El 15 de junio, Li Auto reveló en detalle los detalles de su chip autodesarrollado Mah M100 en una conferencia de prensa, el cual es el chip de conducción autónoma que ha creado para el nuevo L9 Livis. Xie Yan, el CTO, enfatizó: no se trata solo de fabricar un chip más rápido que los anteriores, sino de crear un chip completamente diferente. Esta "diferencia" se refiere a la arquitectura del chip.
En el año 2026, cuando los fabricantes de automóviles se agrupan en el desarrollo de sus propios chips, los TOPS son el argumento publicitario más utilizado. El NX9031 de Nio, el chip Turing de Xpeng y el MDC 810 Pro de Huawei, todos colocan la cifra de potencia de cálculo en la posición más visible. Li Auto opta por modificar desde la arquitectura subyacente.
El Mah M100 busca demostrar que la arquitectura es más importante que la cifra de potencia de cálculo. Pero si esto es correcto o no, aún necesita ser validado por el mercado.
01. División en el desarrollo de chips bajo la inflación de potencia de cálculo
Desarrollar chips propios ya es una elección común entre los principales fabricantes de automóviles en China.
El NX9031 de Nio es el primer chip de alto rendimiento para conducción autónoma de 5 nm del mundo. Su particularidad radica en el ISP autodesarrollado, que mejora la tasa de detección de peatones en condiciones de poca luz (1 lux) en un 40% respecto a los chips genéricos, reforzando específicamente la capa de percepción.
El chip Turing de Xpeng también es claramente personalizado, diseñado específicamente para el gran modelo de conducción autónoma de Xpeng, y planea extenderse a vehículos voladores y robots.
Huawei toma otro camino, utilizando el Ascend para el MDC, enfatizando la alineación completa entre el entrenamiento en la nube y la inferencia en el vehículo: "un minuto de entrenamiento en la nube, un minuto de seguimiento en el vehículo".
Estos fabricantes son variantes de la arquitectura Von Neumann: una unidad central de procesamiento, donde los datos se transfieren entre la unidad de cálculo y la memoria. Cuanto más avanzado es el proceso de fabricación, más rápido se realiza la transferencia, pero el Mah M100 busca cambiar la forma misma de transferir los datos.
02. Modificando la lógica subyacente
La arquitectura Von Neumann no tenía problemas en la era del cómputo general, pero la inferencia de grandes modelos es otra forma de cálculo. La inferencia VLM implica paralelismo masivo de matrices, no la ejecución secuencial de instrucciones, y el cuello de botella reside casi por completo en el ancho de banda de la memoria. La pérdida por el constante movimiento de datos hacia y desde la memoria consume directamente una gran parte de la potencia de cálculo efectiva.
El enfoque de la arquitectura de flujo de datos dinámico es hacer que los datos fluyan a lo largo del grafo computacional, sin necesidad de reingresarlos constantemente en la memoria. El resultado presentado por Li Auto es que la potencia de cálculo efectiva de un solo Mah M100 es aproximadamente 3 veces mayor que la del Thor U de Nvidia, con una reducción del 40% en la latencia de extremo a extremo.
¿Hasta qué punto es creíble esta cifra de "3 veces"? Hay una verificación externa como referencia. El artículo sobre la arquitectura del Mah M100 fue seleccionado para la sección industrial de ISCA 2026. ISCA es una conferencia académica de primer nivel en arquitectura de computadoras. Los artículos en la sección industrial pasan por una revisión por pares, los detalles del diseño de la arquitectura son públicos, y Li Auto es el primer fabricante de automóviles completo en ser seleccionado desde la creación de esta sección.
Pero la cifra de 3 veces tiene sus condiciones. La potencia de cálculo efectiva depende de la carga de trabajo específica. Los 3 veces obtenidos con el algoritmo VLA2.1 de Li Auto no necesariamente se mantendrían con otro sistema. El Mah M100 es un chip nativo del algoritmo, desarrollado simultáneamente con el modelo, y profundamente adaptado a su propio algoritmo. Es más potente ejecutando su propio modelo, no necesariamente en tareas genéricas.
Esto tiene una lógica de diseño similar a la del chip Turing de Xpeng, y el FSD Chip de Tesla sigue el mismo camino. La diferencia es que Tesla y Xpeng no realizaron un cambio de paradigma a nivel de arquitectura, mientras que el Mah M100 modifica la lógica subyacente. El que un fabricante de automóviles completo pueda llevar a producción una arquitectura completamente nueva y hacerla confiable es en sí mismo un desafío sin precedentes.
Con la implementación del Mah M100, Li Auto ha logrado la autodesarrollo completo de toda la pila: chip, compilador, sistema operativo, algoritmo de IA y controlador de dominio. Este ciclo cerrado es poco común entre sus pares.
Nio tiene un chip autodesarrollado pero una dependencia diferente del SO, Xpeng desarrolla su chip pero aún tiene dependencias externas en el compilador y el SO, Huawei tiene un ciclo cerrado pero no es un fabricante de automóviles completo. El significado estratégico de esta cadena para Li Auto es que no depende de la cadena de suministro de Nvidia, los datos no salen de su plataforma y tiene total autonomía para la optimización de la coordinación software-hardware.
03. Posicionamiento anticipado en "inteligencia corporeizada"
El chip fue solo uno de los protagonistas de la conferencia. Li Xiang también presentó la definición de "automóvil de inteligencia corporeizada de cuatro en uno" durante la presentación: un vehículo eléctrico, un conductor profesional, una computadora de IA y un asistente de vida.
Esto representa un gran salto respecto a la narrativa de marca anterior de Li Auto.
