这条聊一下，理想的人工智能发布会。官方叫Livis Day，其实很多人包括博主，一开始有个疑问，为啥不叫AI Day，不是更通俗好传播。

有个猜想，今年是理想要做品牌差异化最关键的一年。

因为大SUV的竞争实在是太激烈了，所以要尽可能地突出差异化——AI Day每家都能做，但Livis只有一个。

1. 所以，Livis Day到底传递了哪些信息？

虽然发布会不算长，一个半小时，但想必还是有很多人难有时间完整看完。

而我们在这之前已经试驾了L9 Livis，这次也去了发布会现场；
顺便预告下接下来我们还会做个L9 Livis的长测；
这就花几分钟时间跟大家，解析一下这个发布会，分享一下我们的理解。

2. 智驾，马赫VLA

首先，这个发布会传递的最直给的信息是；
今年四季度，理想的辅助驾驶 马赫VLA 能力要对齐特斯拉FSD V14；

这个对齐的基础，是理想的基座模型研发负责人詹锟前阵子在美国连开了两个星期的FSD 14.3作为benchmark；他的反馈是这样的——特斯拉真的太（TM）强大了。

那马赫VLA凭什么有能力做到呢？我认为核心是在双马赫M100芯片基础上，做到的更大规模参数的模型部署。很拗口？

FSD现行的HW 4.0大概是500 Tops算力，Livis量产马赫M100之后，两颗芯片2560Tops，在5000 Tops的AI5到来之前。这里有个时间差，双马赫在这段时间，很可能是市面上最强的量产平台。

之前理想提到过mindVLA用到了4B参数规模的模型，L9 Livis发布，又进一步提到，是之前模型10倍参数规模，那很可能在几十B。

简单来说，还是scaling law的胜利——更大算力，更高参数，能力自然更强。

并且在AI5到来之前，创造了一个巧妙的时间窗口。

会带来哪些能力呢？举一个非常具体的例子：

这里詹锟提到了：

新的VLA可以识别路边指挥员示意的手势；这种细腻的识别，自然来自于：模型训练时，习得的丰富的信息量，贮存在大规模的参数里。

3. 端侧大模型，马赫Mind-Edge

理想这次没有再讲MindGPT，而是改用马赫Mind系列，进一步差异化，所以品牌工作还是非常细致立体的。

马赫Mind系列分为Pro和Edge，简单理解Pro就是云端模型，Edge是端侧模型；
你去看Pro，它对比的模型参数规模，会发现它也不是本着现在非常大规模的大语言模型去的；核心的目标是，打造端侧模型。

这个其实跟前阵子地平线余凯采访的观点非常类似，地平线是不会去争云端大语言模型的，但是端侧多模态的大模型是一定会做的。

从投入的ROI来说，这也是车企开发大模型非常合理的战略选择——理想在车企里第一家尝试做了自己的模型产品——理想同学，这次也是车企第一家发了端侧多模态模型，其实也算是一种路线修正。

端侧模型能用来做什么。理想给了一个具体的例子：通过AI眼镜，实现远程在车内寻找落下的耳机。

这个有点像之前，座舱活体监测的超大杯版本——以前是看有没有忘在车内的小孩或者宠物的，现在这个目标要小很多，泛化性要强很多。

这类需求，对功耗和实时性也是一大考验，这个就靠马赫M100了。

4. 这就说到了马赫M100。

马赫M100，其实是智驾模型马赫VLA、座舱多模态模型马赫Mind-EDGE，背后的精髓，但是对消费者来说这太复杂了，所以CTO谢炎的分享，放到了最后。

我印象里，这是是理想第一次对外界，打开了马赫M100的架构，理想还是做了不少创新探索，并且勇于分享出来的。

数据流架构的精髓在于对大模型运算的「化整为零」。

首先56个计算单元相当于将一台超大的火箭引擎，变成若干小的汽车发动机，虽然单个马力减小，但实际总输出效率提高了；每个发动机配上昂贵的片上SRAM，相当于小油箱；LPDDR5X相当于外部的油库，还拆分成了8个，加快向56个发动机输送计算负载。

网格总线和数据环形总线是数据流架构的精髓，将数据的流转从过去的串行排队，变成高度灵活的调度，还有一个数据处理单元相当于调度的引擎。

到这里，理想Livis Day的信息大概就是这些，它打开来让大家看到了理想和李想对AI的战略取舍、架构设计以及产品预期。

但是真正功能更新也才刚刚开始，预计到第四季度对标FSD兑现，才是真正给大家端上大菜。

最后你看着标签，2026理想LivisDay，明年还有。

#新能源汽车##2026理想Livis Day#