在理想汽車全新一代L9上市發布會上，CEO李想以一句“過去四年中，有些人摸著理想過河，有些人直接跟著理想過河”開場，引發行業熱議。他所指的，正是理想汽車在增程動力技術和“冰箱彩電大沙發”配置上的創新，如今已成為高端市場的標配。這一現象不僅體現在產品層面，更折射出理想在技術路線選擇上的前瞻性——其自主研發的馬赫M100芯片，正以動態數據流架構重新定義車規級芯片的競爭格局。

動態數據流架構并非新概念。2015年，谷歌率先推出基于該架構的芯片，并在2017年通過論文《In-Datacenter Performance Analysis of a Tensor Processing Unit》證實其工業級可行性。此后，Groq、Graphcore等企業雖在數據中心領域布局，但始終未涉足車規級芯片。理想汽車的突破在于，將這一架構應用于大算力車規場景，成為行業首個“吃螃蟹”的玩家。據官方數據，單顆馬赫M100的有效算力約為英偉達Thor U的三倍，兩顆并聯時數據處理效率可達Thor U的五至六倍，這種性能優勢直接轉化為智能駕駛的響應速度提升——新一代L9的端到端響應時間縮短200-300毫秒，輔助駕駛場景下延遲下降40%，用戶可感知到更安全的預判與更果斷的執行。

李想的野心不止于汽車。他提出，理想L9已構建起具身智能的完整技術棧：感知系統如“眼睛”，大模型MindGPT為“大腦”，馬赫M100芯片是“心臟”，星環OS操作系統則充當“神經”。這一垂直整合體系的目標，是讓汽車從被動工具進化為主動伙伴。例如，在感知層面，3D ViT技術使攝像頭、雷達數據在編碼階段即構建3D空間表示，降低模型理解物理世界的難度；決策層面，數據流架構減少推理延遲，系統能更高效應對突發狀況；協同層面，算力利用率提升帶動整車系統效率迭代。這些技術突破共同支撐起李想對“物理AI時代蘋果”的設想——芯片不僅要服務自動駕駛，還需支持座艙交互、機器人控制甚至家庭智能體計算。

理想的技術路線選擇，暗含對行業趨勢的判斷。李想認為，具身智能的上半場是自動駕駛，下半場是人形機器人，而后者將經歷三個階段：2030-2035年達到6歲兒童泛化能力，2035-2040年提升至12歲水平，2040年后接近18歲成人認知。為此，理想已布局兩款機器人：輪式機器人面向工廠與商業場景，人形機器人則聚焦硬件控制精度與耐久性。這種布局背后，是動態數據流架構的可編程性優勢——相比固定功能的ASIC芯片，它能更靈活地適應多場景需求，為物理AI的跨領域應用提供算力基礎。

然而，構建技術生態的挑戰不容忽視。英偉達CUDA生態的成功，源于其歷時6年建立的編譯器、并行計算架構與軟件庫體系，目前已有超500萬開發者、600個AI大模型支持。理想若想復制這一路徑，需開發自己的“馬赫CUDA”生態，讓不同模型和算法適配數據流架構。不過，理想具備獨特優勢：馬赫M100的首要客戶是自身，全新L9上市兩周大定訂單破萬，其中近90%用戶選擇搭載該芯片的Livis版本。這種“內部反哺”模式，使芯片與算法的軟硬適配得以快速迭代，而芯片、算法、智駕團隊的“同桌辦公”機制，進一步加速了技術融合。理想一季度現金儲備達943億元，連續10個季度保持千億規模，為芯片業務提供了充足的資金支持。

隨著馬赫M100的量產交付，理想正從技術驗證邁向市場檢驗。北京車展前夕，理想智能駕駛副總裁謝炎坦言，當前業務目標達成度僅60%，真正的成功需滿足兩個條件：智駕能力登頂行業，且車輛銷量持續領先。若這一目標實現，理想不僅將證明動態數據流架構的可行性，更可能推動行業技術路線的分化——正如李想所言，“摸著理想過河”的故事，或許才剛剛開始。