作者 |肖恩

德新

深圳的冬天，總是讓人誤以為季節(jié)失準。十二月的空氣帶著春天般的溫熱，就在這樣不似冬日的暖意中，一場同樣“熱鬧”的大會也在這里舉行——地平線的第一屆技術生態(tài)大會。

參加這次會議的，是中國乃至全球智能汽車產業(yè)鏈最有權利的技術決策者們：頭部主機廠的技術負責人、整車企業(yè)的智能化掌舵者、Tier 1的產品與研發(fā)決策者，以及一線的具身智能創(chuàng)業(yè)者。與其說是一場發(fā)布會，不如說這是地平線與它的朋友們共同召開的行業(yè)聚會

大會主題是“向高同行”?！跋蚋摺?，是地平線十年里不斷突破技術邊界的精神象征；“同行”，則是地平線對“生態(tài)”二字最樸素也最深刻的理解——真正的技術躍遷從來不是獨行者的勝利，而是由一整個生態(tài)的共同進化催生而成。

幾個月前，在地平線的夏季技術發(fā)布會上，余凱第一次提出“向高而行”，用來概括地平線過去十年的技術路徑，從“向高而行”到“向高同行”，雖然只是一字之差，卻是地平線進一步清晰表達了自己的長期商業(yè)戰(zhàn)略：從獨自攀登技術的高峰，到與生態(tài)伙伴一起走向更廣闊的未來。

這家剛剛走過十年，穿越了數(shù)輪行業(yè)起落的公司，如今正為了新的目標再次啟程：攜手最廣泛的合作伙伴，讓曾屬于少數(shù)人的頂尖技術，真正服務于最廣泛的企業(yè)與用戶，實現(xiàn)智能時代的普惠。

在大會上，地平線也釋放了眾多重磅信息，包括：

• 下一代BPU架構黎曼，地平線10年時間用4代BPU實現(xiàn)了1000倍算力提升；

• 酷睿程也將基于這一代BPU自主設計一款全新芯片C7H，瞄準500 - 700Tops算力；

• 地平線啟動全新的HSD Together開放模式，包括BPU、算法與模型，以及工具鏈；

• HSD量產兩周后，激活數(shù)量已經超過12000輛；

• 基于單J6M的城市NOA即將量產，將把智駕打到10萬以內車型；

• 面向機器人時代，地平線開源兩款基座模型HoloMotion和HoloBrain，幫助具身開發(fā)者打造「大小腦」。

如果把時間撥回到2016年，當時傳統(tǒng)意義的摩爾定律已經開始顯露疲態(tài)，晶體管堆疊不再帶來線性增長的性能紅利，行業(yè)都在討論“摩爾定律是否失效”。剛剛創(chuàng)立的地平線提出了“新摩爾定律”——計算的發(fā)展將由面向智能任務的專用計算架構、算法與系統(tǒng)的協(xié)同優(yōu)化所驅動，而不是單純依賴通用處理器工藝的線性演進。

十年后的今天，行業(yè)正在向打造物理世界AI邁進，余凱將AI計算比喻為一場硅基世界宏大的交響樂：“BPU計算是一流的交響樂團，編譯器是杰出的指揮，而算法則是優(yōu)秀的作曲——三者協(xié)同，追求極致的性能功耗比與性能成本比，打造出算法效率、硬件效率和靈活性的最優(yōu)解?！?/p>

BPU：從伯努利到黎曼，流形理論重塑征程7

從征程2上的伯努利到征程6上的納什，地平線每一代的BPU架構都以數(shù)學家的名字命名。

這次，余凱也第一次系統(tǒng)解釋了每代命名背后的數(shù)學來源以及對應的架構思想。地平線過去十年的芯片路線，其實是一部“把數(shù)學寫進架構”的技術史

• 伯努利架構：以概率讓世界顯形。早期ADAS的核心任務只有一個——“看見”?！翱匆姟辈⒉皇侨祟愔庇X里的“有”或“沒有”，而是對每一個像素、每一塊區(qū)域給出一個0到1之間的數(shù)字，表示“它屬于車輛、行人或標線的概率有多大”。所有感知網絡本質上都是在做這種概率估計。但是在當時有限的制程下，芯片無法承載大量的浮點運算，地平線率先使用更節(jié)省資源的定點計算來承載概率計算。伯努利作為概率分布的提出者，被視作這類任務最貼切的數(shù)學象征?；诖怂悸返仄骄€打造了征程2、征程3，它們所服務的高速 ADAS，本質上就是“把世界拆解成概率問題”。

