撰文| 胥 植

編輯| 吳先之

“每18-24個月，集成電路晶體管數(shù)量翻一番，對應性能提升一倍、成本下降一半”，經(jīng)歷半個世紀驗證的摩爾定律，在十年前開始放緩。背后的核心原因在于3nm/2nm工藝下晶體管尺寸逼近物理極限，經(jīng)濟成本、功耗與散熱也同步形成制約。

早早意識到這一點的英偉達，通過并行架構(gòu)和全棧協(xié)同優(yōu)化實現(xiàn)了加速計算的范式革命，從通用到專用，成功創(chuàng)造“黃氏定律”，達成AI算力10年1000倍的增長。

經(jīng)歷幾年狂奔后，如今智能輔助駕駛行業(yè)也站到了相同的關口：過去靠堆算力、堆傳感器、堆數(shù)據(jù)的“線性增長”模式已接近天花板，邊際效應急劇遞減。

其中最為典型，也最類似摩爾定律的是算力效能瓶頸，同樣對應物理、經(jīng)濟、功耗的三重極限，即在多重約束下，算力往往很難發(fā)揮對應的有效能力。

2月底，理想汽車MindVLA團隊與國創(chuàng)決策智能技術(shù)研究所聯(lián)合提出的端側(cè)大語言模型“軟硬協(xié)同定律”，核心是用數(shù)學方法讓AI模型與硬件從一開始就深度匹配，從而讓產(chǎn)品更強更快更省。

對于理想汽車自身而言，定律進一步完善了“芯片-算法-模型-應用”的全棧自研閉環(huán)，是其構(gòu)建智能輔助駕駛的基石，也為具身智能夯實了地基。對于行業(yè)而言，理想汽車的此次探索提供了可復制、可量化的軟硬協(xié)同設計框架，或?qū)沓杀究刂婆c效率表現(xiàn)的一次躍遷，推動行業(yè)從“拼算力”轉(zhuǎn)向“拼能效”。

打通芯片與算法的“任督二脈”

突飛猛進的智駕市場，算力正在進入兩難“悖論”，一面是全面邁向百億甚至千億級參數(shù)的模型，對于算力的需求呈爆發(fā)式增長，一面是受成本和功耗等剛性約束，實際有效算力利用率極低，尤其是通用芯片，往往高算力并不等同于高性能。

這主要源自軟硬件兩側(cè)的“割裂”，例如基于通用芯片去寫算法，或是寫好算法后再去找能跑的芯片。以過去幾年中高端汽車產(chǎn)品主流采用的英偉達Orin-X為例，由于不適配原生Transformer，根據(jù)行業(yè)經(jīng)驗來看，其有效算力常常遠低于峰值，算力浪費嚴重。

這也讓眾多玩家開始逐步陷入“堆算力不劃算，不堆算力又做不出好的智能體驗”惡性循環(huán)——如何讓有限的芯片資源發(fā)揮出最大的效能，開始成為行業(yè)競爭的勝負手之一。包括英偉達、谷歌等國際巨頭，都在關注并研究“協(xié)同設計”下的研發(fā)方案。

“軟硬協(xié)同定律”的誕生，來自于理想汽車在實踐中發(fā)現(xiàn)的問題。在上一代基于英偉達Orin或Thor車載計算平臺部署大語言模型時，理想汽車踩到了無法物盡其用的坑，模型架構(gòu)往往無法充分利用硬件特性，而為了硬件適配做出的妥協(xié)又可能損害模型智能。

需要指出的是，理想汽車的協(xié)同設計并非一項技術(shù)，而是一種研發(fā)范式，或者說是一套數(shù)學框架理論。這項工作提出了一種面向車載與邊緣場景的大語言模型硬件協(xié)同設計方法，通過結(jié)合損失函數(shù)擴展法則和Roofline性能建模，實現(xiàn)模型精度與推理延遲的聯(lián)合優(yōu)化。

定律將算力、內(nèi)存、帶寬、功耗等物理約束，與精度、速度等模型智能需求放入同一個數(shù)學公式里，通過帕累托最優(yōu)LLM架構(gòu)搜索框架，自動得出模型架構(gòu)方案的“最優(yōu)解”，例如在不超功耗的前提下，模型設計成多少層才最合適。

簡單來說，定律既不讓軟件遷就硬件，也不讓硬件遷就軟件，而是用數(shù)學方法讓兩者“天生匹配”，這等于打通了芯片與算法的“任督二脈”，能夠最大化挖掘出芯片的實際能效，不堆算力也能獲得優(yōu)秀的智駕體驗。

這對團隊組織架構(gòu)提出了更高要求，需要打破過去軟硬件隔離研發(fā)的“組織壁壘”，讓芯片和算法從一開始就緊密協(xié)同合作，以可控的成本最大化硬件效能，并在這一基礎上實現(xiàn)模型性能的越級提升。

基于定律的研究和工程實踐，理想汽車還進一步提出多個“反共識”的發(fā)現(xiàn)：MoE稀疏架構(gòu)將取代密集架構(gòu)成為車載AI標配、內(nèi)存帶寬和緩存效率比理論算力更重要、芯片需要動態(tài)變化以支持不同階段截然不同的需求、傳統(tǒng)Transformer的4倍FFN擴展比已被證明低效、INT8量化加速提升實際遠低于理論預期。

匯總的結(jié)論是，芯片與模型架構(gòu)都不能一成不變，沒有通用萬能芯片，只有軟硬合一定義出的場景最優(yōu)芯片。

從經(jīng)驗調(diào)優(yōu)到工程方法論

基礎理論的研究突破，最終需要落到實打?qū)嵉漠a(chǎn)品體驗和競爭力提升上。

“軟硬協(xié)同定律”的顯性價值是加強模型性能，隱性價值則是經(jīng)濟成本、研發(fā)周期、應用迭代效率三個方面的全面提升，這在“與時間賽跑”的智駕競爭格局中顯得尤為重要。

