核心运营数据 - 公司2026年2月单月交付新车26，421辆 [1] - 截至2026年2月28日，公司历史累计交付量达到1，594，304辆 [1] 产品与技术进展 - 公司于春节前正式推送OTA 8.3版本，VLA司机大模型、智能座舱和智能电动三大核心系统同步进化 [1] - 公司计划于2026年第二季度推出全新一代理想L9 [1] 充电网络与服务 - 春节高峰出行期间（2026年2月14日至2月23日），公司累计提供充电服务超过145万次，总充电量超过4，200万度 [1] - 截至2026年2月28日，公司在全国已投入使用4，054座理想超充站，拥有22，447个充电桩 [1] - 春节高峰出行期间，全国超过4，000座理想超充站为用户提供补能体验 [1] 销售与售后网络 - 截至2026年2月28日，公司在全国已有539家零售中心，覆盖160个城市 [1] - 截至2026年2月28日，公司售后维修中心及授权服务中心达548家，覆盖223个城市 [1]

业绩数据 - 2026年2月交付新车26,421辆[4] - 截至2026年2月28日，历史累计交付量1,594,304辆[4] - 2026年2月14 - 23日，充电服务超145万次，充电量超4,200万度[4] 业务布局 - 截至2026年2月28日，全国539家零售中心，覆盖160个城市[4] - 截至2026年2月28日，售后及授权服务中心548家，覆盖223个城市[4] - 全国已投用4,054座超充站，有22,447个充电桩[4] 产品规划 - 二季度推出全新一代理想L9[4] - 现有一款MPV、四款增程电动SUV、两款纯电动SUV[5]

论文核心观点与目标 - 论文提出了一套基于Roofline建模的数学框架，用于在给定的自动驾驶芯片上，为端侧大语言模型找到最优的架构设计方案[1] - 该框架旨在解决在芯片算力、内存及数据搬运速度有限的情况下，如何设计出既智能（低错误率）又反应快（低时延）的模型的问题[1] - 核心方法是通过数学公式预测最优模型架构，避免了训练成百上千个模型进行对比的高成本，实现了硬件特性与模型架构参数的协同优化[1][2] 硬件协同设计方法论 - 协同设计的两方是AI模型的架构参数（如层数、宽度、稀疏度）和芯片的硬件特性（如峰值算力、内存带宽、总内存），而非传统的软件与硬件团队[2] - 核心工作是将硬件的物理约束（时延、内存）用数学公式表达，并在这些约束下搜索最优的模型架构[2] - 在NVIDIA Jetson Orin平台上，通过评估1,942个候选架构并实际训练170个代表性模型（每个训练100亿个token），拟合出了Scaling Laws[2] - 最终在与Qwen2.5-0.5B相同时延条件下，协同设计出的架构将模型困惑度降低了19.42%[2] 优化问题的数学表述（公式1） - 优化目标是在满足严格时延和内存约束的前提下，最小化模型的损失函数（即错误率）[4][5] - 损失函数 \(L(\theta)\) 取决于模型架构参数集合 \(\theta = (l, d, d_m, r, \rho)\)，分别代表层数、宽度、KV缓存维度、FFN扩展比和专家激活率[6][8] - 约束条件包括：推理时延 \(T(\theta, \Pi, C) \leq T_{\text{max}}\) 和内存占用 \(M(\theta, \Pi, C) \leq M_{\text{max}}\)，其中 \(\Pi\) 为硬件参数，\(C\) 为工作负载配置[9] 模型性能预测器（公式2） - 公式 \(\hat{L}(\theta)\) 是一个预测器，允许工程师在不实际训练的情况下，通过代入架构参数快速估算模型的最终错误率，极大加速架构搜索[11][12] - 预测公式由五项相加组成，分别代表不同架构因素对错误率的贡献[13] - 深度贡献项：与层数 \(l\) 的 \(\alpha_l\) 次方成反比（\(\alpha_l \approx 0.34\)），层数越多，错误率贡献越低[13] - 宽度与稀疏度交互贡献项：涉及宽度 \(d\)、稀疏度 \(\rho\) 及拟合系数（\(\kappa_\rho=500, \alpha_\rho=0.73, \beta_1=0.51\)），揭示了二者复杂的耦合关系需要协同调整[13] - FFN扩展比与宽度联合贡献项：与 \(r \cdot d^{\beta_2}\) 成反比（\(\beta_2 \approx 0.28\)），FFN越宽、模型越宽，错误率越低[13][15] - KV缓存维度贡献项：系数 \(\kappa_{md}\) 极小（0.05），表明其对模型精度影响微弱，但对内存占用影响大，需谨慎权衡[15] - 基础错误项 \(L_\infty\)：代表由数据噪声和任务内在不确定性决定的理论错误下限[16] 时延上限模型（公式3） - 公式3基于Roofline模型，用于估算模型在特定芯片上的推理时延上限，是连接模型架构与硬件特性的核心桥梁[17][18] - 时延 \(T_{\text{roofline}}\) 由计算时间 \( \text{FLOPs}(\theta, C) / F_{\text{peak}} \) 和数据搬运时间 \( \text{Bytes}(\theta, C) / B_{\text{width}} \) 中的最大值决定，反映了计算与访存的瓶颈[19][20][21] - 论文指出，在当前边缘计算芯片上，大语言模型推理大多处于访存瓶颈状态，即内存带宽是主要限制因素[22] 架构设计指导法则（公式4） - 公式4推导出在内存受限的边缘设备上，模型宽度与稀疏度的最优配比法则：\(\rho^{*}\propto d^{\frac{\beta_{1}-\beta_{2}}{\alpha_{\rho}}}\)[23][25] - 代入拟合系数（\(\beta_1=0.51, \beta_2=0.28, \alpha_\rho=0.73\)）后，指数约为 -0.315，表明模型设计得越宽，其最佳稀疏度应越高（即激活的专家比例越低）[26] - 量化指导：当模型宽度 \(d\) 翻倍时，最优激活率 \(\rho^*\) 应降低约2.3倍[26] - 这一反直觉的结论指出，在内存预算有限时，应通过增加总专家数但降低激活率（使用更稀疏的MoE）来换取更高模型容量，而非单纯增加宽度[24] 对马赫100芯片的推断 - 马赫100芯片采用数据流架构，从底层为AI大模型推理设计，重点优化内存带宽，追求有效算力而非峰值算力[27] - 基于Roofline模型，在边缘设备上运行大模型时，内存带宽 \(B_{\text{width}}\) 常是瓶颈，峰值算力 \(F_{\text{peak}}\) 难以完全发挥[27] - 公司声称马赫100跑VLA大模型时有效算力是英伟达Thor-U的3倍，这暗示其通过优化内存带宽、片上缓存和数据通路，实现了远高于通用芯片的硬件利用率（马赫100峰值算力1280 TOPS vs Thor-U约700 TOPS）[27] - 自研编译器是软硬协同的技术中枢，负责调度数据驱动逻辑并定义芯片功能模块，实现了将高级AI模型代码最优化映射到数据流硬件上，支持灵活集成如3D ViT等新型计算模块[28]