En 2023, el L9 penetró el mercado de 300.000 a 500.000 yuanes con el eslogan de "SUV familiar grande de seis plazas", y la línea de productos de primera generación basada en él se desarrolló. El problema de este posicionamiento es su bajo costo de replicación; ahora están entrando competidores como el M9 de AITO, el ES9 de Nio y el 9X de Zeekr. La nevera, la pantalla y el sofá grande se han convertido en equipamiento estándar de la industria, sin que nadie pueda marcar una diferencia significativa, dejando solo la guerra de precios.
El "automóvil de inteligencia corporeizada" traslada la dimensión de la competencia del equipamiento a las capacidades del sistema. En este marco, la nevera y la pantalla trasera son configuraciones básicas; el punto diferenciador se convierte en "qué sistema puede percibir, pensar y crecer". La definición de la categoría en sí misma es un activo estratégico; quien lo dice primero, ocupa la posición primero.
Li Auto ha equipado esta narrativa con una cadena tecnológica relativamente completa. La base de potencia de cálculo del Mah M100, el gran modelo de conducción autónoma Mah VLA2.1, los modelos base de lado del dispositivo Mah Mind-Pro y Mind-Edge, y el SO Xinghuan que conecta toda la pila, cada capa tiene su correspondiente producto implementado.
La conferencia demostró experiencias perceptibles como el vehículo moviéndose al ritmo de la música, un simulador de carreras 4D y el estacionamiento comandado por voz. Li Xiang también mencionó que la conducción autónoma es solo la "primera mitad" de la inteligencia corporeizada, y que los robots humanoides generales son la "segunda mitad", pero el cronograma específico y la ruta de implementación para esta segunda mitad aún no están claros.
04. La orden militar para el Q4
En la conferencia también hubo una declaración clave: el gran modelo de conducción autónoma Mah VLA de Li Auto alcanzará el mismo nivel que el FSD V14 de Tesla en el cuarto trimestre de este año.
El estilo habitual de Li Xiang es hacer compromisos públicos, utilizando la presión externa para forzar la ejecución interna. Al anunciar la igualación con el FSD V14 en el Q4, todos usarán esa vara para medir a final de año.
En cuanto a la ruta técnica, Li Auto y Tesla han elegido estructuras altamente similares: extremo a extremo + gran modelo VLA + visión pura como principal. Huawei sigue un esquema de lidar + fusión multisensorial + mezcla de reglas y redes neuronales, con una implementación de ingeniería estable a corto plazo y menores requisitos de potencia de cálculo. Pero a largo plazo, si la ruta de visión pura + gran modelo resulta ser la ganadora, el sistema de Huawei enfrentaría mayores costos de transición. Li Auto apuesta por la misma fe tecnológica que Tesla, y si este juicio es correcto o no, se verá a final de año.
Los compromisos de actualización OTA para el segundo semestre son específicos por mes. En julio, la eficiencia de la conducción autónoma mejorará un 30%; en septiembre, se implementará la capacidad de ceder el paso en caminos estrechos retrocediendo; en diciembre, el tiempo de reacción del vehículo se reducirá a 0.2 segundos. Cada hito tiene indicadores técnicos claros, y habrá datos para comparar a final de año.
05. Algunos datos más allá de la conferencia
La situación financiera actual de Li Auto no es fácil. Desde el cuarto trimestre de 2025, los ingresos de Li Auto han caído interanualmente, y el margen bruto del negocio de automóviles se ha reducido significativamente. Al mismo tiempo, el presupuesto de I+D para 2026 se mantiene en alrededor de 12 mil millones de yuanes, de los cuales aproximadamente el 50% está relacionado con la IA, básicamente igual que los 11.3 mil millones y el 50% de 2025. La inversión en I+D no disminuye, y la presión de rentabilidad persiste.
En cuanto a ventas, el objetivo de Li Auto para 2026 es de 550.000 unidades. En 2025, las entregas reales fueron de 406.000 unidades, y en mayo de este año, las entregas mensuales fueron de 33.000 unidades, aún mostrando una tendencia a la baja interanual. El L9 Livis obtuvo más de 10.000 pedidos firmes en las dos semanas posteriores a su lanzamiento, mostrando un rendimiento estable en el mercado por encima de los 500.000 yuanes, pero el volumen de entregas general aún necesita que la renovación completa de la serie L y la línea de productos puramente eléctrica se lancen en el segundo semestre.
A nivel de chip, la profunda vinculación del Mah M100 con su propio algoritmo es una elección de diseño que trae ventajas de eficiencia en la coordinación software-hardware. Esto también significa que, si en el futuro es necesario ajustar la ruta tecnológica, el costo de transición será mayor que para los fabricantes que utilizan soluciones de chips de terceros. El chip Turing de Xpeng y el NX9031 de Nio enfrentan situaciones similares, y el FSD Chip de Tesla también; esta es una característica común de la industria para los chips nativos de algoritmos autodesarrollados.
06. Las cartas se verán en el tercer trimestre
El lanzamiento del nuevo L9, la renovación cercana del L8, y el primer hito de actualización OTA en julio, la efectividad inicial de estas acciones se verá en los resultados financieros del tercer trimestre.
Xie Yan dijo que necesita fabricar un chip completamente diferente. Que el artículo sobre la arquitectura haya pasado la revisión por pares es un reconocimiento externo de este enfoque de diseño. Pero desde el diseño hasta la producción en masa, y luego hasta la retroalimentación real de los usuarios en su conducción diaria, aún hay un largo camino por recorrer. El hito de la actualización OTA de julio es la primera prueba, y la igualación con el FSD V14 a final de año es una prueba aún más crucial.
Este artículo proviene del WeChat Official Account "EnfatizarNext" (ID: leo89203898), autor: Yi Xiu, editor: Xiao Bai.