• 貝葉斯架構：世界不是靜止的，未來需要被預測。當高速NOA進入主流，問題不僅是“看到了什么”，而是“接下來會發(fā)生什么”。汽車、行人、自行車的運動軌跡，都帶著復雜的時間依賴關系；一個模型必須能從當前時刻推斷未來數(shù)秒的動態(tài)演化。貝葉斯推斷正是處理這種“帶不確定性的時序預測”的核心數(shù)學框架。余凱本人在學術階段的大量研究也基于此，因此新架構被命名為“貝葉斯”，征程5就是基于此為高速NOA設計的芯片。

• 納什架構：城市交通是一個高維博弈系統(tǒng)。當自動駕駛走向城區(qū)，問題又發(fā)生了變化。城市里車輛與行人之間的互動不是簡單的物理模型，而是充滿策略性的“博弈”：誰先走、誰讓誰、預判對方的動作，往往不是規(guī)則決定，而是行為之間的相互影響決定?！凹{什均衡”的理論恰好刻畫了這種“多個主體基于對他人的預測做出決策”的系統(tǒng)，這一代的架構被命名為納什，采用這一架構的征程6家族芯片，能夠對復雜博弈場景進行實時響應，也這讓征程6成為最成功的一代芯片，量產交付的第一年就實現(xiàn)了超百萬級的出貨。

面向未來，自動駕駛的目標不是達到人類的駕駛水平，而是要遠遠超越人類，這需要系統(tǒng)理解物理世界背后的規(guī)律。自動駕駛所面對的空間——道路形態(tài)、車輛狀態(tài)、行人行為——看起來都是雜亂無章的高維數(shù)據(jù)，但真實世界并不會在這個高維空間中任意飄散，而會被約束在某種更低維、更連續(xù)的結構上。

這種結構，正是數(shù)學家黎曼150多年前提出的“流形”：它描述的是一種“整體可以無限彎曲，但局部永遠像一塊平面那樣可被準確刻畫”的空間?，F(xiàn)代AI正是沿著這一思想演化而來：圖像、語音、動作、交通參與者的行為軌跡，看似變化無窮，維度極高，但模型并不是在真正意義上處理“無限維度”，而是在學習一個潛在的、更低維度、連續(xù)且可預測的“世界流形”。

換句話說，深度學習的許多成功并非偶然，而是因為它隱含假設了：世界是有結構的，而不是無限混亂的

地平線將第四代BPU架構命名為黎曼，是致敬以“黎曼流形”理論揭示復雜空間本質的數(shù)學巨匠。

在傳統(tǒng)CNN或Transformer芯片中，張量（Tensor）計算是主角——它擅長處理大規(guī)模矩陣、卷積、注意力等“密集結構”，但流形的本質并不是大矩陣，而是向量。

軌跡、姿態(tài)、速度、加速度這些物理量本質上是向量場。張量計算負責把世界作為一個整體看清楚，而向量計算是讓模型真正理解“世界在局部是如何變化的”。

黎曼架構的底層思想可以概括為一句話：讓向量計算與張量計算各司其職、協(xié)同表達世界流形的結構

這一代架構將向量計算作為核心算子，讓BPU在處理物理世界問題時具備“幾何直覺”。

此外，黎曼架構實現(xiàn)了關鍵算子算力10倍提升、高精度算子支持數(shù)量超過10倍增加，支持全浮點計算，并在大語言模型場景中實現(xiàn)能效5倍提升。征程7系列芯片將全系搭載黎曼架構。

從伯努利到黎曼，地平線的BPU在十年間實現(xiàn)了超過1000倍的性能提升，其進化速度遠超傳統(tǒng)摩爾定律。

編譯器：從手寫規(guī)則邁向AI驅動

在自動駕駛行業(yè)里，大家習慣討論的是算力和模型大小，卻往往忽略了一個極其關鍵的技術層：編譯器。它決定一顆芯片的真實性能能否被完全激活，也決定一套自動駕駛模型能否在受限的功耗、面積、帶寬中穩(wěn)定運行。

