理想汽车的自研芯片，正在从整车内部的一项技术投入，变成一家估值150亿元的独立公司。
据晚点Auto报道，理想芯片子公司正在推进首轮外部融资，投前估值约150亿元，计划融资数十亿元。
7月，Mach Intelligent Cores Limited 在中国香港注册成立；8月，其全资持有的上海马赫智芯智能科技有限公司成立，理想汽车CTO谢炎担任法定代表人。随后，上海马赫智芯又设立了一家全资子公司。
与此同时，理想正在与芯片团队员工沟通劳动关系调整。
公司拆分、人员转移、外部融资，马赫芯片从理想汽车内部的研发项目，准备按一家独立芯片公司的逻辑运行了。
2026年上半年，理想收入486.5亿元，同比下降13.4%；毛利率由20.3%降至9.5%；净亏损39.8亿元。同期研发费用约55亿元，现金储备则由2025年末的1012亿元降至875亿元。
自研芯片已经从一次性项目变成一项要长期供血的业务：第一颗芯片量产之后，后面站着下一代车端芯片、云端推理芯片、编译器、工具链和客户支持体系。
外部融资把这笔长期投入从整车利润表里切出去一部分，同时给芯片团队配上独立的股权激励和估值体系。
芯片业务独立出去，理想以前只需要推动马赫M100上车，往后芯片业务能不能省钱、能不能持续迭代，以及除了理想，还有没有别人愿意掏钱买。
Part 1
理想没有披露马赫M100的累计研发投入。理想在2022年11月正式启动自研芯片项目，到2026年5月量产上车，历时约三年半。目前团队约200人，覆盖AI计算架构、芯片设计、编译器和相关软件开发。
200人的工资只是成本的一部分。
开发一颗车规级SoC，要支付芯片架构设计、处理器和接口IP授权、EDA软件、服务器与仿真算力、物理设计、流片、封装、测试、功能安全认证和上车验证等费用。
芯片第一次点亮还不算项目完成，一旦出现严重设计问题，重新流片还会增加数千万乃至上亿元成本，并把量产时间向后推。
CSIS援引行业资料估算，一款5纳米芯片的平均设计成本约为4.49亿美元；3纳米约为5.81亿美元，2纳米则上升至7.25亿美元。
不同芯片的面积、复杂度、IP复用程度和流片次数差异很大，但可以用来理解先进制程SoC的投入量级。
按这一行业估算，5纳米项目的研发成本相当于数十亿元人民币。
这类研发费用主要是固定成本。
芯片完成设计并进入稳定量产之后，每增加一颗的成本主要来自晶圆制造、封装测试、内存和计算板卡。装车量越大，前期研发投入到每辆车上的分摊就越薄。
假设一款芯片的前期开发投入为30亿元，每辆车相比外购方案节省1万元，理论上需要累计装车30万辆才能覆盖前期投入；单车只节省5000元，则需要60万辆。
这没有考虑资金成本、下一代研发、芯片良率和软件团队投入，理想为什么急着把M100铺到L9、L8、L6、MEGA和i9等车型上，车企自研芯片能不能成，先看装车规模，跟技术雄心关系不大。
截至2026年8月，理想披露马赫M100累计交付已经超过5万颗。对于验证芯片能够稳定量产，这个数量已经站住了；要覆盖全部研发成本、支撑下一代产品，它仍只是个开头。
Part 2
马赫M100采用5纳米车规工艺，单颗标称算力1280TOPS，配备24核Arm Cortex-A78AE处理器、8通道LPDDR5X内存，峰值内存带宽273GB/s。
理想披露的算力利用率为82%，部分高配车型使用双芯方案，总算力达到2560TOPS。
这些参数让M100成为目前量产车规AI芯片中纸面算力排在前面的一款。
数据流架构这套思路，传统GPU更像一套通用计算平台，需要不断从内存读取数据、执行运算，再把结果写回。模型变大之后，数据搬运消耗的时间和能量可能超过计算本身。
M100试图通过编译器提前安排数据流向，让计算任务按固定路径进入对应的计算单元，减少等待、缓存和重复搬运。
对于结构相对明确、重复执行频率高的AI推理任务，这种架构有机会提高芯片利用率，并降低延迟和功耗。
理想称，M100在自家模型上的有效算力约为英伟达Thor-U的3倍，单颗物料成本低于外采方案。
理想方面曾表示，高端车型使用外部高算力芯片，单车成本可能达到1600至2000美元，约合人民币1.1万至1.4万元。
假如M100确实能用更低的成本提供更高的模型运行效率，理想拿到的就不只是采购降价，它可以用同样的整车成本部署更大的模型，或者把两颗外购芯片才能完成的任务压到一颗自研芯片上。