公司2026年2月运营数据 - 2026年2月，公司共交付新车26,421辆 [1] - 截至2026年2月28日，公司在全国拥有539家零售中心，覆盖160个城市 [1] - 公司售后维修中心及授权服务中心达548家，覆盖223个城市 [1] 公司充电网络布局 - 公司已投入使用4,054座理想超充站 [1] - 公司超充站拥有22,447个充电桩 [1]

核心观点 - 理想汽车2026年2月交付量同比增速几近停滞，环比下滑，且2025年全年销量同比大幅下滑，在新势力中表现疲弱并掉队 [1][2] - 公司2025年第三季度财务表现显著恶化，营收、毛利同比大幅下滑，并出现净亏损 [2] - 公司正通过产品更新、技术升级和调整管理模式来应对挑战 [2][3] 2026年2月及近期交付表现 - 2026年2月交付新车26,421辆，环比2026年1月的27,668辆下降4.5% [1] - 2026年2月交付量同比2025年2月的26,263辆仅微增158辆，同比增长0.6%，增速远低于2025年2月同比2024年同期29.7%的增速 [1] - 截至2026年2月28日，公司历史累计交付量达1,594,304辆 [1] 2025年全年业绩与市场地位 - 2025年全年累计交付新车40.63万辆，同比2024年下滑18.8% [1] - 2025年交付量远未达成年初设定的70万辆目标（完成度58.05%），也未达到阶段性下调后的64万辆目标（完成度63.5%） [1] - 2025年成为“蔚小理”中唯一销量同比下滑的车企，市场排名掉出造车新势力前三，位列第五 [2] - 2025年12月单月交付44,246辆，第四季度交付109,194辆 [1] - 截至2025年12月31日，累计交付量达1,540,215辆，成为国内首个达成150万辆交付里程碑的新势力品牌 [1] 2025年第三季度财务状况 - 2025年第三季度实现营收274亿元，上年同期为428.7亿元 [2] - 2025年第三季度毛利为45亿元，上年同期为92亿元，同比下滑51.6% [2] - 2025年第三季度毛利率为16.3%，上年同期为21.5% [2] - 2025年第三季度净亏损为6.244亿元（624.4百万元），而2024年第三季度及2025年第二季度分别实现净利润28亿元和11亿元 [2] 公司战略与运营调整 - 公司董事长兼CEO李想反思当前管理模式，在尝试三年职业经理人模式后，公司将重回创业公司的管理模式 [2] - 全新一代理想L9及其终极版本理想L9 Livis将于2026年第二季度正式上市，旨在开创具身智能时代的旗舰SUV产品定义 [3] - 公司于春节前正式推送OTA 8.3版本系统，升级VLA司机大模型、智能座舱和智能电动三大核心系统 [3] 销售网络与充电设施 - 截至2026年2月28日，公司在全国拥有539家零售中心，覆盖160个城市；售后维修中心及授权服务中心548家，覆盖223个城市 [3] - 公司在全国已投入使用4054座理想超充站，拥有22,447个充电桩 [3] - 春节期间，全国4000多座理想超充站为用户提供超过145万次充电服务，总充电量超过4200万度 [3] 同业对比 - 2025年，蔚来汽车全年销售32.6万辆，同比增长46.9% [2] - 2025年，小鹏汽车交付新车42.94万辆，同比增长125.94% [2] - 2024年，理想汽车曾以越过50万辆大关的成绩拿下当年销售冠军 [2]

