北京车展期间，一场别开生面的聚会引发行业关注。理想汽车创始人李想邀请多位前高管共进晚餐，席间包括前总裁沈亚楠、前智驾预研负责人贾鹏等核心团队成员。这些离开理想后分别创立机器人、机器狗企业的创业者们，在轻松氛围中提出一个共同诉求：希望理想最新研发的马赫M100智驾芯片能对外供应。
这款引发关注的芯片采用全球首创的动态数据流架构，单颗算力达1280 TOPS，通过减少缓存反复存取的设计，显著提升AI运算效率。据知情人士透露，多位前高管在交流中坦言，相比市场现有产品，马赫芯片在工具链适配、系统稳定性及综合成本方面具有明显优势。
追溯芯片研发历程，2021年全球芯片短缺危机成为关键转折点。当时芯片交货周期延长至半年，价格暴涨5-10倍，供应链瓶颈迫使理想加速自研进程。2022年从华为引入技术专家谢炎后，理想正式组建芯片团队，初期仅有两名成员。面对"先做低成本小芯片试水"的建议，团队明确拒绝，将目标锁定在"半价双性能"的突破性指标上。
研发团队选择动态数据流架构面临巨大挑战。这种与传统CPU/GPU指令驱动模式截然不同的设计，需要重构编译器、调度器等核心工具链，且在实时路况处理等复杂场景存在适配难题。更严峻的是，芯片研发周期长达3-5年，任何技术路线偏差都可能导致数亿元投入付诸东流。理想通过140万字的技术论证，最终确认该架构在大数据规模下的效率优势。
2024年完成首次流片的芯片原定名"舒马赫"，次年更名为"马赫"。在2025年的回片验证阶段，团队将工作重心转向编译器开发，组织算力单元部门进行为期三个月的封闭攻关。这项衔接硬件与算法的关键技术，成功将主流编程语言转化为芯片可执行的机器指令，使算法部署效率提升数倍。
基座模型团队在芯片研发同期启动重要创新，尝试将大语言模型直接集成至车端芯片。传统研发模式中，芯片工程师追求峰值算力，算法团队堆砌模型参数，导致硬件带宽与功耗难以匹配。理想提出的软硬协同数学框架，通过量化芯片物理特性与算法需求，实现最优资源配比。该成果与学术机构联合发表时，被命名为"软硬协同设计定律"。
在视觉感知领域，团队开发的3D ViT技术引发关注。这项基于RGB摄像头的三维视觉方案，通过引入空间坐标系，在保持激光雷达95%精度的同时，有效弥补其探测距离不足的缺陷。技术负责人表示，该方案不仅适用于自动驾驶，在机器人空间感知领域同样具有应用价值。目前团队正通过提升视觉帧率、优化激光雷达数据采集等方式，持续完善多模态感知系统。
这场持续六年的技术攻坚，使理想构建起涵盖芯片、操作系统、大模型的完整AI体系。在多数车企跟随英伟达技术路线时，理想选择动态数据流架构的决策显得尤为突出。这种不跟随行业主流的技术路线选择，既蕴含开辟新赛道的机遇，也伴随着试错成本高昂的风险，但正如研发团队所言："真正的创新需要打破既有边界。"