如果把BPU比作一支能力極強但組織復雜的樂團，那么編譯器就是決定演奏品質的指揮家：決定哪個單元在什么時候執(zhí)行、如何調度數(shù)據(jù)、如何融合算子、如何復用存儲，使整顆芯片的有限資源發(fā)揮最大效率。

沒有強大的編譯器，再強的芯片也無法穩(wěn)定發(fā)揮其最大性能

英偉達在GPU時代構建起了CUDA、cuDNN、TensorRT這一整套工具鏈，目標是為盡可能多樣的模型和任務提供統(tǒng)一的編程和優(yōu)化環(huán)境。它追求的是強通用性，既要服務云端訓練，也要兼顧邊緣推理，既要支持各類視覺、語音、推薦模型，又要適配不同形態(tài)的硬件加速卡。在這樣的目標之下，英偉達可以允許幾十瓦乃至上百瓦的功耗，以大張量計算為中心，優(yōu)先追求整體吞吐和通用適配的效率。

但這種極致通用性帶來的代價也很明顯。面對特定的模型結構和特定的場景約束，要做到極致優(yōu)化會變得困難；在嚴苛功耗預算之下，要持續(xù)保持很高的硬件利用率也并不容易；而面向復雜系統(tǒng)時，要完全可控地管理端到端時延，往往需要在編譯鏈之外再做大量工程工作。

地平線的選擇幾乎是反向的。它的編譯器天工開物OpenExplorer，從一開始就不是為了服務“所有模型”，而是圍繞BPU這一專用架構深度定制，以車規(guī)低功耗、高實時性為第一約束條件，以自動駕駛算法為主要優(yōu)化對象。它更關心的是，在幾十瓦甚至個位數(shù)的能耗之內，怎樣榨干芯片的每一份算力。

早期編譯優(yōu)化主要依賴工程師手寫啟發(fā)式規(guī)則，但在高度并行、結構復雜的BPU上，這種方式迅速暴露出搜索空間巨大、難以遷移、架構一代更新就要重寫的局限。

此次地平線發(fā)布的第四代編譯器天工開物4.0，核心變化之一就是引入強化學習和蒙特卡洛樹搜索，把編譯過程本身視為一個連續(xù)決策過程。

編譯器會在龐大的可能空間中搜索那些人類肉眼難以枚舉的組合，把最優(yōu)或近似最優(yōu)的執(zhí)行路徑自動找出來。這樣一來，編譯時間從過去的小時級被壓縮到分鐘級，平均性能獲得20%以上的提升。

HSD：物理AI基座模型的開端

除了樂隊和指揮，AI世界還需要一個通用的曲譜。過去很長一段時間，AI 基本是一個任務一個模型，語音、推薦、視覺各自為戰(zhàn)。近幾年大語言模型的出現(xiàn)，第一次在數(shù)字世界里把多種任務統(tǒng)一到同一套大模型上，成了通用的基座模型。但在物理世界，還沒有這樣的基座模型。

余凱認為，自動駕駛作為物理世界應用最廣泛、復雜度最高的場景，是通往物理世界 AI 基座模型的關鍵路徑。

如果做不好自動駕駛，恐怕就無法在機器人時代占據(jù)一席之地。

HSD就是地平線的自動駕駛基座大模型，它是如何誕生的？

地平線首席架構師蘇菁在這次會上也分享了HSD開發(fā)的故事。他提到了一個關鍵的事件，那就是特斯拉FSD V12的發(fā)布，雖然對FSD的能力很多人持有不同的意見，但是對于自動駕駛行業(yè)來說這是一次重要的分水嶺。

在此之前深度學習技術的發(fā)展都集中在感知部分，而規(guī)控幾乎還是規(guī)則為主，這導致整個系統(tǒng)的表現(xiàn)始終無法達到人類的駕駛水平，即使行業(yè)能感覺到正確的方向在哪里，但是理論上可行和現(xiàn)實中落地之間有著巨大的鴻溝。FSD V12的出現(xiàn)就是告訴所有人，一段式端到端的方向不僅正確而且是可行的

