#理想发布端侧大模型软硬协同定律##端侧大模型重新定义上车方式# 【当大模型走向端侧，理想汽车重新定义“上车”方式】进入2026年，人工智能正从云端的“思考者”转变为现实世界的“行动派”。从春晚舞台上灵动的机器人，到愈发拟人的智能驾驶，AI的实体化浪潮对端侧计算提出了前所未有的苛刻要求：如何在有限的功耗、成本和物理空间内，承载大模型级别的认知智能？
在复杂度最高的端侧场景——智能汽车中，这一矛盾尤为突出。一方面，以大语言模型为核心的VLA（视觉-语言-行动）系统需要更高的认知智能；另一方面，车载芯片的功耗、散热、成本等物理限制，让传统“暴力堆算力”的模式难以为继。单纯依赖算力堆叠的路径已触及天花板，行业迫切需要一套全新的方法论，来重新定义AI“上车”的方式。
理想的解题思路是从源头打破芯片与算法的壁垒。近期，理想汽车MindVLA团队联合国创决策智能技术研究所，正式提出端侧大语言模型的“软硬协同设计定律”（Hardware Co-Design Scaling Laws via Roofline Modelling for On-Device LLMs）。该研究通过引入屋顶线模型，将模型精度、推理延迟与硬件特性统一纳入数学建模，让芯片与算法在研发初期实现协同优化，而非事后适配。
该定律在研发中展现出三大实践价值：时间维度上，将传统数月的模型设计和选型周期压缩至一周以内；硬件层面，指导模型适配芯片物理特性，无需盲目采用高端芯片即可释放同等智能；应用层面，能基于应用场景的输入输出参数快速匹配最优模型配置，显著缩短应用开发周期。
基于工程实践，理想提炼了多项定义下一代芯片的关键技术发现：稀疏计算成为标配，要求芯片原生支持稀疏运算；内存子系统重要性超越算力峰值，芯片需具备动态微架构重构能力；传统Transformer的FFN扩展比效率偏低，计算单元配比需更灵活；INT8量化实际加速仅1.3-1.6倍，下一代芯片需原生支持混合精度与算子融合。
这些理论在自研芯片“马赫100”上得到验证。搭载于全新理想L9的双马赫100系统总算力2560TOPS，其数据流架构为算法提供最大优化空间，单颗芯片“有效算力”达英伟达Thor U的三倍。软硬协同释放的“有效算力”，转化为用户可感知的价值：更高帧率、更短响应时间，让车辆在紧急情况下更快避险。
理想认为，没有通用芯片，只有场景最优芯片，这证明了“算法定义芯片”的必要性。“软硬协同设计定律”不仅解决了自身工程难题，更将复杂系统优化变为可计算、可预测的科学问题，为端侧AI产业提供了可复制路径。从星环OS到马赫100再到协同设计理论，理想汽车正从“技术跟随者”向“范式定义者”跃迁，在AI实体化浪潮中重新定义智能的边界。（记者 于海燕）