2026 年 11 月 17 日,台积电 OIP(Open Innovation Platform,开放创新平台)生态系统论坛在北京举行。作为全球半导体设计、EDA、IP 及封装测试领域最具影响力的年度技术盛会之一,本届论坛汇聚了芯片架构、AI 计算与系统创新方向的顶尖企业与专家。理想汽车首席技术官谢炎受邀发表主题演讲,成为本次论坛唯一的特邀演讲嘉宾,理想汽车也成为台积电 OIP 生态系统论坛举办以来首家进行特邀演讲的大陆企业。
谢炎演讲的题目为《高效 AI 推理系统的设计思考与实践》,核心内容围绕理想汽车自研的马赫 M100 芯片展开。从架构设计到量产装车,这颗芯片完整走过了从原创技术到规模化应用的全流程。
马赫 M100 是全球首款量产的动态数据流架构 AI 芯片,采用 5 纳米车规级工艺,单颗算力达 1280 TOPS。与市面上多数仅服务于自动驾驶的专用芯片不同,它定位为面向 AI 时代打造的端侧推理芯片 —— 已跑通车上所有智能化场景,既能运行大语言模型、支撑智能体应用,也能驱动智能辅助驾驶,并为未来更多 AI 场景预留空间。目前马赫 M100 已量产交付,搭载于全新理想 L9、全新理想 L8、新一代理想 L6、新一代理想 MEGA、全新理想 i9 和 2026 款理想 i6 等车型。
马赫 M100 最核心的突破,在于动态数据流架构。这是一种与冯 · 诺依曼架构截然不同的计算机体系结构,核心理念是 " 数据驱动 " 而非 " 指令驱动 "。
理想汽车 2022 年启动芯片设计时就判断,仅仅造出一颗更快的芯片解决不了行业根本矛盾。摩尔定律与登纳德缩放定律双双放缓,AI 算力需求却从深度学习革命到 Agent 时代持续暴增。冯 · 诺依曼架构统治计算行业七十年,大量晶体管用于缓存、调度和分支预测等管理开销,面对 AI 的海量并行计算效率难以提升。AI 计算天然是并行的,数据是张量,关系确定,流动路径清晰。基于这一判断,理想汽车选择让数据的流动直接驱动计算,让架构围绕 AI 的计算形态来设计。
来到 AI 推理场景,这一架构体现出三项核心优势。数据直达减少搬运浪费,数据在计算单元间直接传递,省去频繁往返内存的中转;流水线式高效执行,多个计算单元同时运转,大幅缩短推理耗时;全局广播能力,片内高速总线可将同一份数据一次送达多个计算单元,提升并行效率。
三者叠加,让马赫 M100 把绝大部分硬件资源用于实际计算而非调度开销。马赫 M100 选择动态数据流路线,在保持高效率的同时具备完整可编程性,AI 算法迭代时只需重新编译适配,硬件无需更换。
软硬一体联合设计也是马赫 M100 的核心竞争力。芯片和算法从一开始就紧密配合,而不是各自开发最后再凑在一起。理想汽车内部团队完全了解自身产品的需求方向和长期规划,能在芯片定义之初就做出最精准的技术判断。