理想汽车马赫VLA进化，第四季度对标特斯拉FSD V14能力

6月15日，理想汽车在Livis Day软件与具身智能发布会上，公布了马赫VLA能力下半年的演进路线。核心议程明确：第三季度，AD Max将首发推送全新马赫VLA；第四季度，目标是追平特斯拉FSD V14的能力水平。这意味着理想在智能驾驶领域，正凭借自研软硬件协同体系，直接对标行业标杆。

先看硬件基础。双马赫M100芯片提供2560TOPS算力，这组数字背后是算法层面的全面革新：模仿学习规模提升50%，强化学习规模直接翻15倍，模型参数量扩大10倍，模型计算量也提升15倍。简言之，这套系统的推理能力比此前高出多个量级，足以应对更复杂、更动态的驾驶工况。

更值得关注的是，理想今天还拿出了自研的全新基座大模型——马赫Mind-4系列，包含马赫Mind-Pro与马赫Mind-Edge。两款模型定位截然不同，但均以量产落地为核心目标。

先说马赫Mind-Pro。在业内公认难度最高、水分最少的权威基准测试中——包括IFEval指令跟随、LongBench-v2超长文本理解、AIME26高阶数学推理、BFCL-v4工具调用——它全部稳居第一梯队。在Agent专项领域，Claw系列榜单和PinchBench-v2实景实测中，综合性能甚至超越多数主流Agent模型。理想官方评价务实：在Token生成速度、任务完成质量、Token使用成本、端到端响应时延四个商业核心维度上，马赫Mind-Pro全面领先——它不是实验室样机，而是真正可量产、可部署、高性价比的实战型模型。其核心能力是原生Agent智能体，目前已在L9的Livis车载智能中全面落地。

再看马赫Mind-Edge。官方称之为“行业真正量产落地的端侧原生具身智能体”。这个表述分量很重，但技术路径足够扎实：采用多模态流式时序建模，使模型能连续理解动态物理世界，同时具备因果推理与自主决策能力。最关键的是，它可以直接输出动作指令，实时调用车辆硬件。Always-On全天候主动感知、人车交互、自主控车、多模态问答，全部在车端本地完成——数据无需上传云端。理想特别强调：马赫Mind-Edge并非云端模型裁剪的缩水版，而是从底层为车载场景原生打造的模型，是真正的端侧原生具身智能体。

这套组合拳下来，理想汽车在智能驾驶与车载智能体上的技术路线已十分清晰：大模型从云端到端侧分层部署，既追求通用智能的广度，也保障实时响应的深度。下半年关键看第三季度AD Max实际推送后的表现，以及第四季度能否真正对齐FSD V14。行业正拭目以待。