财π新闻 近日，有消息称理想汽车正在探索自研云端推理芯片，该项目目前仍处于早期阶段，可能采用与车端智驾芯片相近的数据流架构。针对这一消息，理想汽车方面公开回应称，暂时还没有听到这方面的消息，官方暂未对该项目的具体规划、推进节奏以及相关技术细节作出进一步说明。

云端推理芯片本质是部署在数据中心或云服务器中的AI加速芯片，其核心作用是解决AI调用更快、更便宜、更稳定的实际需求，这类芯片的应用场景覆盖大模型推理、搜索推荐、智能客服、多模态理解等多个领域。AI模型的完整运行流程通常分为训练和推理两个环节，训练环节就像模型“上学”的过程，需要依托大量数据和充足算力支撑，让模型逐步习得对应的处理能力；而推理环节则相当于模型“上岗”运行，当模型完成全部训练流程后，每一次回答用户问题、识别图像内容、生成行驶规划，或是由模型自主判断并发起工具调用的操作，背后都需要推理环节提供算力支撑。专门从事云端推理芯片研发的企业工作人员介绍，这类产品的核心研发目标，就是让所有涉及AI调用的相关操作，在运行速度、使用成本和运行稳定性三个维度上都能得到明显优化。

信息技术研究和顾问公司Gartner发布的预测数据显示，2026年全球AI优化IaaS支出预计将达到422.76亿美元，其中推理相关支出将达到233亿美元，超过训练相关支出的190亿美元，占比将超过55%，到2027年这一占比预计还将进一步升至59%。尽管该预测面向的是AI优化IaaS支出范畴，并不直接等同于云端推理芯片的整体市场规模，但这一数据变化清晰反映出当前AI应用的发展趋势，即整个行业的关注重点正从早期的模型开发环节，逐步转向规模化部署阶段，如何以更低成本、更高稳定性、更大规模使用大模型，已经成为当前行业发展的核心焦点。

从技术特征层面来看，云端推理芯片通常部署在数据中心及公有云服务器当中，产品设计需要同时兼顾算力输出能力、内存与显存带宽水平、芯片互联能力、长期运行稳定性、功耗控制表现以及高并发处理能力等多个维度的指标。当前云端AI加速芯片并没有限定为某一种固定的硬件形态，GPU、NPU、ASIC等不同类型的芯片产品，都可以承担对应的AI加速任务。随着大模型应用从训练阶段逐步走向规模化部署阶段，英伟达、华为等行业厂商也在围绕数据中心AI训练与推理的实际需求，持续布局AI加速芯片、配套服务器、集群互联技术以及相关软件生态体系。

在智能汽车领域，云端推理芯片的潜在价值并不直接作用于车辆的实时行驶决策环节，车辆行驶过程中涉及的感知、规划和控制等核心功能，目前仍然主要依赖车端搭载的算力完成支撑。云端推理能力的核心价值，更多体现在服务于车企背后的模型迭代、数据闭环和智能服务体系建设，具体应用场景包括道路数据筛选、长尾场景检索、自动标注、模型能力蒸馏以及智能助手服务等多个方面。除此之外，云端推理芯片还可以承接部分原本由GPU承担的推理任务，比如智能驾驶模型的数据处理、测试、仿真，以及大语言模型的请求处理等，不过模型训练过程中涉及参数更新的相关操作，仍然需要依托专门的训练芯片完成支撑。

从技术落地的可行性角度分析，将车端使用的数据流架构延伸到云端场景，在技术路径上具备可落地性，其中一种可行的实现路径是复用车端NPU的计算设计，将多个AI计算晶粒封装在一起，配套高带宽内存和高速互联模块，组成规模更大的推理芯片。通过这种技术路径，车企可以在车端和云端产品之间复用部分设计成果和软件工具，有效分摊整体研发成本。不过业内人士也明确指出，数据流架构从车端延伸到云端之后，最终能否形成预期中的成本优势，核心取决于模型适配能力和系统运行效率，并不是简单通过硬件堆叠就可以实现目标。

理想汽车此前已经在车端完成了马赫M100自研AI推理芯片的布局，这款芯片是全球首款基于数据流架构的大算力端侧推理芯片，采用5nm车规级工艺制造，单芯片算力达到1280TOPS，算力利用率可达82%，芯片搭载8通道LPDDR5X内存，峰值带宽为273GB/s，CPU侧配备24核ARM Cortex-A78AE处理器集群。凭借这款芯片的技术成果，理想汽车成为首家入选ISCA 2026工业分区的中国汽车企业。按照公开信息，马赫M100芯片已于2026年5月正式上车实现量产，这也意味着理想汽车已经在车端AI推理芯片领域完成了从研发到量产的全流程技术积累。如果理想汽车后续正式推进云端推理芯片的自研工作，其核心目标指向实现模型、工具链、编译器和算力体系的高度协同，进一步打通车端与云端的技术链路。

需要明确的是，云端芯片与车端芯片的设计侧重存在明显差异，车端的运行任务相对固定，核心追求是低功耗和运行效率，而云端场景需要同时应对更多不同类型的模型，用户请求量的波动幅度更大，还涉及多芯片协同和动态调度等一系列复杂问题。云端推理芯片的研发需要同时兼顾高并发吞吐能力与集群运行效率，想要完成这类产品的自研工作，需要企业同时具备成熟的芯片设计能力、规模庞大的模型调用需求、充足的数据规模以及完善的云端工程能力作为支撑。有业内人士直言，研发出一颗达到基础运行标准的芯片并不困难，真正的难点在于让整套芯片运行系统的综合成本具备市场竞争力。

就在相关云端推理芯片项目被披露处于早期探索阶段的同时，有公开信息显示，理想汽车芯片部门近期出现了多名核心成员离职的情况，其中包括深度参与马赫M100芯片研发的软件研发负责人金一华，以及芯片前端设计一组负责人戴颉，两人此前均向算力单元负责人罗旻汇报，罗旻则直接向集团CTO谢炎汇报。除此之外，2026年3月，理想汽车SoC研发负责人也已经从公司离职，这些核心岗位人员的离职事件均发生在马赫M100芯片完成量产之后，目前尚不清楚上述人事变动是否会对云端推理芯片项目的后续推进进度产生影响。

从行业长期发展的趋势来看，随着智能驾驶大模型、车载智能体和多模态交互功能的持续演进，智能汽车背后的云端推理需求还将保持持续增长的态势，未来车企之间的智能化竞争，不再仅仅取决于车端搭载的算力水平高低，更核心的竞争维度将转向车企能否建立起一套能够支撑模型持续迭代、低成本调用和规模化交付的云端AI基础设施。整个智能汽车行业的算力版图，也正在从过去聚焦“车脑”建设的单一方向，逐步延伸覆盖到“云脑”体系的搭建，形成车端与云端算力协同支撑智能化功能落地的全新发展格局。

(编辑：胡忠华)