2025年,L2级辅助驾驶在中国乘用车市场渗透率已经超过73%,NOA渗透率也已经超过43%。
2025年由此也被视为自动驾驶进入成熟期的关键一年。
这其中,作为为自动驾驶汽车高算力芯片的提供者、也是底层生态支撑者,地平线在十周年这年年底,筹备了首场技术生态大会。
在2025地平线技术生态大会上,我们看到了,地平线征程6系列芯片和L2级城区辅助驾驶系统HSD最新的商业进程。
地平线创始人兼CEO余凯在指出,“HSD已经在长安、奇瑞今年11月分别推出的深蓝L06和星途ET5量产车上实现商用,从我们云计算后台来看,这两款产品到目前为止,两周内HSD激活量已经超过12000。”
不过,这并不是地平线HSD的终极目标,在这次大会上,余凯还透露了两个更重要目标:
第一,地平线征程6P性能已经赶上了当前特斯拉主芯片算力,即将推出搭载第四代BPU架构黎曼的征程7系列芯片,将会赶上特斯拉下一代AI芯片算力,并将会同步推出;
第二,地平线将推动城区辅助驾驶进一步普及到10万元级国民车型。
在这两个目标中,一个是面向全球顶级自动驾驶技术的向上突破,另一个是面向更广泛的国民级汽车市场的向下下沉,而地平线为了实现这两个宏大目标做出的战略部署,也在这次大会上对外公开。

01 追平特斯拉,地平线的十年往事
2025年对于地平线而言,是尤为特殊的一年。
不仅因为这一年是地平线成立十周年,更因为地平线两个颇具里程碑意义的产品在这年4月正式发布,一个是征程6P芯片的发布,另一个是地平线HSD的发布。
前者象征着地平线终于在性能上追平了特斯拉当代主流AI芯片,后者基于征程6P实现了一段式端到端自动驾驶架构、让中国自动驾驶技术从可用走到了丝滑好用。

在这一年,回顾过往十年的创业历程,余凯将地平线的标志性里程碑事件和时间梳理如下:
2021年,地平线启动大算力芯片和软件规划;
2024年3月,地平线征程6E&M芯片回片并点亮;
2024年4月,地平线征程6系列推动高阶智能驾驶普惠;
2025年2月,地平线征程6M在BYD量产上车;
2025年3月,地平线征程6H&P芯片回片并点亮;
2025年4月,地平线发布征程6P+HSD;
2025年8月,地平线征程6E在广汽埃安量产上车;
2025年11月,长安深蓝L06、奇瑞星途ET5分别搭载HSD 300、HSD 600量产上市。

在这个过程中,不仅仅是地平线征程系列芯片算力越来越大,更重要的是背后的计算框架,也在不断面向AI进行更新。
如果从大的计算时代进程来看,我们已经经历了以个人电脑、智能手机、智能汽车几个重要产品为代表的时代变化,如今正在进入通用机器人的新周期,这其中,最重要的变化是,整个计算范式从传统的逻辑计算(CPU)转向了神经网络计算(NPU)。
作为人工智能时代的原住民,地平线在过往这些年里一共进行了四次算力架构迭代,余凯为四代BPU架构分别起了一个有意思的名字:
第一代,伯努利架构。
2016年,地平线研发了第一代BPU伯努利架构,主要面向ADAS场景,实现了高性能、低功耗感知计算,基于这一架构,地平线后来推出的征程2、征程3两代芯片,后来被广泛应用于高速目标检测。

第二代,贝叶斯架构。
2018年,地平线研发了第二代BPU贝叶斯架构,主要面向高速NOA场景,实现了从感知到预测的高效计算,基于这一架构,地平线又推出了征程5芯片。
第三代,纳什架构。
2021年,地平线研发了第三代BPU纳什架构,主要面向城区NOA场景,实现了交互式博弈的高效支持,基于这一架构,地平线推出的征程6芯片从感知、预测到决策的跨越。
作为地平线目前主推产品,征程6系列芯片也成了中国自动驾驶行业的一款标志性产品,这颗芯片发布第一年,就实现了百万颗出货量。
第四代,黎曼架构。
尽管地平线第四代BPU黎曼架构还未量产上市,但官方给出数据显示,基于这代架构的征程7系列芯片算力性能将提升10倍,算子增加数量将超10倍,支持全浮点运算,并能将大语言模型能效提升10倍。

