理想汽车被曝探索自研云端推理芯片：或复用智驾芯片数据流架构

据 IT之家 8 月 14 日援引晚点 Auto 消息，理想汽车正在探索自研云端推理芯片，并计划采用与其智驾芯片相同的数据流架构。来源显示，该项目目前仍处于早期阶段，尚未进入明确的产品化节点。对于一家以智能电动车为核心业务的车企而言，这一动向意味着其 AI 计算布局可能从车端进一步延伸到云端，覆盖模型测试、仿真、智驾数据处理以及大语言模型请求处理等场景。

当前 AI 数据中心主要依赖 GPU 完成模型训练和推理，但行业中也已有数据中心部署专门面向推理任务的芯片。芯片行业人士认为，云端推理芯片可以承接部分原本运行在 GPU 上的推理负载，例如智驾模型相关的数据处理、测试与仿真，以及大语言模型服务中的请求处理。不过，涉及参数更新的模型训练环节仍需要训练芯片承担。

从车端 NPU 到云端推理：数据流架构为何被关注

来源提到，业内人士认为在云端使用数据流架构在技术上可行。一种可能路径是复用车端 NPU（AI 处理器）的计算设计，将多个 AI 计算晶粒封装在一起，并配套高带宽内存与高速互联，形成规模更大的云端推理芯片。这类设计的核心价值在于，车端与云端可以在部分计算单元、软件工具链和开发经验上形成复用，从而在一定程度上分摊研发成本。

理想汽车此前已围绕数据流架构进行技术展示。据 IT之家此前报道，理想汽车在 ISCA 2026 亮相，并发表题为《马赫 M100：面向通用 AI 计算的编排式数据流架构》的主题演讲，与谷歌、Meta 等科技公司研究者同台交流。来源称，自 2020 年工业分区设立以来，理想汽车是首家入选的中国汽车企业。

马赫 M100 被介绍为全球首款基于数据流架构的大算力端侧推理芯片，采用 5nm 车规级工艺，单芯片算力 1280TOPS，最终算力利用率达 82%，搭载 8 通道 LPDDR5X 内存，峰值带宽 273GB/s，并在 CPU 侧配备 24 核 ARM Cortex-A78AE 处理器集群。这些信息说明，理想已在车端 AI 推理芯片上积累了公开可见的架构探索。

云端推理芯片的挑战：不只是把车端芯片“放大”

尽管车端与云端可以复用部分设计，但二者面对的计算环境差异明显。车端模型、传感器输入和运行节奏相对固定，主要追求低功耗、低延迟和稳定执行；而云端芯片要面对更多模型类型、更快的模型迭代、更长且波动的输入，以及大量并发请求。

• 内存与互联压力更高：云端推理往往依赖高带宽内存、多芯片互联和更复杂的数据搬运能力。
• 调度复杂度更大：云端需要处理动态批处理、集群调度和不同模型之间的资源分配。
• 软件生态要求更高：推理芯片能否落地，不只取决于硬件指标，也取决于编译器、框架适配和运维工具链。
• 应用场景更分散：智驾仿真、大模型请求处理与通用 AI 推理，对芯片架构和系统设计提出不同要求。

影响与解读：车企自研算力向“端云一体”延伸

从产业趋势看，智能汽车公司对 AI 算力的需求已不局限于车辆本身。高阶辅助驾驶需要大量数据闭环，云端要承担数据清洗、模型评测、仿真验证与推理服务等任务。若理想汽车继续推进云端推理芯片探索，背后逻辑可能是希望在车端芯片、云端算力和模型开发之间建立更紧密的协同。

不过，项目仍处早期阶段，距离真正进入数据中心并形成规模化部署仍有较多不确定性。云端芯片不仅要证明架构可行，还要面对 GPU 生态成熟、供应链投入高、软件迁移成本大等现实问题。对中文科技读者而言，这一消息的关键并不只是“车企造芯”，而是智能汽车厂商正在把竞争边界推向AI 基础设施：谁能更高效地连接车端数据、云端推理和模型迭代，谁就可能在下一阶段智能化竞争中获得更强的系统优势。