<mark id="oztn4"></mark>
0
機器人賽道火熱的當下，整個行業都在鉚足勁，爭奪量產級商業化機器人的首個落地者席位，自動駕駛與機器人的探索邊界正在模糊，小鵬與特斯拉也從智駕切入了機器人賽道。
同樣橫跨智駕與具身智能的地平線選了另一條更小眾但更寬敞的路：它不造車和機器人的硬件軀體，而是將目光聚焦到：能驅動智能硬件的AI大腦。
這一戰略選擇，也在地平線上周落幕的首屆技術生態大會上得到了印證。大會的主題定為“向高，同行”，地平線給出更深層次的解釋為：要從「向高而行」走向「向高同行」，通過推動底層計算技術向更高性能演進，以及搭建一個開放的通用型機器人計算平臺，和行業玩家一同前進，加速生態進入智能汽車和通用機器人時代，打造機器人時代的Wintel。
成為機器人時代的Wintel，并非臨時的賽道選擇。早在成立之初，地平線就錨定了“為未來無處不在的機器人提供計算平臺”的方向，這也正是“地平線機器人”這一名稱的由來。
個人電腦時代前，不同架構計算機需適配專屬操作系統，軟硬件割裂嚴重，用戶與開發者苦不堪言。英特爾憑借處理器技術、微軟依托Windows系統組成Wintel聯盟，以統一標準打破兼容壁壘，吸引海量廠商與開發者參與，最終占據全球PC市場超80%核心份額。
移動互聯網時代，Arm架構以低功耗優勢適配移動設備需求，谷歌Android系統則降低開發門檻，二者組成的生態打破了PC時代的技術壟斷，支撐起全球99%的智能手機發展，更催生出App生態、物聯網等全新產業形態。
在這些過往的歷史背后，可以看到一個清晰的軌跡：時代的真正變革，都始于一個能讓全行業共贏的基座底座。
余凱認為，汽車自動駕駛賽道已經臨近交卷，但機器人賽道則是剛剛開始，自動駕駛是單個賽道，可以分出名次，但是機器人的應用場景是一萬條賽道，有很多種可能的成功。
從趨勢來看，具身賽道爆發的浪潮正在重演過去的Wintel聯盟，未來智能競爭的核心，并非某個孤立的硬件形態，而是能串聯并驅動無數軀殼的底層“機器大腦”。
這場跨越智能駕駛到具身智能的浪潮，從終端科技企業蔓延到了產業鏈上游的供應商企業。
同樣以汽車自動駕駛方案商起家、覆蓋智能駕駛與具身智能、自研軟硬件、平臺化生態的多重耦合，讓地平線成了最像特斯拉的一家供應商。
在技術路徑研發上，地平線與特斯拉堅定自研“芯片+算法”的選擇多有不謀而合。特斯拉自研FSD芯片適配自身算法需求，地平線則通過自研征程芯片與算法軟硬結合打造了HSD方案，HSD智駕系統在擬人感與流暢度上的亮眼表現，更是讓其被稱為中國版的FSD。
戰略布局上的趨同同樣明顯，特斯拉將智能駕駛技術快速復用到Optimus機器人身上。而在上周的地平線技術生態大會上，余凱也拋出過一個觀點：不論機器人亦或是各類具身智能，最終都需要一個通用的、適用于物理世界的AI基座模型。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。
在他看來，智能駕駛大模型是物理AI基座以及具身智能的開端，而這一點在地平線的創立之初埋下過伏筆。
余凱回憶，在十年前地平線創立之初，公司就被命名為地平線機器人（Horizon Robotics），并在創立之初就立志要做“機器人大腦”。起初，規劃了兩條并行賽道：一個是汽車自動駕駛；另外一個是車規級系統之外各類機器人的豐富應用場景。
盡管后來收縮戰線，全力聚焦在汽車自動駕駛上，但地平線做機器人的夢想從未熄滅，地平線內部也始終保留著一支小團隊深耕機器人技術。現如今，地平線已經成為中國最大的消費類機器人計算平臺，連接著超100家上下游合作伙伴與10萬余名開發者。
當下，以一個技術基座賦能汽車、機器人乃至更多物理AI場景，進而衍生生態，已成為眾多頭部科技企業的共識。同時，這種技術同源的底層關聯，也注定了深耕智駕的玩家會自然延伸至具身智能領域的敘事走向。
特斯拉如此，小鵬如此，十年前就錨定了機器人賽道的地平線機器人亦是如此。盡管各家在這個過程中各有差異，但最終都走向具身智能的步伐也稱得上是一場科技圈共識的殊途同歸。
