理想Livis Day：理想给"智能汽车"判了死刑

今天理想汽车的Livis Day 上，李想说今天的车和手机其实都不智能，然后甩出了一颗芯片、两个模型和一套"具身智能"的世界观

发布会没有一上来就讲技术，而是先让座舱产品经理把"体验"摆出来。她对交互的定义挺反套路：交互不是屏幕上堆了多少界面、排了多少动效，而是"在这个空间里陪你过每一天的那个人"。她先复了一遍十年的演进线：从十年前那台从未真正上市的 SEV，到理想 ONE 的四屏、L789 的五屏，再到今天全新一代 L9 Livis。

一路下来车里的应用越来越多，而理想想做的是"在越来越多里找到越来越懂"。设计哲学两个词——克制（回到第一性原理，不加一个多余的东西）和直白（不渲染、不炫技，不管你什么年龄，看一眼就懂、点一下就有响应），最终要的是松弛、信任、像朋友一样在身边的感觉。

最直观的变化是那块去掉了黑色分割线的 29 英寸 6K 一体式超宽全景屏（屏占比 92.4%、1000nit）。他说试过主流 16:9、试过中等宽幅、也试过更高尺寸，要么仓促、要么对副驾不友好、要么侵占驾驶视线，最后才定在这个全景宽幅比例。

然后是硬件的"赛跑史"，这段挺实在：理想 ONE 时代的车规芯片 820A 落后主流手机整整两年，到 8155、8295 时代追平手机主流水平（用户在小红书抖音上把它叫"车里的 Apple"），而这一代他直接放话——座舱硬件性能已经超越主流手机。

用的是全球首发的高通骁龙 8797 Elite 平台，NPU 320 TOPS 跑端侧实时 AI 模型；并且是行业第一个在全景屏上做到90Hz 高刷 + 180Hz 触控采样，自研底层系统压低触控时延。

她特意解释了为什么难：这块屏背后连着好几块屏，对带宽要求极高——L9 Livis 前排显示带宽 23.5G，而 iPhone 17 Air 才 7G，链路也长得多，最后要做到"热刀切黄油"般顺滑。

软件交互讲了两个关键词。

更广阔：打开地图是 16 寸级别的全景地图，EID 环境感知也更舒展，复杂路况下视野不再被局促的小窗框住，看视频则是影院级铺开。

更细腻：页面打开、按钮开闭、菜单滑动、控件回弹都连贯流畅，还有实时动态渲染的高斯模糊，以及光会随唤醒位置变化、与氛围灯联动的处理。

现场两位同事演示了一个人和两个人怎么用这块屏——驾驶员显示宽度是过去双联屏的 1.5 倍，泊车时 EID 自动放大、其他应用自适应缩小，三指一滑进入只剩跟随驾驶和流动光感的"放空空间"；副驾上人后可以一键撑大成主副驾 1:1 分屏，一起看电影时主驾内容消失、视频宽度是双联屏的 1.7 倍，配前排零重力。他还强调全景屏的设计品味本身就是内饰的一部分——黑胶唱片般的分面流、星云环绕的放空桌面、山野潮汐日出般的氛围。

声音是这代另一个重点。他给的数据是用户 78% 的旅程都有音乐陪伴，所以上了全新的9.3.6 无瑕星环剧院音响（峰值 5440W、全车 28 个扬声器），九组水平环绕 + 三个矩阵低音炮 + 六组天空环绕，行业首创前排 5.2.2、后排 7.1.4 的双音区布局，前后排能同时播放全景声，系统级支持 96k 高采样，连 QQ 音乐、网易云的高级会员都不白花；下半年还会和合作伙伴在声音质感上继续升级。

单独点名的是Livis Pods 头枕音响——背靠背/水平对置扬声器叠加自研空间音频算法，声音不从脑后压过来，还抵消了头枕震动，配口碑很好的软枕，是展厅必打卡体验。

手机生态上，这次支持了"同级最大、最流畅的 CarPlay"，还和车机硬件深度融合（HUD 联动显示地图、方向盘可控），Apple Music 用户配杜比全景声体验更佳，主流旗舰手机互联全支持。

他借此收尾——十年里理想坚持不用安卓公版应用，每个应用都做系统级适配，不为应用数量牺牲流畅度，也照顾到副驾、二排和第三排的每一个人。而这一整段细腻到极致的体验，恰恰是为了下一句反转作铺垫。

