15日下午，理想汽車
開了一場資訊量極大的發布會。理想汽車董事長兼CEO李想走上台，拋出了一個激進觀點：「今天的智慧型手機和智能汽車，談不上真正的智能。」
但真正讓這場發布會有戲劇性的，還不只是李想的這句話，而是理想汽車基座模型負責人詹錕提到的一次經歷。
一個月前，詹錕去了一趟矽谷。他把特斯拉最新的FSD V14.3連開了兩個星期。回國之後，他給團隊留下兩句話：「第一，特斯拉真的太強大了。第二，壓力也真的太大了。」他回國緊急召集了核心算法團隊復盤，也直接催生了這次的馬赫VLA更新。
近兩個小時的會議，理想汽車同時發布多個產品：一顆自研車規晶片馬赫M100、一套自研作業系統星環OS、兩個自研模型馬赫Mind-Pro和馬赫Mind-Edge、還有升級的馬赫VLA、一組現場跑通的Livis Agent演示、一份2026年OTA計劃表、以及一個新概念——具身智能汽車。這四樣產品，被裝在同一台量產車上，從底層硬體到頂層產品體驗，全棧自研。
理想正在試圖用「具身智能」的標準，重做一遍「智能汽車」這個品類。
/01/ 用三個新維度，重新定義智能汽車
敢於全盤否定過去，李想的邏輯是什麼？
他指出，過去十幾年，行業公認的「智能汽車」普遍遵循三要素：軟體定義硬體、聯網且實時在線、系統可以持續升級。智能汽車是這樣，智慧型手機也是這樣。
李想在台上明確指出，這三要素已經不夠用了。「雖然名字上掛著智能，但今天的智慧型手機和智能汽車，都不是真正的智能，它們本質上還是功能驅動的，而不是一個有生命力的智能體。」
判斷一輛車是否真正智能，李想給出三個維度：安全、能力、效率。
先說安全。李想說，傳統智能汽車對安全的定義，是「功能安全、免責優先」，在簡單道路上表現很好，一旦遇到複雜路況、極端天氣、從未見過的場景，它最常見的做法是退出，把方向盤交還給駕駛員。這種處理「從法規上講合規，但對於人類，恰恰是最危險的瞬間」。李想提到一個數據，接近一半的智駕事故，發生在系統把方向盤丟給駕駛員的那一瞬間。
再說能力。李想指出，傳統智能汽車是「特定功能、特定場景」，有很多功能，開導航、開冷氣、放音樂、輔助駕駛，但它只是在「調用一個個功能」，但它並不真正掌握人類司機在複雜場景下的倒車、騰挪、靠邊停車、禮讓能力。
最後說效率。李想說，傳統智能汽車是「人機共駕、人機協同」。他在現場問觀眾，「你們通常什麼時候「不用」智駕？」台下有人答：趕時間、要遲到了、胡同窄路。這個答案很真實，這也從側面說明，關鍵時刻，人類其實並不相信智駕，所以智駕要做的工作還有很多。
這三個維度結合，就是李想給智能汽車定下的標準：保護人類安全、獨立完成任務、比人效率更高。
李想自己也很清楚，從舊定義跳到新定義，不是修修補補能解決的。「它比從大語言模型到今天的Agent要難得多，我們必須重構整個系統。」
那麼這次重構，從哪裡開始？理想正式提出一個新概念：具身智能汽車。
「我們要用具身智能，打造一輛能夠保護人類安全、獨立完成任務、比人類更高效的具身智能汽車。」李想如是說。
/02/一個新定義：具身智能汽車
理想汽車將具身智能汽車定義為「四位一體」：
它是一輛電動車。具身智能汽車要服務真實世界，需要有身體，能移動，能達到目的地。
它是一位職業司機。理解道路、風險、交通規則，能完全可靠完成出行以及生活任務。
它是一台AI電腦。比旗艦智慧型手機和電腦有更強的AI算力，更大的內存，內存和顯存一體化，專為大模型設計。
它是一個生活助手。不需要研究怎麼操作各種軟體，只需要把任務告訴它，它來幫你完成。
