加快(kuai)。

这不再是企业层面的贸易博弈(yi)，而是一种产业责任感的体现——当我国企业最先主(zhu)动(dong)输出基础办法、贡献通用(yong)方法论，全球(qiu)AI竞赛的叙事，已然被改写，我国企业正(zheng)正(zheng)在成为游戏规则(ze)的共同制定者。

三、结语

回到文章开头的问题：算力(li)越高，实际(ji)效能真的越高吗？

理想汽(qi)车给出的答案是：算力(li)是效能的基本，但协同才是决定效能兑现程度的天花板。没有足够的芯片算力(li)，再精(jing)巧的算法也只是纸上谈兵(bing)；但若只有算力(li)堆砌(qi)而缺(que)乏软硬(ying)件的深度协同，再高的账面数字也只能正(zheng)在闲置与(yu)损耗中打了折扣。当芯片与(yu)算法能够从计划之(zhi)初就“探讨着(zhe)办事”，当数学定律取代经验调参，智能汽(qi)车的退化途径便从堆料模式切换到了精(jing)算模式。

软硬(ying)协同计划定律的意(yi)义，或许要放到更长(chang)的时间维度里去理解。它不仅为今天的智能辅助(zhu)驾驶供(gong)应(ying)了方法论，更为未(wei)来的具身智能、空间呆板人等更遍及的AI应(ying)用(yong)，铺下(xia)了一块理论基石。当人工智能最先走出数据中央、走进物理世界，如何让算法正(zheng)在无限的算力(li)上高效运行，将成为全部端侧智能面对的共同挑战。而理想今天所做(zuo)的事情，恰是正(zheng)在为这个(ge)未(wei)来准备“通用(yong)语法”。

从跟随者到定义者，这条路注定艰苦。但当我国车企最先用(yong)数学定律而非营(ying)销话术来定义智能的高度，这场全球(qiu)AI竞赛的叙事，已然被改写。理想汽(qi)车的故事证(zheng)明，我国科技企业不仅有实力(li)到场全球(qiu)合作，更有智慧(hui)为全行业贡献通用(yong)的科学方法论，这或许恰是“我国智慧(hui)”正(zheng)在全球(qiu)AI浪(lang)潮中最硬(ying)核的表达。