地平線10年征途：第四代BPU登場，打造物理世界AI底座
HiEV大蒜粒車研所 | 2025-12-12
25695
作者 | 肖恩
編輯 | 德新
深圳的冬天，總是讓人誤以為季節失準。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大會。
參加這次會議的，是中國乃至全球智能汽車產業鏈最有權利的技術決策者們：頭部主機廠的技術負責人、整車企業的智能化掌舵者、Tier 1的產品與研發決策者，以及一線的具身智能創業者。與其說是一場發布會，不如說這是地平線與它的朋友們共同召開的行業聚會。
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”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，而是由一整個生態的共同進化催生而成。
幾個月前，在地平線的夏季技術發布會上，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戰略：從獨自攀登技術的高峰，到與生態伙伴一起走向更廣闊的未來。
這家剛剛走過十年，穿越了數輪行業起落的公司，如今正為了新的目標再次啟程：攜手最廣泛的合作伙伴，讓曾屬于少數人的頂尖技術，真正服務于最廣泛的企業與用戶，實現智能時代的普惠。
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，幫助具身開發者打造「大小腦」。
一、BPU、編譯器和算法：通往物理世界AI的三大支柱
如果把時間撥回到2016年，當時傳統意義的摩爾定律已經開始顯露疲態，晶體管堆疊不再帶來線性增長的性能紅利，行業都在討論“摩爾定律是否失效”。剛剛創立的地平線提出了“新摩爾定律”——計算的發展將由面向智能任務的專用計算架構、算法與系統的協同優化所驅動，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，而算法則是優秀的作曲——三者協同，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架構都以數學家的名字命名。
這次，余凱也第一次系統解釋了每代命名背后的數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、每一塊區域給出一個0到1之間的數字，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秒的動態演化。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。當自動駕駛走向城區，問題又發生了變化。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，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，這需要系統理解物理世界背后的規律。自動駕駛所面對的空間——道路形態、車輛狀態、行人行為——看起來都是雜亂無章的高維數據，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、更連續的結構上。
這種結構，正是數學家黎曼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學巨匠。
在傳統CNN或Transformer芯片中，張量（Tensor）計算是主角——它擅長處理大規模矩陣、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、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，黎曼架構實現了關鍵算子算力10倍提升、高精度算子支持數量超過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在十年間實現了超過1000倍的性能提升，其進化速度遠超傳統摩爾定律。
編譯器：從手寫規則邁向AI驅動
在自動駕駛行業里，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行、如何調度數據、如何融合算子、如何復用存儲，使整顆芯片的有限資源發揮最大效率。
沒有強大的編譯器，再強的芯片也無法穩定發揮其最大性能。
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一的編程和優化環境。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，要做到極致優化會變得困難；在嚴苛功耗預算之下，要持續保持很高的硬件利用率也并不容易；而面向復雜系統時，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化對象。它更關心的是，在幾十瓦甚至個位數的能耗之內，怎樣榨干芯片的每一份算力。
早期編譯優化主要依賴工程師手寫啟發式規則，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，把最優或近似最優的執行路徑自動找出來。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。近幾年大語言模型的出現，第一次在數字世界里把多種任務統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開發的故事。他提到了一個關鍵的事件，那就是特斯拉FSD V12的發布，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來說這是一次重要的分水嶺。
在此之前深度學習技術的發展都集中在感知部分，而規控幾乎還是規則為主，這導致整個系統的表現始終無法達到人類的駕駛水平，即使行業能感覺到正確的方向在哪里，但是理論上可行和現實中落地之間有著巨大的鴻溝。FSD V12的出現就是告訴所有人，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，而是讓一個統一的模型直接學習從感知到控制的連續映射，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，它從海量駕駛數據中學習交通參與者之間的隱性協同行為、城市環境中人與車之間的互動方式，以及駕駛節奏、禮讓與意圖表達。它不再為“變道”“繞行障礙物”等行為單獨設定規則，而是讓它們作為交通規律的自然體現自動涌現。
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，訓練完整系統的成本可能高達數十億元，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，從而節省大量時間、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，則是與更多生態伙伴一起“同行”。
二、HSD Together，把城區智駕打到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，一家中國初創公司切入車規級智能駕駛芯片，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伙伴，讓他們能夠按照自己的需求去開發、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芯片的車型陸續上市，征程3之后開始大規模量產，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基于各自數據共同訓練；
上層是工具鏈、推理引擎和標定體系，支持合作伙伴在統一工程棧上進行二次開發。
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奏與規劃的基礎上，直接繼承地平線在車規智能計算上的全部積累。
奇瑞星途ET5和深藍L06首發HSD上車，則體現了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，以遠低于行業平均成本、也遠短于傳統工程周期的方式，讓城市NOA出現在主流價格帶的車型上。
HSD量產后的兩周內，激活數量已經超過了12000輛，更加印證了這個模式的成功。
單J6M城市NOA，把城區智駕打到10萬以內
年初行業內的口號是“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，現在HSD的量產則把城區輔助駕駛下探到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，而是用戶規模突破?！庇鄤P這樣宣告了單J6M的城區輔助駕駛方案，采用風冷的域控設計，可以完美適配燃油車，包括10萬區間的主流車型。
在他看來，城區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：從動作數據的采集與清洗，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“數據–模型–部署”的全鏈路。
與傳統“控制某幾個關節”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境中理解人類指令、讀懂場景結構，并規劃出一系列細膩、可靠的操作行為。
與傳統的“感知 + 規則 + 控制”三段式系統不同，HoloBrain直接在統一模型內部完成從多模態理解到動作決策的閉環，使機器人能夠以近乎人類的方式去完成任務。
從工程形態看，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觀測，以及自然語言或結構化任務指令，另一端輸出可執行的操作軌跡、抓取姿態和動作序列。
模型在訓練階段通過大量人類演示和真實交互數據，學習物體之間的關系、動作對環境的影響，以及任務執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，與哪些物體發生怎樣的接觸”，這正是操作智能中最難被手工規則窮盡的部分。
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、協作搬運，每一個任務都隱含著豐富的物理約束與人機協同模式。
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，而是在與產業伙伴的長期協同中被不斷驗證、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，“讓少數人的尖端，成為多數人的日?！?。
真正重要的技術革命，不以某個領先指標為終點，而要在大規模普及中完成意義的閉環——當城區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伙伴一道，把同樣的規模效應復制到軟件和大模型層面，共同奔赴“城區輔助駕駛方案HSD千萬量產”的下一個里程碑。
技術繼續向高，生態持續同行，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。
