近日，理想汽車論文《M100: An Orchestrated Dataflow Architecture Powering General AI Computing》入選ISCA 2026（國際計算機體系結構年會）。ISCA是計算機體系結構領域最具影響力的頂級會議之一，長期關注芯片、處理器以及AI算力等基礎性技術問題，被視作該領域的風向標，而理想汽車是汽車行業中首家獲得該會議工業分區（Industry track）論文錄取的企業。

與傳統認知中的學術會議不同，ISCA工業分區關注的不僅是理論層面的創新，更是真實工業實踐中的技術成果與經驗——論文需要圍繞實際運行或即將推出的產品展開，且第一作者及大部分作者須來自企業。此次理想汽車的論文以即將量產上車的馬赫100芯片為基礎，呈現了從架構設計到實際部署的完整過程，不僅具備學術創新性，更體現了從理論到工程落地的完整閉環。

從技術實現路徑來看，這類研究和大家常見的AI算法研究有很大不同。很多算法成果可以在幾周或幾個月內完成驗證，但計算機體系結構往往是一項“慢工出細活”的工作，一項成果通常需要1-3年時間，從設計到驗證再到實現，反復打磨才能真正落地。同時，它對資源的要求也更高，不只是算力投入，還需要完整的系統開發和硬件驗證支持。也正因為如此，其參與者相對有限，能夠通過頂級學術會議嚴格評審并最終獲得錄用的成果也更為稀缺。

論文介紹了理想馬赫100芯片上的“周密編排數據流架構”，這是一種AI原生的數據流架構，讓數據在計算單元之間“直接流動”，盡量減少在緩存中反復存取。相比之下，傳統芯片（包括GPU）雖然具備大規模并行計算能力，但仍依賴多級緩存來暫存和調度數據，這在復雜AI任務中會帶來額外的延遲與能耗。

周密編排數據流策略

通過這種新的架構設計，馬赫100芯片的數據處理效率更高，能夠釋放更多有效算力，同時具備更好的可編程能力，從而適應AI的迅速迭代。

理想汽車相信，這代表了通用AI計算架構未來演進的趨勢。我們選擇將馬赫100芯片的架構設計與實測數據通過學術論文公開發表，希望將這些探索分享給行業，無論是數據流架構的實踐經驗還是去緩存的設計思路，都期待能為大家提供參考，共同推動AI計算架構的發展。

近三年來，理想汽車持續深耕具身感知、基座模型、推理芯片及操作系統等前沿人工智能領域的基礎理論研究，在多項關鍵技術方向上不斷積累與突破。相關研究成果已累計發表論文超過50篇，并先后獲得ICCV（國際計算機視覺大會，計算機視覺領域的頂級會議）、CVPR（國際計算機視覺與模式識別會議，計算機視覺領域的頂級會議）、ECCV（歐洲計算機視覺國際會議，計算機視覺領域的頂級會議）等頂級學術會議錄用，印證了理想汽車技術研究的前沿性和影響力。

未來，理想汽車將繼續加大在人工智能與底層算力領域的研發投入，推動關鍵技術不斷演進，并持續為全球智能技術的發展注入動力。