李想強調，「這不是四個產品，這應該是一個產品」。過去新勢力車企做的事，大多是把這四樣東西分別做好：智駕團隊做智駕、座艙團隊做座艙、底盤團隊做底盤、車機系統做應用。理想這次要做的，是讓這四樣東西同時長在一個底層架構上。
李想給出了一個類比：「在iPhone出現以前，沒人知道自己需要觸摸的螢幕。在特斯拉Model S出現之前，沒人相信電動車這麼讓人心動。所有沒有被展示出來的可能性，往往會被誤以為是不存在的需求。」
把這套定義落到工程上，意味著理想汽車至少要重做三件底層的事：一顆自研晶片、一套自研作業系統、一組自研模型。
/03/大腦：三個自研模型
具身智能的大腦，被理想汽車拆成了兩支：語言智能負責「聽得懂任務」，機器智能負責「開得到目的地」——前者由兩個自研大模型馬赫Mind-Pro和馬赫Mind-Edge承擔，後者由自研馬赫VLA承擔。兩支共享同一套底層認知，共同構成一個完整的大腦。
先看語言智能這一支。
這一次，理想正式推出兩個全新模型——馬赫Mind-Pro與馬赫Mind-Edge，分別走雲端和端側兩條路徑。根據理想汽車基座模型負責人詹錕介紹：
馬赫Mind-Pro走雲端，定位是Agent智能體模型。在IFEval指令跟隨、LongBench-v2超長文本理解、AIME26高階數學推理、BFCL-v4工具調用等行業基準上，穩居第一梯隊；放到Agent專項領域，Claw系列榜單、PinchBench-v2實景實測，綜合性能超越大多數主流Agent模型。
詹錕強調「實驗室跑分終究只是紙面數據」。理想拿出來的實戰數據是，依託Livis Agent全場景體系，在Token生成速度、任務完成質量、Token使用成本、端到端響應時延四個商業核心維度，實現全面領先。通過Token壓縮技術，任務完成率零衰減的前提下，Token平均消耗降低38%，工具調用冗餘輪次減少47%；TPS峰值達到208 Token/s，推理效率是主流Agent模型的2倍以上。
這背後是一套「混合強化學習並行訓練體系」。理想搭建了數百套真實業務沙箱環境，高精度模擬工具調用環境；同時並行運行三套差異化訓練環境，覆蓋單步強化學習、長鏈路多步強化學習、在線環境強化學習。
馬赫Mind-Edge走端側，主打端側原生具身智能體。現場播放了一個演示影片，用戶問「我的耳機找不到了，你能幫我找一下嗎?」系統答：「找到了，你的耳機在扶手箱上。」
詹錕解釋，馬赫Mind-Edge採用多模態流式時序建模，能夠連續理解動態的物理世界，具備因果推理和自主決策能力。再加上大量車載專屬的行為特化訓練，讓模型擺脫傳統AI「只回答不行動」的模式，它可以直接輸出動作，實時調用車輛硬體。
它的一系列能力，包括Always On全天候主動感知、人車交互、自主控車、多模態問答，全部在車端本地實現，低時延、高可靠，數據完全不上傳。「這不是雲端模型的閹割版本，而是從底層就為車載場景原生打造的模型。」詹錕強調。
以上，雲端馬赫Mind-Pro負責複雜Agent任務調度，端側馬赫Mind-Edge負責實時人車交互。兩個模型，共同構成了具身智能的語言智能層。
接下來，機器智能這一支是「馬赫VLA」。
在講VLA的時候，詹錕就講了文章開篇所提到的體驗特斯拉FSD V14.3的事跡，他隨後補了一句說：「真正感受到壓力，才證明我們是在平視這個星球上最強大的對手，而沒有在國內的內卷中自我麻痹。」
這種壓力，直接催生了馬赫VLA系統的全面升級。它的三個維度，正好對應李想前面立下的智能汽車三條標準：保護人類安全、獨立完成任務、比人效率更高。
