站内搜索：1280TOPS!
乡村振兴
体育产业
互联网
双创服务
科技产业
企服行业
文化产业
旅游产业
美食行业
房产行业
汽车产业
更多
教育产业
视频
博客
登录
注册
搜索
1280TOPS! 理想5nm自研AI芯片揭秘：性能碾压英伟达ThorU!
不感兴趣
x
科技
0评论
·
0
来自：
企业第二办公区-企业智慧之窗
|
拓荒牛
2026-06-20
1280TOPS! 理想5nm自研AI芯片揭秘：性能碾压英伟达ThorU!
不感兴趣
x
科技
0评论
·
0
来自：
业财融合服务中心
|
拓荒牛
2026-06-20
![](https://img2.tuohuangzu.com/uninf/images/202606/2026062002393728254.png"><p>6月15日，在“理想汽车家庭科技日”活动上，理想汽车董事长兼ceo李想正式发布了自研ai芯片“马赫m100”。理想汽车cto谢炎则详细阐述了理想为何要自研芯片以及马赫m100的详细规格和技术突破。</p><p><strong>为何要自研ai芯片？算力供需矛盾倒逼架构创新</strong></p><p>理想汽车cto谢炎在发布会上首先回顾了近年来半导体行业面临的根本性困境：摩尔定律与登纳德缩放定律双双失效。</p><p>谢炎指出，上世纪八九十年代，计算机行业享受着摩尔定律（每两年晶体管数目翻倍）和登纳德缩放定律（晶体管缩小后，电压、电流同步下降，功耗不增反减）的双重红利。这也使得处理器主频从100mhz一步步轻松涨到2ghz，程序员写完代码一行不改，仅依靠两年后芯片制程的提升，性能就能自动翻倍。</p><p>然而，这一红利在2004年前后开始终结。当晶体管缩小到65nm后，漏电问题爆发，电压难以继续下降，芯片热到“可以煎鸡蛋”。登纳德缩放定律失效，主频提升开始停滞。2010年之后，摩尔定律也开始放缓，每一代制程带来的性能提升从以往的翻倍降至30%、20%、10%。</p><p>与此同时，自2012年深度学习革命点燃以来，尤其是2015年大模型时代爆发后，ai算力需求开始出现爆炸式增长，2025年进入智能体时代，ai推理需求更是完全超出任何人的最疯狂预测。</p><p>“所以我们面对的现实是：算力的供给在放缓，算力的需求在增长。这个矛盾是整个行业的矛盾，也是我们必须回答的问题。”谢炎表示。</p><p>造成这一矛盾的另一个关键原因是，过去的计算架构主要都是基于“冯·诺依曼架构”。1945年提出的这套架构是将计算抽象成一条顺序执行的指令队列，一条指令完成再执行下一条。这套架构之所以成功，是因为它极其契合人类大脑的推理思维习惯，统治了计算机行业整整70年。</p><p>但它的根本性代价是：指令队列掩盖了计算本有的并行度。为了弥补架构的局限，冯·诺依曼架构需要使用海量晶体管来做“真正计算以外的管理开销”——缓存、调度机制、分支预测等。当遇到ai计算这种海量规模的并行计算时，这些开销同步增长，效率难以提升。</p><p>李想也指出，当前大多数芯片仍基于冯诺依曼架构，而ai时代的需求将推动芯片在架构层面发生巨大变革。理想汽车希望将ai带入物理世界，并带给用户类似苹果的体验，这需要依靠软硬一体的联合设计来达成卓越体验。为此，理想需要同步自研芯片、操作系统、大模型与硬件，进行面向人工智能时代的“全域联合设计”。</p><p>李想强调，自研芯片“不是烧钱跟风”，也并非为了证明自身技术能力，而是“为了让ai在物理世界能真正跑起来，用自研芯片解决当前供应商技术无法攻克的难题”。</p><p>马<strong>赫m100：全球首款数据流架构ai芯片</strong></p><p>那么在摩尔定律与登纳德缩放定律红利双双消失的背景下，如何破解冯·诺依曼架构所带来的困境呢？</p><p>对此，谢炎指出，当砖头（晶体管）的质量和数量都无法大幅提升时，我们就需要“重新发明盖楼方式”：拆掉中央式的指令队列及其伴随的大量管理开销，让数据的流动来驱动计算的发生，让架构本身围绕ai的计算形态来延伸设计。这就是数据流架构，是ai时代盖楼的新方式。</p><p>理想汽车此次正式发布的自研ai芯片“马赫m100”正是全球首款数据流架构ai芯片。</p><p>据介绍，马赫m100采用“网格总线加数据环形总线”双互连架构，网格总线支持高带宽点对点通路，数据环形总线提供确定性的广播通路，数据在阵列中流动，数据流到哪里就在哪里触发计算——这就是“数据流驱动计算”的核心。</p><p>在核心规格方面，马赫m100)