1. 一个反共识判断：今天的"智能"都不智能

李想话锋一转，抛了个挺扎人的判断：今天我们嘴上叫了十几年的"智能手机""智能汽车"，其实都不智能。

他的逻辑是：行业公认的"智能"三件套——软件定义硬件、实时联网、可持续升级——只能算"功能驱动"，本质还是一堆被调用的功能，不是一个有生命力的智能体。

他用智能汽车最要命的三个维度来拆这件事：安全上，传统智驾遇到没见过的复杂场景、极端天气，标准动作是直接退出、把方向盘丢给你——法规上完全合规，但对人恰恰最不安全，因为接近一半的智驾事故就发生在接管那一瞬间。

能力上，今天的智驾只会"向前开、左转、右转"这种预设功能，倒车倒不利索、不会像老司机那样找地方靠边停。效率上，越是赶时间、越是胡同窄路，大家越不敢用智驾，因为它比人慢。

所以他给"真正的智能"重新下了定义：要以保护人为核心，要学会人类的技能并独立完成任务，还要比人更高效。这套判断他认为同样适用于人形机器人和未来一切具身智能产品。

结论是——光修修补补不够，必须围绕"具身智能"重构整个系统。然后理想从三个维度交答案：能力（模型）、芯片、产品。这是整场发布会真正的主轴。

2. 能力：淘汰 MindGPT，端云两个新模型 + 马赫 VLA

基座模型负责人詹锟先生先讲"大脑"。

他把人脑类比成几个分区并行：语言逻辑、思考、听懂指令算"语言智能"，三维视觉感知和躯体动作控制算"机器智能"，两者必须焊死融合才是完整可用的具身智能大脑（他还特意点了一句，主管恐惧和情绪的那块脑区，他们故意不要）。

语言这边，理想直接把大家熟悉的 MindGPT 当"热身"淘汰了，推出全新基座大模型马赫 Mind-4 系列。云端是马赫 Mind-Pro，定位原生 Agent 模型，官方说在 IFEval 指令跟随、LongBench-v2 超长文本、AIME26 高阶数学、BFCL-v4 工具调用等公认基准上全部稳居第一梯队，在 Agent 专项榜单和实景实测里综合超过多数主流模型；更实在的是工程指标——官方称 token 平均消耗降 38%、工具调用冗余轮次降 47%、峰值 208 tokens/s、推理效率是主流 Agent 模型的两倍以上，背后是数百套业务沙箱 + 自研的混合 RL 训练体系。

端侧是马赫 Mind-Edge，多模态流式时序建模、always-on、全程在车端本地跑、数据不上传，强调"不是云端模型的阉割版，而是原生为车载场景做的端侧智能体模型"。

机器智能（也就是智驾）这段，詹锟在发布会上真诚的示弱。他说从美国回来的朋友都给他发同一句话——除了特斯拉，国内没有自驾第一梯队；他上个月亲自去硅谷把 FSD v14.3 连开两周，回来只剩两句话：特斯拉真的太强，压力真的太大。

然后讲马赫 VLA 的三点升级：更安全——官方称截至 6 月 14 日，理想全系智驾主动避险累计 1727 万次，其中重大避险 5.5 万次，相当于 2022 年至今平均每天主动避险约 1.2 万次。更高效——普通人发现危险到刹车平均要 0.45 秒，F1 车手极限 0.25 秒，马赫 VLA 的反应是 0.28 秒，逼近人类生理极限；这多出来的零点几秒，在 120km/h 下相当于提前约 6 米完成刹停。这背后是一条从"光子到车轮"的全链路重构：官方给的拆解是视觉输入时延降 47%、模型推理链路缩短 43%、线控底盘响应降 38%、OS 调度降 28%、端到端总时延降 40%。

更强大——施工区绕锥桶、挖掘机爪臂伸出来减速、空间不够主动切倒挡礼让、看懂穿黄马甲保安的手势、广州雨夜城中村窄路里腾挪……这些"像人一样"的能力。

能力从哪来？

他给了三个变量：双马赫 M100 车端算力 2560 TOPS，模仿学习数据再 +50%、强化学习数据 +15 倍，模型参数 +10 倍、每秒 token 计算量 +15 倍。

