文章核心观点 - 公司通过自研数据流架构芯片（马赫100）实现了远超行业标杆（英伟达Thor U）的有效算力，并认为“自研算法+自研算力”的软硬一体模式是行业未来趋势 [1] - 芯片算力（TOPS）数值与推理模型精度直接相关，精度越低，标称算力越高，但实现低精度推理需要强大的工程能力 [1][2] - 公司通过采用低精度推理模型（如INT8/FP8混合精度）并计划向FP4优化，以“压榨”出英伟达Thor芯片的更高算力，从而提升智能驾驶系统的反应速度 [2][4][6] 关于公司自研芯片与算力优势 - 公司全新L9车型搭载双马赫100芯片，总算力达2560 TOPS，单颗算力为1280 TOPS [1] - 由于采用数据流架构，单颗马赫100芯片在运行VLA大模型时的有效算力是英伟达Thor U的3倍，双芯片配置的有效算力是Thor U的5-6倍 [1] - 数据流架构相比传统GPU架构具有利用率高、功耗低的优势，具体表现为更高帧率、更短反应时间，能在紧急情况下更早感知风险并更快做出避险动作 [1] - 公司自2022年启动自研，判断2025年起行业将进入“自研算法+自研算力”的软硬一体时代 [1] 关于芯片算力与推理精度的关系 - 芯片算力（TOPS）数值随推理模型精度不同而变化，精度越高TOPS越低，精度越低TOPS越高 [1][2] - 更高TOPS能带来更高模型吞吐率，从而降低推理延迟，使系统反应更快 [2] - 实现低精度推理模型非常考验工程能力 [2] - 以英伟达Thor-U芯片为例，在不同精度下算力不同：FP8精度下为700 TOPS，FP16精度下为350 TOPS，FP4精度下可达1400 TOPS [3][4][6] - 特斯拉的FSD同样采用INT8格式进行推理 [5] 关于公司当前技术路径与未来规划 - 公司目前的VLA模型采用INT8与FP8的混合精度推理，在使用英伟达Thor-U芯片时可实现700 TOPS的算力 [2][6] - 公司未来计划将推理精度逐渐向FP4优化，以“压榨”芯片获取更大算力（Thor-U在FP4下可达1400 TOPS） [2][4][6] - 公司采用的英伟达Thor-X芯片在FP8精度下算力为1000 TOPS，在FP4精度下算力可达2000 TOPS [3][4][6]