![](https://img2.tuohuangzu.com/uninf/images/202606/2026061922310387558.png"><p>6月15日，在“理想汽车家庭科技日”活动上，理想汽车董事长兼ceo李想正式发布了自研ai芯片“马赫m100”。理想汽车cto谢炎则详细阐述了理想为何要自研芯片以及马赫m100的详细规格和技术突破。</p><p><strong>为何要自研ai芯片？算力供需矛盾倒逼架构创新</strong></p><p>理想汽车cto谢炎在发布会上首先回顾了近年来半导体行业面临的根本性困境：摩尔定律与登纳德缩放定律双双失效。</p><p>谢炎指出，上世纪八九十年代，计算机行业享受着摩尔定律（每两年晶体管数目翻倍）和登纳德缩放定律（晶体管缩小后，电压、电流同步下降，功耗不增反减）的双重红利。这也使得处理器主频从100mhz一步步轻松涨到2ghz，程序员写完代码一行不改，仅依靠两年后芯片制程的提升，性能就能自动翻倍。</p><p>然而，这一红利在2004年前后开始终结。当晶体管缩小到65nm后，漏电问题爆发，电压难以继续下降，芯片热到“可以煎鸡蛋”。登纳德缩放定律失效，主频提升开始停滞。2010年之后，摩尔定律也开始放缓，每一代制程带来的性能提升从以往的翻倍降至30%、20%、10%。</p><p>与此同时，自2012年深度学习革命点燃以来，尤其是2015年大模型时代爆发后，ai算力需求开始出现爆炸式增长，2025年进入智能体时代，ai推理需求更是完全超出任何人的最疯狂预测。</p><p>“所以我们面对的现实是：算力的供给在放缓，算力的需求在增长。这个矛盾是整个行业的矛盾，也是我们必须回答的问题。”谢炎表示。</p><p>造成这一矛盾的另一个关键原因是，过去的计算架构主要都是基于“冯·诺依曼架构”。1945年提出的这套架构是将计算抽象成一条顺序执行的指令队列，一条指令完成再执行下一条。这套架构之所以成功，是因为它极其契合人类大脑的推理思维习惯，统治了计算机行业整整70年。</p><p>但它的根本性代价是：指令队列掩盖了计算本有的并行度。为了弥补架构的局限，冯·诺依曼架构需要使用海量晶体管来做“真正计算以外的管理开销”——缓存、调度机制、分支预测等。当遇到ai计算这种海量规模的并行计算时，这些开销同步增长，效率难以提升。</p><p>李想也指出，当前大多数芯片仍基于冯诺依曼架构，而ai时代的需求将推动芯片在架构层面发生巨大变革。理想汽车希望将ai带入物理世界，并带给用户类似苹果的体验，这需要依靠软硬一体的联合设计来达成卓越体验。为此，理想需要同步自研芯片、操作系统、大模型与硬件，进行面向人工智能时代的“全域联合设计”。</p><p>李想强调，自研芯片“不是烧钱跟风”，也并非为了证明自身技术能力，而是“为了让ai在物理世界能真正跑起来，用自研芯片解决当前供应商技术无法攻克的难题”。</p><p>马<strong>赫m100：全球首款数据流架构ai芯片</strong></p><p>那么在摩尔定律与登纳德缩放定律红利双双消失的背景下，如何破解冯·诺依曼架构所带来的困境呢？</p><p>对此，谢炎指出，当砖头（晶体管）的质量和数量都无法大幅提升时，我们就需要“重新发明盖楼方式”：拆掉中央式的指令队列及其伴随的大量管理开销，让数据的流动来驱动计算的发生，让架构本身围绕ai的计算形态来延伸设计。这就是数据流架构，是ai时代盖楼的新方式。</p><p>理想汽车此次正式发布的自研ai芯片“马赫m100”正是全球首款数据流架构ai芯片。</p><p>据介绍，马赫m100采用“网格总线加数据环形总线”双互连架构，网格总线支持高带宽点对点通路，数据环形总线提供确定性的广播通路，数据在阵列中流动，数据流到哪里就在哪里触发计算——这就是“数据流驱动计算”的核心。</p><p>在核心规格方面，马赫m100)