架构上把感知、预测、规划这种各玩各的模块化结构，统一成一个原生多模态 MoE 大模型，让"看见—理解—思考—行动"从一开始就在同一个框架里对齐；并喊出马赫 VLA → 马赫 World Model → RL Info 三维一体。

他还专门怼了一句行业卷激光雷达线数：128 线、256 线、512 线再高，也读不懂红绿灯颜色、看不懂路牌文字、认不出保安手势——所以理想用 3D ViT 让系统"从看见到看懂"，可视距离提升 50%。

3. 芯片：马赫 M100，全球首款数据流 AI 芯片

CTO 谢炎讲芯片这段是发布会信息密度最高的部分。他先回顾了摩尔定律和登纳德缩放定律双重红利消失、冯·诺依曼架构统治七十年的代价（指令队列掩盖了并行度，海量晶体管被浪费在调度而非真实计算上），然后给出理想的选择：数据流架构——拆掉中央式指令队列，让数据流动来驱动计算。

这个架构其实是 MIT 几位教授在上世纪 70 年代就提出的，谢炎读研时接触到，过去没能大规模商用，是因为它的优势要算力规模足够大才显现、编程调试也更难，而 AI 计算恰好把这些前提凑齐了。

马赫 M100的硬指标：5nm 车规工艺，单颗算力 1280 TOPS，实际运行效率超过 82%（这个利用率比一般 GPU 高很多）；一半以上晶圆面积给了 NPU，官方称由 56 个计算单元配数据处理模块组成，网格总线 + 数据环形总线双互联；CPU 是 24 核 Arm A78AE@2.3GHz 负责安全和系统控制；8 路 LPDDR5X、273GB/s 带宽。

对比口径很激进：在核心模型上有效算力是英伟达 Thor-U 的 3 倍、且是数倍而非略微领先；甚至在 M100 上部署 Qwen3.5-35B 通用大模型，跟一台约 4 万元的 DGX Spark 桌面超算比，官方称 prefill 速度 2.7 倍、decode 速度 1.5 倍。

学术背书是架构论文《M100: An Orchestrated Dataflow Architecture Powering General AI Computing》入选 ISCA 2026 工业分区——理想称自己是汽车行业历史上第一家，团队将于 6 月 30 日在会议现场分享。

另外，谢炎表示这款芯片不仅仅只能用于汽车，更多是智能AI的应用。光有芯片不够，理想在 M100 之上做了星环 OS，强调它从第一天就是 AI 原生，感知决策执行全链路融合，配合全线控底盘把端到端延时压到 0.28 秒、比人快 40%。

安全这块谢炎类比苹果：苹果安全是因为芯片和系统一起设计、从上电那一刻就开始；车的芯片被攻击威胁的是生命，所以理想把密钥保护、可信启动链、权限管控全部前置到芯片设计里，做芯片、编译器、操作系统、AI 算法、预控制器的全栈自研。

4. 产品：一辆车 = 四样东西

最后李想自己上场讲产品。他说很多人问"具身智能到底是机器人还是 AI 还是智驾"，他认为这些都只是能力、不是产品。他重新定义这辆车是四样东西：一辆电动车（具身智能要有身体、能移动、能抵达）、一位职业司机（不是辅助驾驶，理解道路风险规则、独立完成出行）、一台 AI 计算机（算力强过旗舰手机电脑、内存显存一体、为大模型而生）、一位生活助手（你说任务它来做、懂你习惯）。而这四样合起来不是四个产品，是一个产品——就是理想汽车。

现场两位产品经理做了一串 Livis Agent 实测（声明是真在模型上跑、不是预设脚本）：从"关车窗、氛围灯调橙、空调 18 度"这种规则指令，到"朋友坐 CA1314 来北京、素食、去望京安排接风宴、规划路线"，到"燕京八景一日游"（Agent 自己发现其中两个景点已不开放，主动剔除），再到"厂长"乱序接四个孩子和老婆、最后给老四在三里屯过生日这种超复杂多点任务（中途还现场翻车重来了一次，挺真实）。

车控层面演示了哄二排小孩睡觉（自动降音量、放摇篮曲、调柔风、暗灯光），以及激光雷达被遮挡时车辆自己靠边停并跟车主沟通、自主去新国展找超充充电（全程车主只说一句话）、窄位自己掉头还跟对向车"礼貌沟通"。