安全維度。理想給了一組背書數據：截至2026年6月14日，理想全系智能駕駛主動避險總次數17273307萬次，其中重大避險55671次。從2022年至今1400餘天，平均每日主動避險1.2萬次。「用戶出行每遇到100次道路險情，就有一次會直接釀成車禍。我們硬生生把災禍從命運邊緣拉了回來。」
AEB和AES的疊代路線也鋪了出來：2022年雷射雷達首次落地主動安全；2023年AEB完成全速度段覆蓋；2024年行業首發AES，同時實現360度低速全方位防禦；2025年AES升級支持多車連續避讓和防硬躲避被撞；2026年新增懸空障礙物識別,夜間剎停上限提升到130公里。
效率維度。普通人從發現危險到踩下剎車的反應時間是0.45秒(權威論文數據)。如果在查看導航或回復消息，反應時間會到秒級。地表最強F1車手的極限反應是0.25秒。「我們全新一代馬赫VLA系統的反應耗時是0.28秒，無限逼近人類的生理極限。」
多出來的0.17秒意味著什麼？在120公里時速下能提前6米完成剎停。6米是一台幻影勞斯萊斯的整車長度，也是「剎停到相撞、生存到毀滅」的全部距離。
這0.28秒不是單一模組快出來的。視覺輸入時延降低47%，模型推理鏈路縮短43%，線控底盤響應降低38%，作業系統調度編排降低28%，端到端總時延降低40%。「不是哪個模組變快了，是整個鏈路從頭到尾都變短了。」
能力維度，理想拿了幾段真實場景影片做證據：施工區域繞行、挖掘機爪臂動態避讓、對向窄路主動切倒擋禮讓、識別穿黃馬甲保安的手勢、低矮異形物體識別、廣州傍晚雨夜的城中村小路。最後那段廣州城中村的影片最關鍵。路寬不到3米，沒有車道線，沒有交通標識，路邊打傘行人、外賣騎手、占道小販混雜。「很多廣州老司機開起來都頭皮發麻。但馬赫VLA開得極其從容，根據對向來車、行人、電動車的位置主動輾轉騰挪，給每一個參與者都留足空間。」
馬赫 VLA 這一代的能力從哪裡來？詹錕把它歸納成三個變量的同時躍升：「這背後是數據、算力、模型規模同時暴增下，Scaling Law帶來的能力湧現。」
算力方面，雙馬赫M100讓車端算力達到2560TOPS。數據規模方面，模仿學習數據量增加50%，強化學習數據量增加15倍，訓練算力增加5倍。模型規模方面，行泊一體模型徹底統一，參數量提升10倍，每秒Token計算量提升15倍。
但比湧現更關鍵的，是架構層的重構。理想直接把感知、預測、規劃三個模組統一成「原生多模態MoE大模型」。「過去模組化的模型結構有一個致命缺陷，感知、預測、規劃三個模組各玩各的，就像一家公司，市場部說這事能幹，研發說我壓根沒收到消息，財務說我還不知道有這個項目。功能都沒錯，但整體意圖完全不一致。」
圍繞這個統一的大模型，理想還做了兩件配套的事：一件是馬赫 World Model，一個能模擬真實物理世界的世界模型，給馬赫 VLA 提供訓練所需的虛擬環境；另一件是 RL Infra，強化學習的訓練基礎設施，讓 VLA 能在世界模型里持續試錯、疊代。如此一來，馬赫 VLA、馬赫 World Model、RL Infra 三位一體，構成一套完整的具身智能模型訓練體系。「看見、理解、思考、行動，從一開始就在同一個框架里徹底對齊。我們從第一天起就是為具身智能而生。」詹錕說。
新架構搞定了，但具身智能還需要真正「看懂」世界，這就涉及視覺方案的選擇，業界有的在卷雷射雷達，有的在卷視覺方案，詹錕在這裡強調：
