近日，理想汽車聯(lián)合國創(chuàng)決策智能技術(shù)研究所正式發(fā)布端側(cè)大模型“軟硬協(xié)同設(shè)計定律”，提出面向車載與邊緣場景的大模型軟硬一體化設(shè)計方法，為下一代智能駕駛芯片的架構(gòu)定義提供了系統(tǒng)性理論基礎(chǔ)。此次成果不僅是一項理論創(chuàng)新，更是理想汽車在輔助駕駛?cè)珬Ｗ匝心芰ㄔO(shè)中的重要里程碑。從模型到芯片的聯(lián)合設(shè)計能力，標(biāo)志著理想汽車在算法與硬件深度融合方向上實現(xiàn)關(guān)鍵突破。

在輔助駕駛邁向全場景化的關(guān)鍵階段，車載算力平臺面臨一個核心悖論：一方面，以大語言模型為核心的視覺-語言-行動（VLA）系統(tǒng)需要更高的認(rèn)知能力，讓車輛像人一樣理解環(huán)境、做出判斷；另一方面，車規(guī)級芯片在功耗、散熱與成本方面都有嚴(yán)格限制，傳統(tǒng)通過“堆算力”換智能的方式已難以持續(xù)。通俗來說，要讓車輛擁有更聰明的“超級大腦”，卻不能無限增加“大腦容量”。

因此，未來競爭的關(guān)鍵不再是誰用更貴、更多的芯片，而是誰能在有限資源下，把每一分算力都用得更聰明、更高效。圍繞這一核心挑戰(zhàn)，全球多家科技巨頭都在積極探索“軟硬協(xié)同設(shè)計”的新路徑，而理想汽車通過產(chǎn)學(xué)研深度融合，推動中國技術(shù)在全球競爭中占據(jù)話語權(quán)。

此次發(fā)布的“軟硬協(xié)同設(shè)計定律”首次建立了可量化、可預(yù)測的軟硬協(xié)同數(shù)學(xué)框架，通過對模型精度與推理延遲進(jìn)行聯(lián)合建模，實現(xiàn)算法架構(gòu)與硬件資源之間的系統(tǒng)級優(yōu)化匹配，打破了傳統(tǒng)“先設(shè)計芯片、后適配算法”或“先開發(fā)算法、再尋找硬件”的割裂模式。

在成熟車載平臺上的驗證結(jié)果顯示，在保持相同推理延遲的前提下，協(xié)同優(yōu)化后的模型精度實現(xiàn)了顯著提升。這一成果證明，智能水平的提升并不必然依賴更高算力，而可以通過算法與硬件的深度協(xié)同實現(xiàn)系統(tǒng)能效躍遷。

基于此研究，理想汽車正在推進(jìn)的下一代自研智能駕駛芯片，將以算法需求為原點進(jìn)行架構(gòu)定義，在設(shè)計層面原生支持稀疏計算、動態(tài)資源調(diào)度與混合精度推理，打造面向車載VLA系統(tǒng)的“算法原生芯片”，實現(xiàn)更高能效比與更強智能表現(xiàn)。

未來，理想汽車將持續(xù)深化算法與芯片協(xié)同創(chuàng)新，推動端側(cè)大模型在輔助駕駛場景中的規(guī)?；涞?，為用戶帶來更安全、更高效、更智能的出行體驗。

論文標(biāo)題：Hardware Co-Design Scaling Laws via Roofline Modelling for On-Device LLMs

作者團隊：理想汽車 & 國創(chuàng)決策智能技術(shù)研究所

論文地址：https://arxiv.org/abs/2602.10377