不同厂商公布的TOPS，可能使用不同的计算精度、稀疏率和测试条件，不能直接横向比较。理想说的"三倍有效算力"，是M100在理想自有模型和软件体系里的运行结果，不等于所有第三方模型迁移过去都能拿到同样的提升。
M100还把一部分硬件复杂度转移给了编译器和软件工具链。理想披露，早期一个新模型从更新到完成车端适配曾经需要两个月，后来缩短至不到一周，未来目标是压到一天以内。
这个时间比1280TOPS更能说明问题，它决定了M100能不能跟上大模型快速迭代的节奏。
对理想自己来说，芯片、模型、操作系统和整车控制都在同一家公司，团队可以一起改模型和硬件，迁移成本相对可控。换到外部客户，重新适配模型、补齐算子、验证功能安全，可能是一笔比采购芯片更大的隐性成本。
所以M100的实际表现落在几处：同一模型下的运行延迟、整套计算平台的功耗，以及一次模型更新要多久完成部署。
Part 3
只看现有业务，150亿元投前估值并不便宜。
蔚来芯片子公司安徽神玑在2026年2月完成22.57亿元首轮融资，投后估值接近100亿元。融资完成后，蔚来持股62.7%，外部投资者持股27.3%，另外10%由员工股权激励实体持有。
神玑NX9031当时已经累计出货超过15万套，而理想M100截至8月交付超过5万颗，理想芯片子公司的投前估值却比神玑投后估值高出约50%。
理想全系车型是眼下比较稳的一块。
只要理想能恢复到年销50万辆以上，马赫M100就有一个稳定的内部客户；基础车型用一颗、高配用两颗，芯片年需求可能达到数十万甚至更高的规模。理想可以向其他车企、机器人公司和具身智能创业公司提供芯片。
不过首批采用M100的外部客户，很可能仍是熟悉理想模型和软件体系的团队；只有出现与理想没有人员或业务关联的客户，并形成持续量产，才能证明M100从内部零部件变成了市场化产品。
云端推理芯片是更远的一步，也是本轮融资的直接背景。
理想正在探索采用相同数据流架构的云端芯片，用来承接智驾数据处理、仿真测试、大语言模型请求等推理任务。
车端与云端如果能复用计算单元、编译器和软件工具，前期研发投入就有机会被两个市场共同分摊。
马赫M100已经量产，车端芯片开始通过单车成本节省回收投入；云端芯片还处在新的投入周期里，它需要高带宽内存、多芯片互联、集群调度、动态批处理和数据中心软件生态。
◎ 车端任务相对固定，重点是低功耗、低延迟和稳定性；
◎ 云端要同时处理不同模型、不同长度的输入和不断变化的并发请求。
数据流架构在技术上可以用于云端推理，要与英伟达GPU或其他专用推理芯片竞争，比的是完成一百万次推理需要多少钱。
如果云端芯片只能在少数自有模型上取得高效率，却适配不了更广泛的模型，它仍然是理想内部的一项降本工具；能够形成标准化产品和外部客户，150亿元甚至更高的估值才有支撑。
理想2026年上半年研发费用约55亿元，其中有多少投向芯片项目，公司没有披露。车端、云端两个项目同时推进，芯片业务未来几年仍会持续消耗现金。
整车毛利率只有9.5%、上半年亏损近40亿元，让理想汽车独自扛下全部投入，芯片研发就得跟新车型、超充网络、电池、智能驾驶和海外市场抢钱。引入外部资本，等于把一部分风险转给产业投资者。
按150亿元投前估值计算，假设本轮融资20亿元，投资者融资后持股约11.8%；融资30亿元，对应约16.7%，实际比例还会受到老股转让、员工持股和交易条款影响。这笔钱除了支持下一代芯片研发，还让核心员工有了独立的股权激励通道。
2026年6月，理想向谢炎、马东辉和李铁合计授出3500万份购股权，其中谢炎获得1000万份，行权条件与公司长期市值表现挂钩。
芯片公司另设股权池之后，芯片工程师的激励将直接与芯片业务的融资、客户和估值挂钩，不用只等理想整车市值上涨。
稳定团队在这门生意里格外重要。
芯片业务研发周期长，一个项目可能持续三四年，而AI芯片和具身智能创业公司正在争夺同一批架构师、编译器工程师和软件人才。
独立融资解决的不只是研发经费，它也让团队看到一条更直接的回报路径。
作为内部芯片，M100可以围绕理想的车型、模型和电子电气架构高度定制；作为外供产品，它必须适配不同传感器、操作系统、模型和整车平台。
理想内部靠行政协调能解决的问题，到了外部客户那里，都要变成清晰的接口、开发文档、技术支持和质量责任。
