本文研究理想汽车自研座舱芯片“马赫100”的核心特性，并用该芯片设计了一套可适配智能驾驶场景的高效座舱计算系统，可在复杂行车环境下实现稳定流畅的智能交互与环境感知。
不同于传统车规芯片采用的冯·诺依曼架构，马赫100采用理想汽车自主设计的数据流原生架构（一种以数据为核心驱动的芯片架构，区别于传统以指令为核心的模式），通过将传统“指令驱动”模式优化为“数据驱动”，减少数据在计算单元与内存间的传输损耗，提升执行效率。
马赫100
同时，该芯片通过5nm车规级工艺与Chiplet芯粒技术（一种将芯片拆解为多个核心模块再组装的技术，可提升量产良品率与性能灵活性）的结合，既保障芯片性能稳定，也提升量产良品率。据理想汽车官宣，单颗芯片峰值算力达1280TOPS，两颗协同工作时总算力可达到2560TOPS，实现高算力与高可靠性双重保障，适配复杂行车环境下的多任务处理需求。
目前，全新理想L9 Livis将作为首款搭载该芯片的车型，每辆车搭载两颗马赫100芯片，配合4颗激光雷达及3D ViT视觉模型（一种基于深度学习的视觉感知模型，可提升环境感知的精准度），构建完整的智能驾驶感知系统。通过芯片算力高效输出与感知硬件协同工作，该车型可实现全域全覆盖环境感知，同时提升可视距离。据理想汽车官宣，车辆反应延迟可控制在200至300毫秒之间。同时，芯片可通过实时分析目标轨迹、构建历史模型，预测行车目标的下一运动位置，这不仅提高智能驾驶响应速度，消除控制延时影响，还能最大程度保障智能驾驶的安全性与流畅性。
通过芯片的完全可编程特性，实现与AI算法同步迭代升级，无需因算法更新更换芯片，适配智能驾驶算法的迭代需求。同时通过构建算力分配与算法适配的动态模型，自主学习智能驾驶场景环境信息，感知不同行车场景干扰，并根据不同场景算力需求，动态调整算力分配策略。这提升了芯片的环境适配能力，优化了常见的算法迭代滞后、算力浪费等问题。
据理想汽车官宣，目前马赫100的量产良率已超过95%，产能供应充足，为系统规模化落地提供硬件保障。另一方面，通过芯片与理想L系列车型的软硬件深度协同，结合目标场景使用数据，实现芯片与车型精准适配，确保系统在不同路况、复杂环境下稳定运行。后续，该芯片将逐步适配理想L系列全部车型，进一步扩大系统应用范围。
系统针对智能驾驶场景优化算力，采用数据流原生架构高效处理流程，实时计算行车环境与感知数据、精准控制车辆智能系统，最终实现智能驾驶场景下的高效算力支撑。
马赫100的量产与应用，一定程度上缓解了国内车规级智能驾驶芯片对海外品牌的依赖，且该芯片工作可靠、响应迅速，已实现实用化。同时，其自研架构与落地经验，为国内其他车企提供了可参考的经验，有望带动行业加大底层技术研发投入，加速行业竞争逻辑从硬件堆砌向核心技术竞争升级，对理想汽车自身发展及整个智能汽车行业均具有积极意义。