5. 接下来的 OTA 节奏

李想说今年下半年版本很多，但有三个最重要的节点：7 月：智驾效率整体提升 30%，限宽墩、限高杆这类场景哪怕纯新手也能安全通过；现场演示的出行/导游类 Agent 技能上线；方便组队出游的"车友对讲机"功能上线（比微信还方便、不用额外带设备）；"两天一度电"的哨兵模式上线；利用主动悬架的便捷换胎能力也在 7 月见面。

9 月：学会像人一样全面倒车，窄路会车、倒车让行都能替你解决；用主动悬架处理各种复杂路面；能操纵家里的智能地锁、开车库门；Agent 可以连接你的电脑和手机，去调用飞书、微信上的信息；带鱼屏的超级 CarPlay 上线，以及音乐爱好者期盼的无损音质 Apple Music。

12 月：让安全和效率全面超越人类——车主自己误碰方向盘退出、或避险打方向角度不够时，Livis 会像专业赛车手一样接管找到最安全轨迹；遇到交警疏导交通能听从指挥有序通行；走近车辆时通过非人脸 ID 自动切换账号、坐下即同步驾驶设置；并继续释放 M100 潜力，把反应速度提到 0.2 秒、官方称比人快 56%、超过 F1 车手。

另外智驾大模型本身的演进路线：第三季度向 AD Max 用户推送全新的马赫 VLA 版本，第四季度整体能力对齐特斯拉 FSD V14。

可以看出节奏很清楚：7 月解决"高频但尴尬"的场景痛点，9 月把 Agent 从车机延伸到"控车 + 连外部设备"，12 月才是真正喊出"超越人类"那张牌。

6. 从业者视角：怎么看这场发布会

值得认的地方。

第一，这是国内少有的、把芯片—编译器—操作系统—模型—预控制器全栈自研拉通的车企，"模型-芯片同步研发"和苹果式垂直整合是一个路数。谢炎自己也是拿苹果打比方——操作系统告诉芯片该怎么设计、芯片反过来给系统提供外购方案给不了的差异化能力，长期看这是真护城河。

第二，数据流架构如果真能在量产上兑现 82% 利用率，那它挑战的是英伟达的 GPU 范式本身，意义比单纯多几个 TOPS 大得多——能进 ISCA 工业分区，说明这至少不是纯营销话术。

第三，"具身智能"这个叙事其实很高明：它把座舱交互、智驾、车载 Agent 三条原本各卷各的线，统一进"安全/能力/效率三维升维"的同一个框架，比友商单点卷激光雷达线数、卷屏幕尺寸要高一个维度；端侧原生大模型 + Agent 真控车，这个差异化方向是华为、小鹏、特斯拉目前路线里都没完全押注的。

但要泼几盆冷水。

一是别被算力数字带跑——这一点理想自己其实最清醒：谢炎团队那篇入选 ISCA 的论文刻意没写 TOPS，理由是到了 VLA / World Model 时代，纯 AI 矩阵算力意义有限，标量和矢量算力才更关键。换句话说，发布会上喊的 1280、2560 更多是给大众听的"标称值"，真正决定体验的是有效算力和架构效率。更要紧的考验在量产端——自研芯片的良率、产能、单车成本、铺货规模，这些发布会上不会讲，却是决定这套全栈能不能跑起来的命门。

二是"Q4 对齐 FSD V14"是个极高的承诺，李想自己都说压力大，特斯拉也不是站着不动的靶子，对齐的兑现度需要时间验证，而不是发布会上说了就算数；

三是 1727 万次主动避险是漂亮的自证数据，但缺第三方统一口径；"比人快"在长尾极端场景下的稳健性才是真考题。

四是现场那些超复杂 Agent 演示（乱序接四个孩子、燕京八景）确实惊艳，但它演示的是能力边界，和用户日常高频刚需之间还有距离——而且飞书、微信、CarPlay、Apple Music 这些生态能力高度依赖第三方开放程度，理想能掌控的只有自己那一半。

往大了看，这场发布会真正的信号是：行业正在从"软件定义汽车"切换到"AI 定义汽车"，而理想想抢的是范式定义权——既给地平线、英伟达、高通这些供应链施了压，也把车企自研芯片的军备竞赛又往上抬了一格。