之所以将新一代计算芯片架构取名为黎曼架构,余凯解释称,“是因为我们要通过这代架构通向终极人工智能、进一步逼近世界真相。”
此外,余凯还特别指出,“作为行业新人,我们过去一直处于赶路状态,到了征程6P,我们的性能规模、算力水平,基本上赶上了当前特斯拉主流AI芯片配置,征程7终于让我们能够赶上特斯拉下一代AI芯片水准,并会和特斯拉下一代AI芯片同步推出。”
02 让10万级的国民车,用上城区NOA
2025年,L2级辅助驾驶在中国乘用车市场渗透率已经超过73%,NOA渗透率也已经超过43%。
不过,对于大部分普通人来说,智能辅助驾驶技术依然并非汽车标配,这其中一个很重要的原因是,在占比高达50%的13万元以下的乘用车中,尚且没有标配城区辅助驾驶技术。
关于城区辅助驾驶渗透率,余凯在大会上给出了这样三个数据:
第一,中国乘用车成交价格分布来看,20万元以上乘用车占比30%,13万元-20万元乘用车占比20%,13万元以下乘用车占比高达50%;
第二,2024年,英伟达、华为等巨头已经推动高阶自动驾驶、城区NOA技术在20万元以上高端车型或豪车上应用;
第三,2025年,征程6P的发布、地平线HSD量产上车,推动城区NOA技术进一步下沉到了13万元-20万元车型上。

然而,即便如此,占据乘用车半壁江山的10万元级车型,依然没能用上城区NOA技术。
要想推动城区NOA技术进一步向下渗透,让这一技术真正普惠大众,这部分用户不能忽视。
正因如此,余凯在大会上指出,“基于单征程6M已经能够很好地实现城区NOA,而基于单征程6M的城区NOA即将在10万元级的车型上量产上车。”
据地平线官方公布的数据显示,地平线首批单征程6M的城区NOA量产合作伙伴包括博世、卓驭、轻舟三家芯片工具链厂商,以及DENSO、CARIZON、neueHCT三家算法服务厂商。

这样的生态合作,无疑将会加城区辅助驾驶技术在整个乘用车市场的渗透。
不过,作为地平线第一届技术生态大会,所谓生态二字,并非仅仅如此。
在此次大会上,余凯特别针对地平线的商业模式、生态布局,进行了详细的介绍。
要说生态建设,首先要明确地平线自身的核心能力,地平线现在巨资投入在打造的是面向物理AI的计算架构、编译器和基座模型。
这里值得一提的是,余凯对于HSD寄予了很高的期望。
他指出,这样的HSD是车企生态获客的“样板间”,是车企与其他生态竞争的“压舱石”,也是伙伴创新的“公约数”。
而地平线也正是基于这样的BPU、编译器、算法等,构建起了一个面向物理AI的技术生态,在这个生态中,地平线的核心商业模式在过去几年里也发生了一些改变:

在征程2到征程5产品量产期间,地平线的主要商业模式是卖芯片,同时也面向合作伙伴开放BPU IP授权、算法IP授权,提供参考设计,以支持合作伙伴设计自己的专用芯片。
在征程6量产后,在原有商业模式基础上,地平线开始进一步提供HSD一站式“样板间”。
而在这次大会上,余凯正式官宣,面向行业开放算法服务,也就是HSD Together。
具体而言,在算法服务过程中,地平线面向合作伙伴提供HSD基础模型授权、算法适配工程师和咨询服务、数据服务和艾迪SaaS平台。