這是一次范式的變革，HSD在此基礎上進一步走向工程化。與過去的自動駕駛軟件棧不同，HSD不再以功能模塊來劃分能力，沒有單獨的行車、泊車模塊，而是讓一個統(tǒng)一的模型直接學習從感知到控制的連續(xù)映射，把世界建模、行為理解、意圖預測和軌跡生成全部納入同一個結構中，實現(xiàn)了“Video in，Control out”。

如果你體驗過HSD，會明顯感受到其駕駛行為高度擬人。原因在于，它從海量駕駛數(shù)據(jù)中學習交通參與者之間的隱性協(xié)同行為、城市環(huán)境中人與車之間的互動方式，以及駕駛節(jié)奏、禮讓與意圖表達。它不再為“變道”“繞行障礙物”等行為單獨設定規(guī)則，而是讓它們作為交通規(guī)律的自然體現(xiàn)自動涌現(xiàn)。

余凱還回答了關于HSD的另一個問題：為什么地平線要做HSD？

原因在于，隨著輔助駕駛從高速NOA走向城市NOA，模型訓練成本急劇上升，訓練完整系統(tǒng)的成本可能高達數(shù)十億元，最終效果卻未必理想，且需要大量頂尖AI人才。為了讓更多客戶能夠承擔起技術成本，地平線打造了HSD，作為技術樣板間，讓客戶在地平線技術底座上快速構建系統(tǒng)，從而節(jié)省大量時間、算力與人力。

通過在BPU、編譯器和算法上的突破，地平線完成了“向高”的目標。下一步，則是與更多生態(tài)伙伴一起“同行”。

二、HSD Together，把城區(qū)智駕打到10萬級

如果說技術決定了地平線的天花板，那么生態(tài)則決定了它能走多遠。

地平線成立之初，智能駕駛市場遠沒有今日這般熱鬧，車企普遍認為ADAS是供應商交付的成品功能，而非值得投入的核心差異點。當時的ADAS市場被國際供應商壟斷，而黑盒交付的模式也讓車企既依賴又無奈。

“HSD Together”，智駕開放的新篇章

在這樣的背景下，一家中國初創(chuàng)公司切入車規(guī)級智能駕駛芯片，被認為是幾乎“不可能完成的任務”。但地平線沒有選擇選擇黑盒交付的模式，而是反其道而行：從第一天起，就以“開放平臺”進入市場。對地平線來說，“開放”不是口號，而是在當時的市場中，幾乎唯一現(xiàn)實的選擇。

于是，地平線做了一個在當時看來極具風險的決定：不僅提供SoC，還開放推理引擎、開放算法IP、開放工具鏈，甚至把模型訓練方法、標定體系也一起交給生態(tài)伙伴，讓他們能夠按照自己的需求去開發(fā)、調整智能駕駛能力。

開放模式讓地平線迎來了第一批合作伙伴和車企客戶，長安、上汽、奇瑞和理想等搭載征程2芯片的車型陸續(xù)上市，征程3之后開始大規(guī)模量產，征程5則撬開了中高端市場；征程6真正遍地開花，迎來國內多家主機廠定點，地平線的朋友圈開始真正擴展——從最早愿意嘗試的平臺型車企，到如今幾乎所有頭部OEM、國際Tier 1都進入了地平線的生態(tài)圈。

進入征程6時期，地平線在開放的模式上再進一步，推出了“HSD Together”模式，它不是簡單地把HSD當作黑盒方案賣給所有人，而是將其拆解為可組合的多層結構：

• 底層是BPU架構，可通過IP授權方式讓客戶基于地平線架構設計自己的高算力芯片；

• 中間層是HSD的算法和模型，可通過算法服務或模型IP授權的方式交付，與OEM和Tier1基于各自數(shù)據(jù)共同訓練；

• 上層是工具鏈、推理引擎和標定體系，支持合作伙伴在統(tǒng)一工程棧上進行二次開發(fā)。

酷睿程將基于地平線第四代BPU自主設計一款智能駕駛芯片C7H，采用3 - 4nm制程，AI算力達到500 - 700 TOPS，將和大眾中國下一代CEA電子電氣架構深度適配，作為該架構下的核心智駕算力平臺。