「行業都在瘋狂卷雷射雷達的線數。128線、256線、512線，越卷越離譜。但雷射雷達的線數再高，它能告訴你紅綠燈現在是什麼顏色嗎？能讀懂路牌上『前方施工禁止通行』這幾個字嗎？能看懂穿黃馬甲的保安手勢是讓你停還是讓你走？都不可能。」詹錕說，「雷射雷達只能理解世界的骨架，根本不能理解這個世界。」
理想這次讓3D ViT首次上車，現場把鏡頭切到觀眾席，3D ViT瞬間重建了整個三維世界，觀眾姿態、場館細節、後排文字全部被記錄下來。
模型層面的進展，理想給了兩個明確的OTA節點：第三季度，為搭載 Orin 和 Thor 晶片的 AD Max 用戶推送全新馬赫 VLA 模型；第四季度，馬赫 VLA 模型能力對齊全球頂尖水平。後一句「對齊全球頂尖水平」，指的就是特斯拉的FSD V14。「這是我們對自己的要求，更是對用戶的承諾。」詹錕說。
/04/心臟：發布馬赫 M100，5nm 車規級晶片，1280TOPS 單晶片算力
具身智能汽車的大腦跑在哪裡？
於是，理想正式發布馬赫 M100。「馬赫 M100是一顆用完全不同思路造出來的晶片。」理想汽車CTO謝炎說道。
這顆晶片從2022 年立項，歷經三年半打磨，於2026年5月實現量產上車。
謝炎在台上把晶片高高舉起，講起它的參數。5納米車規級工藝，單晶片算力1280 TOPS，「是目前全世界量產最強大的車規級算力晶片」；實際運行效率超過 82%，主流基於 SMT 架構的 GP GPU；超過一半的晶圓面積留給神經網路處理器，由56個計算單元和1個數據處理模組構成，採用網格總線加數據環形總線雙互聯架構；CPU 部分，24 核 ARM A78AE，主頻 2.3GHz，車載旗艦級大核，負責安全和系統控制；內存部分，8 通道 LPDDR5X 子系統，273 GB/秒超高頻寬，提供片外大容量內存高速通道。
但參數本身只是數字。理想拿馬赫M100做了兩組對比，信號量都很強。
第一組對比，跟全球公認智駕領域最主流的晶片ThorU直接對比CNN Based、UniAD、馬赫VLA模型。每一項每一個測試，馬赫M100全部超越ThorU，是數倍的性能差距。
第二組對比更有意思。謝炎在馬赫M100上部署了Qwen3.5-35B，跟NVIDIA的DGX Spark桌面超算對比。結果是Qwen3.5-35B-A3B prefill速度，馬赫M100是DGX Spark的2.7倍；Qwen3.5-35B-A3B decode速度是1.5倍。一個裝在車裡的晶片，跑通用大模型比一台4萬塊的桌面超算還快。
馬赫M100號稱"全球首款量產的動態數據流AI晶片"。這裡面不一樣的，是「數據流」三個字。
傳統晶片是怎麼幹活的？可能是一步一步走的員工，它有一張待辦清單(行話叫「指令隊列」)，從清單第一項開始，做完一項做下一項，順序嚴格不能亂。這種方式的問題是，清單本身要寫、要管、要排序，晶片很大一部分電晶體不是在算東西，是在管理這張清單。算AI模型這種海量並行的任務時，管理成本越來越高，效率上不去。
但謝炎說，AI計算其實根本不需要這張清單。「AI計算天然是並行的，數據是確定的、關係是清晰的、流動路徑是固定的。」翻譯一下：AI 模型在做什麼、下一步要處理什麼數據、這些數據要流向哪個計算單元，在模型設計的時候就已經寫好了。既然路徑是固定的，就不需要一個中央調度員去現場指揮。
所以理想汽車做了一件顛覆傳統的事：把那張待辦清單和清單管理員全砍掉，讓數據自己驅動計算的發生。數據流到哪裡，計算就在哪裡發生。
