最新资讯 - 捕鱼达人

过去数年间，智能驾驶领域的竞争焦点经历了多次显著转变。

最初，竞争围绕硬件展开，包括激光雷达的配置、摄像头的数量以及算力（TOPS）的提升。随后，随着大模型时代的到来，竞争转向了端到端、VLA（视觉-语言-动作）以及World Model（世界模型）等技术路线。

如今，越来越多的企业意识到，单纯拥有更大的模型已不足以形成代际领先优势，决定技术上限的关键开始转变为模型、数据、算力和芯片之间能否构建一个持续优化的闭环系统。

这也是促使更多车企走向自主研发的原因。

特斯拉几乎覆盖了从数据采集、训练基础设施、FSD模型到Dojo超级计算机及自研芯片的完整链条。在中国，小鹏、蔚来以及理想等车企也在不断向下游技术环节延伸。

在今年发布 L8 和 L9 车型中，理想汽车已采用了自主研发的马赫M100芯片。这款采用数据流架构的芯片被理想汽车视为人工智能领域的一个重要技术方向。基于马赫M100，理想汽车也运行了其自主研发的马赫VLA模型。

然而，对于整个行业而言，更值得探讨的问题并非“是否自研”，而是这些投入究竟能解决哪些实际问题。

带着这一疑问，我们与理想汽车自动驾驶负责人詹锟、芯片负责人谢炎进行了对话。他们就理想汽车对下一代自动驾驶技术路线的判断，以及自研芯片、数据体系和AI基础设施背后的设计理念进行了阐述。以下为经过编辑的部分访谈内容：

问：为了在第四季度达到特斯拉FSD V14的水平，理想汽车还需要在哪些方面努力？

**詹锟：**我认为追赶FSD可以从两个层面来看。

第一是基础体验，具体体现在安全感、效率和舒适度这三个方面是否能达到FSD的同等水平。FSD在安全感、效率和舒适度方面都表现出色，这是其核心功底。即使不处理极端复杂的路况，也能在这些基本功上达到同等水平。

第二是高级能力，这方面追赶的难度也很大。例如，特斯拉能够识别并礼让特殊车辆，对极窄通行路段的感知精度极高，并且能够理解交警的指挥手势，这些能力都非常强大。

在能力层面，存在架构升级的机会。为什么某些能力只有特斯拉拥有？这可能与以往的技术范式限制了这些能力的实现有关，既有架构层面的原因，也有数据层面的原因。我们在这些方面进行了大量探索。

问：我理解马赫VLA是一个技术体系，而非单一模型。例如，Mind-Edge是服务于智能座舱的端侧模型。那么，当前的智能驾驶模型中是否还包含“L”（Language语言）的部分？

**詹锟：**当前自动驾驶的架构普遍趋向于整合VLA（视觉-语言-动作模型）与World Model（世界模型）。

从长远来看，所有技术路线都会朝着这个方向发展。无论采用VLA还是World Model，其中的提示（Prompt）都需要用到语言。因此，语言部分是必然存在的，关键在于如何运用语言。

我认为，对于机器智能而言，基于视觉（Vision Based）的理解方式更为合理，它能更好地实现对空间、三维空间以及环境的感知和交互。语言当然也有其用处，在理解环境、交通状况、指令以及进行复杂决策时都具有价值。

从长远来看，以视觉和语言为基础的原生大模型，可能是未来的发展趋势。

**谢炎：**如果目标是实现L3、L4级别自动驾驶，并解决更泛化的问题，那么模型需要具备类似人类的思考能力。此时，语言的重要性将愈发凸显，这也是未来需要巨大算力的原因之一。

如果模型仅具备视觉和动作能力，即使拥有海量数据，在遇到分布之外的特殊情况时也会束手无策。就像动物即使学会了所有常见场景，面对从未见过的情况也可能不知所措，无法做出正确的选择。

我们认为，越是向L3、L4级别迈进，所要解决的问题就越接近90%、95%、98%的边界情况——那些前所未见的问题，需要模型具备类人的思考能力。而这种推理和思考能力的来源，正是语言模型。例如，在面对交警打手势时，你需要理解其意图，这并非仅仅通过收集或生成数据就能解决。

问：随着理想汽车车队规模的不断扩大，从内部来看，数据的边际效应是否出现了衰减？贵公司是如何定义价值数据的？

**詹锟：**首先，数据的量需要足够庞大，其本质是为了收集更多长尾场景（Corner Case）。目前，业界有多种方法可以在车端实现高效的神经网络触发器，用以判断场景的难易程度，并将关键数据回传。这也是特斯拉在数据方面表现突出的重要原因之一。

其次，数据质量至关重要，主要体现在行为质量上。当前，业界逐渐趋向于端到端的范式，无论是VLA（视觉-语言-动作模型）、World Model（世界模型）还是Vision-Action（视觉-动作模型），核心都在于准确理解和执行动作（Action）。因此，行为的质量、干净程度和一致性变得尤为关键。

