2026中国汽车供应链大会于10月19 21日在河南开封举办。10月21日上午，在大会主题会议三“汽车芯片发展论坛”上，北京理想汽车有限公司算力平台首席架构师祖翔宇带来主题分享，深度解读理想汽车自研马赫M100高算力智驾芯片的研发思考、技术路线与量产成果。他表示，伴随汽车智能化快速演进，车端算力需求爆发式增长，车企需要通过芯片架构创新、软硬件深度耦合，实现高效低成本算力，推动高阶智驾普惠落地。

祖翔宇回顾，理想汽车于2021年启动高算力智驾芯片自研，彼时国内高算力车规芯片供给选择有限，为掌握自主可控的技术路线，企业选择自研道路，2022年确定数据流架构技术方案，2026年5月，马赫M100芯片随全新2026款L9正式量产交付。

他分析产业趋势，国内电动化产业链已经走向成熟，动力电池全球占比超70%，新能源汽车渗透率达到60%，用户购车关注点逐步从续航、补能转向智能化体验，辅助驾驶装车率持续走高，高阶智驾渗透率快速提升，由于智驾功能对实时性要求严苛，AI模型必须部署在车端，车端AI模型参数量持续膨胀，未来3 4年迈向L3、L4高阶智驾，算力需求将进一步飙升。

按照现有通用GPU方案，未来实现高阶智驾需要堆叠多颗高端芯片，算力成本将急剧抬升，智驾计算硬件成本甚至有可能追上、超过电池，成为整车最贵零部件，这会阻碍高阶智驾技术向大众市场普及。理想自研芯片的核心目标，就是追求低成本、高效率的车端算力。

祖翔宇指出行业通用GPU方案两大现实痛点：一是算力有效利用率偏低，实际业务中仅30% 40%；二是芯片属于黑盒，模型调试、问题闭环高度依赖芯片厂商，迭代效率低下。因此理想没有跟随主流通用GPU路线，而是发挥整车全栈自研优势，选择数据流架构作为技术突破口。

不同于指令驱动的通用GPU，数据流架构依靠数据流转直接触发计算，减少调度开销与内存反复搬运，把芯片更多面积留给计算单元，但数据流架构性能释放不能仅依靠硬件，高度依赖软硬件一体化协同，理想组建模型、编译器、操作系统、芯片、控制器的OneTeam，搭建五层闭环开发体系，打通从算法需求到硬件优化的全链路。

量产实测数据显示，马赫M100算力利用率可达82%，远高于通用GPU方案，同等业务性能下，相比通用GPU可以大幅降低芯片硬件成本，对标英伟达Thor U，运行马赫VLA智驾模型时，帧率提升1.9倍，端到端时延下降40%，复杂道路下智驾响应更加敏捷流畅，该芯片运行通用大模型同样表现亮眼，马赫M100数据流架构相关内容成功入选体系结构顶会ISCA。

目前马赫M100已经完成理想26款车型量产部署，预计年出货量70万颗，依托软硬件一体化体系，马赫VLA模型实现三个月满血上车，AI模型迭代周期缩短至1天，极大加速智驾算法验证迭代速度。

祖翔宇表示，闭门造车无法壮大国产芯片产业，理想汽车坚持开放创新，此前已经开源星环OS整车操作系统，马赫M100量产之后，也对外公开架构相关研究成果，他呼吁行业鼓励芯片架构多元创新，共同完善国产智能汽车底层技术底座，加速L3、L4高阶辅助驾驶落地。