地平線不再只是芯片供應商，而是將BPU架構授權給伙伴，讓他們在堅持自研節(jié)奏與規(guī)劃的基礎上，直接繼承地平線在車規(guī)智能計算上的全部積累。

奇瑞星途ET5和深藍L06首發(fā)HSD上車，則體現(xiàn)了HSD Together在“算法/產品側”的另一種落地路徑。

地平線提供的是已經跑通的大模型和工具鏈，車企把精力集中在功能定義、體驗打磨、車型集成上。結果就是，以遠低于行業(yè)平均成本、也遠短于傳統(tǒng)工程周期的方式，讓城市NOA出現(xiàn)在主流價格帶的車型上。

HSD量產后的兩周內，激活數(shù)量已經超過了12000輛，更加印證了這個模式的成功。

單J6M城市NOA，把城區(qū)智駕打到10萬以內

年初行業(yè)內的口號是“智駕平權”，希望讓更多的消費者能體驗到高速NOA功能帶來的安全與便利，現(xiàn)在HSD的量產則把城區(qū)輔助駕駛下探到15萬元的車型，那么下一步是什么？

今年前三個季度，乘用車的銷量按照價格區(qū)間劃分，20萬以上車型占30%，13萬 - 20萬占20%，而13萬以下的車型占50%。

過去的城區(qū)輔助駕駛方案需要大算力芯片、昂貴的傳感器以及巨額的研發(fā)投入，因此只有20萬以上的車型才能享受到這樣的功能，HSD已經把好用的城市NOA功能帶到了13萬（深藍L06）和15萬（星途ET5）的車型上，但是那些10萬區(qū)間的車主，就不配擁有這樣的功能嗎？

“智能駕駛普及的真正拐點，從來不是技術突破本身，而是用戶規(guī)模突破?！庇鄤P這樣宣告了單J6M的城區(qū)輔助駕駛方案，采用風冷的域控設計，可以完美適配燃油車，包括10萬區(qū)間的主流車型。

在他看來，城區(qū)輔助駕駛不應該是高高在上的功能，而是應該成為每一輛汽車的標配，它應該是汽車行業(yè)新時代的“自動擋”。

首批基于單征程6M的合作伙伴，有兩種不同的合作模式：

第一種是經典的基于芯片、工具鏈參考設計所提供的這種合作模式，博世、卓馭和輕舟正在基于這種模式開發(fā)J6M的產品。

第二種是HSD Together模式，地平線與電裝、大眾的合資公司酷睿程、HCT將采用這種模式，推出好用的城區(qū)輔助駕駛。

三、向機器人邁進，成為物理世界的AI基座

除了智能汽車，地平線也已經成為中國最大的「消費類機器人計算方案供應商」。

地平線和子公司地瓜機器人已經與合作伙伴推出了超過100款的消費類智能產品，連接上下游超100家合作伙伴，以及10萬余名開發(fā)者。

從云鯨掃地機器人，到維他動力能提供情緒價值的無遙控自主移動機器狗，再到革新影像創(chuàng)作的影石Insta360全景無人機，都采用了地瓜的計算方案。

下一階段AI將邁向具身智能時代，要讓機器人真正走向現(xiàn)實世界，不僅要像人一樣思考，還需要和人一樣行動。地平線也正式發(fā)布面向機器人的開源基座模型HoloMotoion和HoloBrain。

HoloMotion：讓機器“動得像人”

HoloMotion是一套面向人形與具身機器人的“全身控制基礎模型”，目標是在真實世界中實現(xiàn)魯棒、實時、可泛化的整機運動控制。它并不是一個孤立的策略網絡，而是一整套端到端的工程體系：從動作數(shù)據(jù)的采集與清洗，到人類動作向不同機器人形體上的重定向，再到分布式大規(guī)模訓練、評測驗證，直至通過ROS2等中間件無縫部署到真實硬件上，完整覆蓋了“數(shù)據(jù)–模型–部署”的全鏈路。