那么,这样的HSD Together又能为车企带来怎样的变化?
据余凯在大会上公布数据来看,基于HSD Together模式,车企的人力成本、算力成本、时间成本都会实现90%的下降。

值得注意的是,本届大会英文名字,也正是HSD Together的缩写,而这样的合作模式,也正是余凯为地平线规划的生态法则。
03 通用机器人,下一个物理AI高地
2016年,地平线曾提出过一个“智能计算的新摩尔定律”。
对于这一定律,余凯的解释是,“当时我们意识到,通过不断提升晶体管的密度来提升性能,未来可能会难以为继,智能机器人配备的电池包比现在智能汽车要小,你无法为它配一个水冷系统来进行散热,但又希望它能干更多的活儿,所以人工智能时代需要优化的目标将会是每单位功耗下能够有效处理多少数据量。”

这就有了地平线提出的智能计算的新摩尔定律的三要素:BPU、编译器、算法,这也是地平线核心技术所在。
不过,地平线过往这些年面向这三要素进行的技术研发、产品构建,并非只是为了智能驾驶汽车,通用机器人是地平线锚定的另一个高地。
实际上,余凯一直有这样一个观点,“做不好自动驾驶,也无法成为机器人时代的优秀玩家,智能驾驶大模型是物理AI基座模型的开端。”

而就在地平线在自动驾驶领域的耕耘初见成效后,2024年年初,地平线进行了一个大动作——成立了一家面向机器人领域的子公司,地瓜机器人。
对于地瓜机器人,余凯在大会上给出了一个有趣的解释:地瓜机器人,顾名思义,就是地平线的“瓜”。

据悉,地瓜机器人目前已有量产产品100+,上下游合作伙伴100+,生态开发者10万+。
不仅石头、科沃斯、云鲸等规模量产的扫地机器人已经搭载了地瓜机器人的计算平台,在过去这一年里,诸如傅利叶、加速进化、恒之未来等具身机器人明星公司,也都用上了地瓜机器人的计算平台,打造出了一系列现象级产品。
实际上,地瓜机器人构建的机器人生态,也已经成为成为地平线面向名为“物理AI”的未来,迈出的重要一步。
好文章,需要你的鼓励
Anthropic推出Claude Code的Slack集成功能,让开发者能直接在聊天线程中委托编程任务。这项测试功能于周一以研究预览版形式发布,基于现有Slack集成增加了完整工作流自动化。开发者现在可以标记@Claude启动完整编程会话,Claude会分析消息确定合适的代码库,在线程中发布进度更新并分享审查链接。这反映了行业趋势:AI编程助手正从IDE迁移到团队协作工具中。
波恩大学研究团队首次量化AI训练的材料成本,发现一块GPU含32种元素,93%为重金属。训练GPT-4需消耗约7吨金属材料,其中多为有毒重金属。研究建立了从计算需求到硬件消耗的评估框架,发现通过软硬件优化可减少93%的资源消耗。该研究揭示了AI发展的隐性环境代价,呼吁行业从规模竞赛转向效率革命,实现可持续发展。
AI发展推动数据中心行业迎来前所未有的挑战与机遇。Switch公司消耗内华达州三分之一电力,展现了AI对电力需求的巨大规模。核能成为AI未来发展的关键,单个AI机架功耗可达1.7MW。预计到2030年,数据中心行业将消耗200GW电力。创新的星形配置设计和差异化备电策略正在重新定义数据中心的弹性架构,仅20%的工作负载需要发电机备份。
南开大学团队构建了迄今最大规模的结肠镜AI数据库COLONVQA,包含110万视觉问答条目。他们发现现有AI模型存在泛化能力不足和容易被误导等问题,因此开发了首个具备临床推理能力的结肠镜AI模型COLONR1。该模型采用多专家辩论机制生成推理数据,在综合评估中准确率达56.61%,比传统方法提升25.22%,为智能结肠镜诊断从图像识别向临床推理的转变奠定了基础。