首先是硬件成本的降低。盡管國產(chǎn)芯片正在逐步拉低均價，但芯片仍是智駕硬件成本的“大頭”之一，在算力需求持續(xù)上行的趨勢下，高端通用芯片的成本占比還在進一步提升，例如英偉達Thor芯片價格就超過1萬元。

在定律的指導下，模型可以更好地適配芯片的物理，從而避免模型固化下芯片無法充分釋放性能的浪費。換句話說，如今無需盲目采用高端芯片，也能提供同等級的智能體驗，“降成本不降效能”。

其次是時間周期上的縮短。在傳統(tǒng)模式下，芯片升級和模型更新是一項復雜的工程，需要研發(fā)團隊進行設計和選型，同時還要反復試錯、調(diào)參，周期往往花費數(shù)月。定律通過數(shù)學公式快速得到最優(yōu)架構(gòu)，理論上最快只需一周即可完成設計和驗證，大幅提升研發(fā)效率。

而在應用場景中，定律也能根據(jù)場景的輸入出處參數(shù)，快速選出最適配的模型配置，減少了后期反復調(diào)優(yōu)的麻煩，大幅縮短應用開發(fā)周期。

定律的價值并不局限于理想汽車自身，基于長期的開源生態(tài)，目前理想汽車已經(jīng)公開了定律的框架與核心公式，有效填補了車載AI領域的理論空白，為行業(yè)帶來了一份工程指南，也探索出一條AI時代降本增效的新路徑，進而推動中國產(chǎn)業(yè)從技術(shù)跟隨者向規(guī)則定義者轉(zhuǎn)變。

一場范式革命正在到來，芯片-算法-整車的協(xié)作關系正在重構(gòu)，行業(yè)將從“拼芯片、拼算力”的初級階段，逐步進化到“拼協(xié)同、拼能效”的良性循環(huán)，更加符合車規(guī)，也更加可持續(xù)。

最核心的一點在于定律從理論層面提供了一套可量化、可預測、可復制的端側(cè)大模型軟硬協(xié)同設計框架，以端側(cè)工程方法論體系，改變以往靠經(jīng)驗、靠堆料的“大力出奇跡”模式——全棧自研有了可計算、可驗證、可迭代的科學依據(jù)，而非經(jīng)驗試錯。

同時定律也為具身智能、邊緣計算等更多延伸場景，提供了通用的AI部署方法論，從生態(tài)開放角度推動整個端側(cè)AI產(chǎn)業(yè)的升級。

奔向下一階段的階梯

在深度內(nèi)卷的國內(nèi)汽車賽道，科研工作往往是容易被忽視的一點，但卻是理想汽車長期堅持的重心，旨在以更快的技術(shù)迭代速度，滿足用戶和市場需求的變化。

在核心技術(shù)自研戰(zhàn)略之下，理想汽車近年來持續(xù)加大研發(fā)投入，近8年研發(fā)總費用預計超近500億元，居新勢力車企領先水平。其中2025年預計研發(fā)投入達到120億元。

李想在AI Talk第二季中提到，改變和提升的第一步一定是搞研究，第二步是研發(fā)，第三步是把能力表達出來，第四步變成業(yè)務價值。簡單來說，理想汽車并不追求“絕對速度”，而是注重基礎的夯實，從2021年到去年11月，理想汽車圍繞BEV、端到端、VLM、VLA、世界模型等領域已經(jīng)發(fā)表近50篇論文，被引用超過2500次。

“軟硬協(xié)同設計定律”正是理想汽車的一次技術(shù)躍遷，意味著其正在熬過漫長的投入期，開始加速步入收獲期：直接的成果是研發(fā)效率的提升、成本的降低、性能的增強；間接的成果是業(yè)務價值和競爭力的提升，進一步強化了自身壁壘。

理想汽車自研的馬赫100芯片，將是定律的一次可視化成果展示，或?qū)⒅ζ湓诠?、成本、智能上全面領先，更好支撐起高級別智能輔助駕駛和具身智能。

李想在近期表示，全新一代L9 Livis版本采用馬赫100雙芯片，有效算力達2560TOPS，單顆有效算力約為英偉達Thor-U的3倍，在相同場景下，全新一代L9的輔助駕駛系統(tǒng)能夠?qū)崿F(xiàn)更高幀率處理，顯著縮短系統(tǒng)響應時間。

全新一代L9是理想汽車的關鍵一戰(zhàn)，也是錨定“汽車=機器人”戰(zhàn)略的載體，李想在年前悄然將微信名后綴由“理想汽車”改成“Livis”，便足以證明其重要性和內(nèi)部的重視程度。

從這個角度來看，定律不僅是理想汽車智能輔助駕駛的理論基石，在智駕全面奔向L3/L4時代時充當理想汽車的“加速引擎”；更是支撐理想汽車升級為AI公司的階梯，為“汽車機器人”這一終極形態(tài)打下了底層技術(shù)根基。

總體來看，理想汽車用數(shù)學定律實現(xiàn)了從“經(jīng)驗”到“科學”的進化，其長遠意義遠不止于智能輔助駕駛，而是從自研芯片定義、智能座艙、全棧研發(fā)體系、具身智能戰(zhàn)略、成本與生態(tài)五大維度，一步步構(gòu)建起理想汽車的技術(shù)護城河。

微信號｜TMTweb

公眾號｜光子星球

別忘了掃碼關注我們！