在理想汽车近日举办的媒体沟通会上，公司CTO谢炎与基座模型负责人詹锟就芯片研发、自动驾驶技术路线及未来战略布局等话题展开深入探讨。这场对话不仅揭示了理想在智能驾驶领域的差异化路径，更展现了其通过垂直整合构建技术壁垒的决心。
针对"四季度追赶特斯拉FSD"的目标，理想团队展现出强烈信心。谢炎指出，公司优势在于组织整合效率——在相似规模下，理想通过打破部门壁垒实现了更紧密的协作。这种模式在芯片研发中尤为明显：马赫M100芯片立项时即设定为Orin X四倍性能的目标，通过抛弃传统架构依赖，采用数据流计算原理重构设计，最终实现性能跃升的同时降低成本。詹锟补充道，当前芯片性能尚未完全释放，团队正通过优化加速逻辑和博弈策略提升驾驶体验，预计新版本模型上限将显著提升。
在自动驾驶技术路线选择上，理想呈现出"纯视觉主导、激光雷达兜底"的混合策略。基于CVPR最佳论文的3D-ViT技术已验证纯视觉方案可构建完整3D空间模型，这是追赶特斯拉的关键突破。但詹锟强调，激光雷达在极端场景下的安全冗余作用不可替代，其采集的高质量数据更成为训练模型的重要资产。目前理想Livis版本的数据质量已达到L4级公司水平，团队正通过扩大车队规模和提升行为质量来抵抗模型收敛衰减。
自研芯片的决策背后是严苛的商业逻辑。谢炎坦言，年营收千亿是支撑芯片研发的基本门槛，这确保了每年数亿投入的可持续性。他以手机芯片类比指出，车辆智能驾驶芯片面积相当于8部高端手机芯片，大几十万辆车的出货量足以摊薄成本。更关键的是，垂直整合模式使芯片与模型可以联合设计，这种深度协同在技术快速发展期能创造显著竞争优势。
对于行业热议的舱驾融合方案，理想持审慎态度。谢炎认为，L3级以上自动驾驶需要确定性系统，资源独占比物理融合更具实际价值。他以笔记本电脑内存共享为例，指出真正的融合应实现计算资源的动态分配，而当前多数方案仅是形式上的芯片集成。这种判断直接影响了马赫M100的设计方向——预留的第二颗芯片更多是为未来技术迭代预留空间。
在基座模型扩展性方面，詹锟承认车端与机器人存在显著差异。虽然语言交互能力可迁移，但具身操作需要针对不同终端重新训练。理想选择构建云端通用基座模型，通过海量数据训练提供基础能力，再针对特定场景进行微调。这种策略在3D-ViT技术上已见成效，该技术通过全彩点云建模实现不依赖激光雷达的3D空间感知，在近距离精度上已达到雷达水平。
当被问及技术领先性时，谢炎展示出充分自信。他透露马赫M100实测性能达到英伟达Thor-U三倍，且用时比行业平均缩短一年。更关键的是，理想已构建起从芯片架构到编译工具链的完整技术栈，这种深度掌控使竞争对手难以通过论文复现实现弯道超车。随着L3级自动驾驶进入决战阶段，这种垂直整合能力或将重新定义智能汽车的技术竞争格局。