公司运营与交付表现 - 2026年2月，公司汽车交付量为26,421辆 [1]

公司2026年2月交付表现 - 2026年2月公司交付新车26421辆 [1] - 截至2026年2月28日公司历史累计交付量达到1594304辆 [1]

公司网络与服务规模 - 截至2026年2月28日，公司在全国拥有539家零售中心，覆盖160个城市 [1] - 公司售后维修中心及授权服务中心达548家，覆盖223个城市 [1] - 公司已投入运营4054座超充站，配备22447个充电桩 [1]

核心观点 - 理想汽车2026年2月交付26,421辆汽车，截至2026年2月28日累计交付量达1,594,304辆 [1] - 公司在产品技术升级、充电网络运营及销售服务网络扩张方面持续取得进展，并计划在第二季度推出全新L9车型 [2][3] 经营业绩与交付数据 - 2026年2月单月交付车辆26,421辆 [1] - 截至2026年2月28日，公司累计车辆交付总量达到1,594,304辆 [1] 技术与产品更新 - 公司在春节前正式推送OTA 8.3版本更新，在VLA Driver大模型、智能座舱和智能电动三大领域实现全面升级 [2] - 计划在2026年第二季度推出全新理想L9车型 [2] 充电网络与能源服务 - 公司在全国拥有超过4,000座超级充电站，为用户提供补能服务 [2] - 截至2026年2月28日，公司在运营的超级充电站达4,054座，配备22,447个充电桩 [3] - 在2026年2月14日至2月23日春运高峰期，公司累计提供超过145万次充电服务，总充电量超过4,200万千瓦时 [2] 销售与服务网络 - 截至2026年2月28日，公司在160个城市拥有539家零售门店 [3] - 公司在223个城市设有548个售后服务中心及理想汽车授权钣喷中心 [3] 公司背景与战略 - 公司是中国新能源汽车市场的领导者，设计、研发、制造和销售高端智能电动汽车 [4] - 公司使命是“主动积极，改变世界”，通过产品、技术和商业模式的创新，为家庭提供安全、便捷、舒适的产品和服务 [4] - 公司是中国成功商业化增程电动车的先锋，在坚定推进该技术路线的同时，并行打造纯电动车平台 [4] - 公司专注于自主研发专有的增程系统、创新的电动车技术和智能汽车解决方案 [4] - 公司于2019年11月开始量产，当前产品组合包括一款高科技旗舰家庭MPV、四款理想L系列增程电动SUV和两款理想i系列纯电动SUV [4] - 公司将继续扩大产品线，以覆盖更广泛的用户群体 [4]

公司业务运营与市场表现 - 公司发布《2026春节用户超充报告》，显示在为期10天的春节假期期间，累计充电次数达145万次，总充电量达4237万度，创下充电量新高 [1] - 在总充电次数中，公司用户贡献53万次，而其他品牌新能源用户贡献92万次，表明公司充电网络吸引了大量外部用户 [1] - 公司高速服务区超充站充电量达2704万度，占全国高速总充电量的15.9% [1] 行业基础设施与竞争格局 - 公司高速服务区超充站充电量占全国高速总充电量的15.9%，显示出其在高速充电网络中的重要市场地位 [1] - 公司超充站为其他品牌新能源用户提供了92万次充电服务，表明其充电基础设施正成为行业公共资源，对非本公司用户具有较强吸引力 [1]