至于数据规模扩大后边际效应是否衰减，只要模型能力不断提升，并且我们追求100分的性能，那么数据带来的提升必然遵循“对数曲线”的规律，呈现逐渐减缓的趋势，不可能实现线性增长，这是所有AI公司都会面临的普遍现象。尽管后期数据收敛的速度会放缓，但我们希望通过规模化来加速这一进程。

问：马赫M100芯片可应用于多种AI场景。预计五年后或更长远的两代产品周期后，理想汽车车内的算力中心是否有可能全部采用自研的马赫芯片？

**谢炎：**尽管业内存在“舱驾一体”的说法，但我们认为，舱驾一体的核心在于AI算力部分，其他部分的整合并非那么关键。因为座舱系统和AI智能驾驶系统可以完全独立运行，但AI算力可以集中处理，从而大大提高效率。

我们的路线图设想是，未来车内将拥有一个统一的AI计算中心，所有AI任务都可以在此进行计算。这类似于在笔记本电脑上运行OpenClaw，AI计算并非在本地笔记本上完成，而是在Token Provider Server（Token供应服务器）上进行。车内也将采用类似模式，设立一个Token Server（Token服务器）。

该Token Server的优势在于：第一，效率极高。第二，能够实现不同任务之间的隔离，互不干扰。例如，智能驾驶任务的确定性——无论是内存还是带宽，都能保证不被其他任务影响，这是软硬件协同设计才能实现的结果。

问：是否因为M100采用了数据流架构，相比其他厂商的自动驾驶芯片，其对带宽的需求较低，但对片上存储的需求更高？

**谢炎：**我们对带宽的要求确实会相对较低，但这并非设计SRAM容量（而非显存）的直接原因。当前HBM（高带宽内存）技术备受关注，许多人认为带宽越高越好。然而，计算、带宽、SRAM等都需要晶体管来实现，最终的设计方案是在成本、综合性能等多种因素考量下的选择。

不同的架构设计，仅仅依靠一两个指标进行简单对比是不合理也不专业的。这就像拳击比赛，身高和体重各有优势，但最终胜负并非由单一指标决定，而是取决于整个比赛过程的结果。

问：为何当前大算力芯片方案，如英伟达、小鹏以及理想自研的芯片，都没有实现芯片级的舱驾融合，而高通却在低算力芯片上实现了这一点？

**谢炎：**本质上，座舱和驾驶是两个独立的系统。特别是对于高端L3向L4级别迈进的智能驾驶，需要一个更高确定性的系统，拥有专属的内存和计算资源，此时融合的意义就大大降低了。因为资源无法实时切换，实时切换会影响系统的确定性。如果趋向于资源独占，融合的价值就不大了——即使将两个芯片集成在一起，资源仍需独立分配，这并不能降低成本，甚至可能影响效率。

您可以看到，目前所谓的舱驾融合系统，它们本质上还是分开的。如果无法实现任务的快速切换，将两个芯片集成在一块，可能只是节省了封装成本，而晶体管数量并未减少。对于中低端芯片而言，这部分成本可以节省，但节省幅度有限。

我的观点是，随着智能驾驶向更高端发展，舱驾融合的意义可能会越来越小。如果将这些芯片设计得更紧凑，集成在一块电路板上实现小型化集成方案，这是可行的，不一定非要集成在一块芯片上，也可以是多块芯片协同工作。

问：自研芯片需要具备哪些条件，例如销量、营收和研发投入？鉴于当前自动驾驶迭代速度很快，芯片要实现持续迭代需要哪些支持？

**谢炎：**芯片的初期投入确实不菲，可能每年需要数亿元人民币。

第一个条件是达到一定的营收规模。对于车企而言，年营收达到1000亿元以上，研发投入至少占10%，即每年有几十亿到上百亿的资金，才足以支撑芯片的研发投入。第二个条件是，通过研发芯片所解决的问题，能够显著提升产品的能力。

许多人认为芯片需要巨大的出货量才能实现成本摊薄。实际上，芯片的成本与其面积直接相关。一辆车上的智能驾驶芯片，例如理想汽车的L7/L8/L9采用两颗马赫M100，总面积约800平方毫米。而一款高端手机芯片的面积约为100平方毫米，因此一辆车的智能驾驶芯片面积相当于8部高端手机的芯片面积。

如此计算，年销量几十万辆车所需的晶圆面积非常可观，足以有效摊薄成本。因此，成本不能仅仅用芯片的颗数来衡量。

问：动态数据流编译器的难点何在？攻克这一技术花了多长时间？

**谢炎：**在芯片流片之前，甚至在设计阶段，我们就已经开始进行编译器的工作，并在流片前完成了许多模型的运行验证。

数据流是一种完全不同的架构，它所要解决的问题与超级计算机或大规模计算机集群面临的问题非常相似——当规模扩展到数十万台计算机、上百万个核心时，它们之间的通信和协作是一个巨大的挑战，无法依靠单一的中央管理器来调度。传统的冯·诺依曼架构调度方式在这种规模下已不可行，这是一个超大规模并行调度问题。

捕鱼达人围绕捕鱼达人APP不断创新，回应用户的真实需求。