「馬赫M100的能力遠不止於智能駕駛，它今天已經跑通了車上所有的智能化場景。它能運行語言大模型，它能支撐Agent，它將驅動具身智能，它還會支持更多我們今天還沒有想到的AI場景。」謝炎說。
這套架構也拿到了一個學術層面的背書。謝炎在台上宣布，今年馬赫 M100架構的論文被ISCA 2026工業分區收錄。同期入選的是谷歌、美光、Meta、安培、MegaBlast。「理想汽車是汽車行業中第一家，歷史上第一家在ISCA工業分區獲得論文錄取的企業。」
謝炎特意申明：「我們入選 ISCA 從來不是因為造了一顆晶片，是因為提出並實踐了一種創新的架構思路。」馬赫 M100 架構團隊將於6月30日在ISCA 2026會議現場進行主題分享。
「馮·諾依曼架構用七十年推動了通用計算的輝煌。今天我們以馬赫 M100 為起點，希望用數據流架構，接過歷史的這一棒，繼續推動 AI 計算再輝煌七十年。」謝炎最後立下宏願。
/05/神經系統：星環OS與晶片到算法的全棧自研
光有晶片不夠。具身智能需要一套完整的系統，把心臟、大腦、眼睛、手腳組織起來協同工作，這套系統的「神經系統」，叫做「星環OS」。
「星環OS是理想汽車為具身智能專門設計的神經系統，從設計的第一天起，它就是為 AI 原生而生。」謝炎介紹，「感知、決策、執行全鏈路深度融合，結合全線控底盤的極速響應，我們把端到端的延時壓縮到了0.28秒，反應速度比人類快40%。這就是系統協同的力量，它不是晶片快，也不是軟體快，是整個系統一起快。」
這套系統里，馬赫M100晶片是心臟，全車感知系統是眼睛，自研馬赫模型是大腦，全線控主動底盤系統和能源系統是手腳，星環OS是神經系統，把它們串成一個整體。
為什麼連作業系統也要自己做？謝炎向台下問了一個問題：「蘋果和安卓哪一個更安全？」台下答「蘋果」。「為什麼？因為蘋果把晶片和作業系統放在一起設計。安全，不是系統啟動之後才開始，安全是從晶片上電那一刻就已經開始了。手機晶片被攻擊，泄露的是隱私；車的晶片被攻擊，威脅的是生命。」謝炎講出背後邏輯。
理想汽車把密鑰保護、設備身份、可信啟動鏈、關鍵權限管控全部前置到晶片設計中，再通過全棧自研軟體實現統一調度。讓晶片、編譯器、作業系統、AI 算法在同一套可信的基礎上協同運行。
到這裡，理想汽車完成了一個少有車企能完成的動作：晶片、編譯器、作業系統、AI算法、域控制器，全棧自研。
/06/量產路徑：讓具身智能成為日常，Livis Agent現場實操
底層架構講完，真正的問題來了，這一切到底能不能落到一台普通用戶開的車上?
現場，理想直接做了一場真實的Livis Agent演示，展現了它的多項車載智能體能力。「請相信我，這些展示都是真正運行在模型上的Agent，絕不是提前寫好的程序。」謝炎強調。
演示中，這個Agent可以根據一句自然語言指令，完成接機、餐廳推薦、路線規劃等連續任務。甚至，可以根據「孩子困了」等場景需求，聯動車內音樂、燈光、冷氣、懸架等系統，完成座艙環境調整，隨後汽車輕微搖晃，化身一個搖籃。現場實際來看，整體體驗確實比較絲滑，沒有翻車。
最後，理想公布了今年下半年完整的OTA路線圖，分三個節點：7月份、9月份、12月份。
理想汽車2026年7月OTA計劃
理想汽車2026年9月OTA計劃
理想汽車2026年12月OTA計劃
發布會最後，李想留了兩句話作為收尾。
一句關於產品：「過去10年，我們創造了一個移動的家。在第二個10年，我們會給車和家賦予生命」。
另一句關於姿態：「理想汽車堅持做最好的自己，不要期望我們變成別人」。
