理想汽車探索雲端推論晶片 兩名晶片主管離職

理想汽車進軍雲端推論晶片的舉措，可能有助於降低其對GPU供應商的依賴，將該車廠的晶片策略從1,280 TOPS的Mach M100延伸至數據中心工作負載。該項目仍處於早期階段。

「雲端推論晶片可以承接部分目前運行於GPU上的推論工作負載，」一位晶片產業人士向《晚點LatePost》表示。這些工作負載包括輔助駕駛模型所需的數據處理、測試與模擬，以及大型語言模型的請求處理。

這款雲端晶片將採用與理想汽車輔助駕駛晶片相同的資料流架構，該公司於5月12日發表了這款車規晶片。Mach M100採用5奈米車規製程，單晶片算力達1,280 TOPS，雙晶片配置可達2,560 TOPS，目前已在理想L9、L8及L6車型中量產。其中一條技術路徑是沿用車端NPU的運算設計，將多個AI運算晶粒與高頻寬記憶體及高速互連封裝，打造更大的推論晶片。

理想汽車於7月13日註冊成立了芯創致和（上海）科技有限公司，營業範圍涵蓋積體電路晶片設計，此舉可能預示其計劃將半導體業務獨立營運。理想汽車港股股價上漲2.06%，收報48.44港元，成交量226萬股，成交額約1.09億港元。

資料流架構面臨GPU既有競爭

這條技術路線與SambaNova、Groq和Tenstorrent的做法相似，這些公司也都在探索資料流架構。SambaNova的核心團隊來自史丹佛大學，Groq的團隊來自Google的TPU項目，而Tenstorrent則由Jim Keller領導，他此前曾負責特斯拉的自動駕駛晶片工作。與GPU相比，資料流架構仍需在模型通用性、軟體支援及大規模部署方面證明自己。

雲端晶片並非單純將車用晶片放大。在車端，模型、感測器輸入及運行節奏相對固定，主要目標是低功耗、低延遲和穩定執行。而雲端則需同時處理更多模型，模型更新速度更快，輸入長度和並發請求的波動也更大，同時還涉及高頻寬記憶體、多晶片互連、動態批次處理及叢集調度。

該人士表示，單顆晶片達到性能目標並非最困難的部分——真正的難點在於讓整體推論成本具備競爭力。從車端到雲端延伸資料流架構能否創造成本優勢，取決於模型適配能力和系統運行效率。

晶片部門兩位主管離職

在雲端項目推進之際，理想汽車晶片軟體研發負責人金一華及晶片前端設計團隊負責人之一戴傑已離職，《晚點LatePost》透過多方渠道確認了此消息。兩人均向算力部門負責人羅旻匯報，而羅旻則向集團首席技術官謝炎匯報。目前尚不清楚此次人事變動是否會影響雲端推論晶片項目的進展。

理想汽車的晶片布局使其與中國純電動車同業一同追求垂直整合。蔚來於2025年6月成立了晶片子公司GeniTech，該公司已融資近30億元人民幣（約4.42億美元），投後估值約82.7億元人民幣。小鵬汽車也已將自研圖靈輔助駕駛晶片搭載於其車型中。

進軍雲端推論晶片意味著對AI基礎設施的更深層垂直整合，有望降低長期成本並減少對外部晶片供應商的依賴。理想汽車創辦人兼首席執行官李想曾表示，自研晶片的初衷是讓AI在物理世界中發揮作用，而非證明技術能力。隨著Mach M100已應用於量產車型，雲端晶片項目仍處於早期階段，朝向自研晶片的戰略方向被認為對理想汽車在智慧駕駛和AI運算領域的競爭定位具有正面意義。

本文僅供資訊參考，不構成投資建議。