與傳統(tǒng)“控制某幾個關節(jié)”的思路不同，HoloMotion關心的是整個人形在各種任務與地形下能否保持自然、連貫、穩(wěn)定的動作風格。

它通過模仿學習與強化學習相結合，從海量人類運動中學習“身體的語言”，再在此基礎上向不同形態(tài)的具身平臺遷移，讓機器人先獲得“身體的智慧”，再談更高層的任務與語義。

這并不是一條與自動駕駛平行的新技術線，而是自動駕駛里那塊“軌跡、控制與動力學能力”的自然外延：從讓車在物理世界里動得正確，走向讓任意具身載體在物理世界里動得優(yōu)雅、安全

HoloBrain：讓機器“像人一樣思考”

如果說HoloMotion是機器人的“小腦”，負責讓身體在真實世界里運動得自然、穩(wěn)定，那么HoloBrain就是它的“大腦”，指向的是操作智能和世界模型能力。

HoloBrain采用VLA架構，重點解決的是機器人如何在復雜環(huán)境中理解人類指令、讀懂場景結構，并規(guī)劃出一系列細膩、可靠的操作行為。

與傳統(tǒng)的“感知 + 規(guī)則 + 控制”三段式系統(tǒng)不同，HoloBrain直接在統(tǒng)一模型內部完成從多模態(tài)理解到動作決策的閉環(huán)，使機器人能夠以近乎人類的方式去完成任務。

從工程形態(tài)看，HoloBrain本質上是一種輕量、可實時推理的操作世界模型：一端接收來自攝像頭、力矩傳感器等的連續(xù)觀測，以及自然語言或結構化任務指令，另一端輸出可執(zhí)行的操作軌跡、抓取姿態(tài)和動作序列。

模型在訓練階段通過大量人類演示和真實交互數(shù)據(jù)，學習物體之間的關系、動作對環(huán)境的影響，以及任務執(zhí)行過程中的時序與因果結構；在推理階段，則以較小算力開銷完成“看懂場景–拆解任務–生成動作”的完整鏈條。它關心的，不再只是“手應當移動到哪里”，而是“在什么順序、以怎樣的力度和軌跡，與哪些物體發(fā)生怎樣的接觸”，這正是操作智能中最難被手工規(guī)則窮盡的部分。

與智駕大模型相比，HoloBrain面對的是更高維度、更細粒度的接觸與操作空間：從開門、抽屜、按鈕，到抽取物體、擺放物品、協(xié)作搬運，每一個任務都隱含著豐富的物理約束與人機協(xié)同模式。

因此，它可以被視為“面向具身機器人、以操作為中心的世界模型雛形”：智駕中的HSD負責在大尺度空間里理解道路與交通參與者，而HoloBrain則在局部空間里建模物體、工具與雙手之間的交互。兩者共享同一種“物理世界觀”，前者處理“如何在世界中移動”，后者處理“如何與世界發(fā)生作用”，共同構成面向機器人時代的通用物理智能基座。

四、千萬出貨之后，地平線的未來圖景

對地平線來說，技術的演進從來不是一家公司單向推動的，而是在與產業(yè)伙伴的長期協(xié)同中被不斷驗證、放大和普及。

過去幾年，從征程2到征程6，從芯片、編譯器到大模型，技術在向上生長的同時，也在被越來越多主機廠、Tier 1和開發(fā)者吸收、改造，最終變成用戶日?？筛兄漠a品體驗。

余凱在演講中提到，“讓少數(shù)人的尖端，成為多數(shù)人的日?！薄?/p>

真正重要的技術革命，不以某個領先指標為終點，而要在大規(guī)模普及中完成意義的閉環(huán)——當城區(qū)輔助駕駛能進入十萬元級車型，當具身智能能力通過開源與生態(tài)擴散被更多場景復用，技術的價值才真正落在社會層面。

截至目前，從征程2到征程6，地平線征程家族芯片累計出貨已超過1000萬套，這是行業(yè)對這一路線的階段性投票。面向未來三到五年，地平線希望與更多生態(tài)伙伴一道，把同樣的規(guī)模效應復制到軟件和大模型層面，共同奔赴“城區(qū)輔助駕駛方案HSD千萬量產”的下一個里程碑。

技術繼續(xù)向高，生態(tài)持續(xù)同行，讓智能能力在成本可承受、體驗可感知的前提下，真正走進更多普通用戶的日常生活。