行业现状与核心悖论 - 当前智能汽车行业陷入“算力崇拜”，车企发布会常以数百至上千TOPS作为核心宣传指标，消费者也普遍认为算力越高则车辆越智能 [2] - 然而行业存在“算力悖论”，即单纯堆砌顶级芯片算力，在实际部署大模型时，其真实释放的性能往往大打折扣 [3] - 其根源在于传统的“软硬割裂”研发模式，芯片与算法工程师各自为战，导致集成时相互妥协，造成算力闲置与功耗浪费，这种模式在全场景智能驾驶算力需求指数级攀升的背景下已难以为继 [4] 理想汽车的技术突破：软硬协同设计定律 - 理想汽车联合国创决策智能技术研究所，研发出一套名为“软硬协同设计定律”的数学框架，旨在从底层重构芯片与算法的协同设计逻辑 [1][4] - 该定律将损失函数扩展法则与Roofline性能建模结合，将芯片物理特性和算法计算需求“翻译”成数学语言，可输入芯片参数和模型需求，通过公式自动输出最优的软硬配比方案，实现了从依赖工程师经验试错到拥有“通解公式”的转变 [4] - 基于该理论框架，研究得出六大颠覆性发现，例如：在车载典型批处理大小为1的场景下，MOE稀疏架构将100%主导效率前沿，这要求未来车载芯片必须原生支持稀疏计算；内存带宽和缓存效率比理论TOPS更能决定实际性能，“宽而浅”的芯片架构是车载场景最优解；传统Transformer中4倍FFN扩展比在车载场景下被证明是低效的 [5] - 这些发现凝聚的核心结论是：没有通用芯片，只有场景最优芯片，最优架构强烈依赖于具体硬件参数，这从根本上证明了“算法定义芯片”的必要性 [5] - 这项研究被视为一种原生于中国产业实践的方法论突破，为中国企业在AI基础理论层面赢得了话语权 [5][6] 技术实践与产品落地 - 理论已转化为产品成果，2026年2月亮相的新一代理想L9搭载两颗自研的5纳米制程马赫100芯片，总算力达2560TOPS [7] - 更具突破性的是“有效算力”概念，由于采用数据流架构，马赫100芯片在运行VLA大模型时，单颗有效算力达到英伟达Thor-U的三倍，双芯协同的整体有效算力达到Thor-U的五至六倍 [7] - 理想汽车自2022年启动芯片自主研发时，便预判行业将在2025年后全面进入“自研算法与自研算力深度融合”的软硬一体化发展阶段 [7] 研发投入与开源生态建设 - 理想汽车持续加码研发投入，2025年预计研发投入达到120亿元，近八年累计研发费用预计将超过468亿元，其研发费用在新势力车企中持续领跑 [8] - 研发投入已转化为丰硕的学术与开源成果，2021年至2025年11月，公司在BEV、端到端模型、VLA等领域发表近50篇论文，被引用超过2500次，其中32篇论文中稿顶会 [8] - 公司积极开源研究成果，DriveVLM、DIVE、3DRealCar等项目在GitHub上已获得超过3200名开发者的收藏或调用 [8] - 2025年3月，理想宣布将星环OS面向全行业开源，涵盖AI计算系统、智能实时系统、通信中间件和安全系统，截至2025年9月已有超过30家企业及社区加入该生态 [9] - 据公司测算，星环OS开源系统每年可为汽车行业节省100亿至200亿元的重复研发投入 [9] 行业意义与未来影响 - 软硬协同设计定律不仅是一次企业级技术突破，更是一套具有普适意义的数学框架，为整个端侧AI领域提供了研发指导，填补了中国企业在AI基础理论层面贡献通用方法论的空白 [8] - 通过持续的基础研究投入、顶会论文发表及大规模技术开源，理想汽车正在为中国智能驾驶产业构建一个良性的技术生态 [6][8] - 这标志着中国科技企业的创新姿态从“跟随者”向“定义者”转变，开始主动输出基础设施、贡献通用方法论，成为全球AI竞赛游戏规则的共同制定者 [1][9] - 该定律的意义超越了当前的智能辅助驾驶，为未来的具身智能、空间机器人等更广泛的端侧AI应用铺下了理论基石，为解决算法在有限算力上高效运行的共同挑战准备了“通用语法” [11] - 最终结论是：算力是效能的根基，但软硬件深度协同才是决定效能兑现程度的天花板，智能汽车的进化路径正从“堆料模式”切换至“精算模式” [10][11]