但剝開技術路徑的相似性，兩者的核心定位又各有自身特色，特斯拉的技術閉環最終指向「芯片-整車-機器人」的全鏈條掌控，并追求更趨封閉的生態模式，本質是對自身核心能力的深度強化與壁壘鞏固。
地平線則明確是要做生態的技術底座，更像是供應商界不造車、不造機器人的特斯拉。
“不做終端、只做底座”的定位選擇，讓地平線必須回答一個比特斯拉更復雜的問題：當具身智能呈現出“一萬條場景賽道”的分散性時，如何為萬種機器人提供穩定、高效、通用的技術底座？
地平線要提供的不能只是一個腦子本體，必須是一個高效的腦子，并且要有足夠冗余的技術領先空間保證各類賽道的快速迭代。
地平線在技術生態大會上給出的答案是：從「軟硬一體」的路徑選擇，到「BPU+編譯器+基座模型」的鐵三角搭建。
“沒有芯片的操作系統是空中樓閣，脫離操作系統的芯片是一堆廢鐵”，智駕史的教訓讓地平線從創業之初就認準了軟硬結合的路徑。
在自動駕駛進入交卷期，地平線交出了城區輔助駕駛系統(HSD)的量產答案后，余凱依舊認為，在L5級自動駕駛需求被滿足之前，智能駕駛一定是軟硬結合路線，才能帶來更高系統效率。
這個邏輯，同樣被地平線復用在機器人領域，通過“BPU計算IP+編譯器+基座模型”三大支柱構成大腦能力的底層技術基座。可以完成擁有高算力到高效使用算力，最后完成場景化的完整AI計算閉環，余凱稱之為——智能計算“新摩爾定律”。
如果把AI計算比作一曲交響樂，BPU是「交響樂團」，編譯器是「指揮」，基座模型則是「通用曲譜」，地平線的自研芯片，則是讓樂隊穩定發揮的熟悉舞臺。
作為算力引擎，地平線的BPU已經迭代至第四代。
第一代伯努利架構主要攻堅定點計算，可支撐芯片在ADAS領域實現低功耗高效運行，并應用于征程2、征程3芯片。第二代的貝葉斯架構聚焦預測能力，可支撐高速NOA場景，應用于征程5芯片。第三代納什架構引入博弈決策應對城區復雜路況的智駕難點，并推動征程6在12個月內實現百萬級出貨量。
生態大會披露的第四代黎曼架構則更聚焦通用智能，通過算子利用率優化讓核心性能提10倍，高精度算子支持數量增加10倍，能效比提升5倍，能適配更高算力需求的具身智能產品。
余凱將「黎曼架構」稱為地平線走向通用機器人計算的終極架構，黎曼架構將搭載于征程7，對標特斯拉的下一代AI5芯片。
硬件決定算力上限，編譯器則是讓算力高效的關鍵。
算力空轉早已是AI行業揮之不去的共性痛點。有不少車企花大成本搭載了數百TOPS算力的芯片，但在實際運行城區NOA功能時，硬件利用率不足一半。
機器人領域更甚，工業機器人的運動控制算法往往只用到芯片算力的三成，剩余算力要么因指令調度混亂閑置，要么被冗余的計算流程消耗。
這種“硬件堆得狠，實際用得笨”的現狀，更深層的問題在于編譯環節的天然瓶頸：多數通用編譯器首次執行算法時，需耗費大量時間進行編譯與緩存。而當編譯器完成適配時，復雜場景的計算需求又早已發生變化。
針對傳統編譯器的瓶頸，地平線引入了AI驅動的優化策略，天工開物OpenExplorer4.0版本，強化學習優化編譯，編譯速度從小時級縮短至分鐘級，性能提升20%。同時，地平線自有的軟硬協同的調度能力，可以把空轉的算力真正用在刀刃上，HSD系統的決策延遲從300ms（毫秒）壓到160ms。
具身智能基座模型則是實現機器人產品能力輸出的橋梁，地平線近期發布的HoloBrain（大腦）和HoloMotion（小腦）是最新的落地成果。
HoloMotion針對運動控制，可以適配任意動作、地形，在S100/S600芯片上以50赫茲高幀率運行，讓機器人爬坡、轉彎更穩。目前，地平線的HoloMotion已在GitHub開源，并獲得斯坦福、清華等機構的使用。
HoloBrain則負責更深度的思考和學習，基于「大規模人類數據預訓練+VLA模型空間感知增強+世界模型強化學習」的架構，可實現媲美人類的空間感知能力與精細操作水平。
三大技術支柱的最終融合，指向地平線正以更強大、更通用的計算底座，從智能汽車邁向機器人時代，構建屬于機器人的Wintel式生態。
地平線選擇開源核心技術大腦，既是對“成為機器人時代Wintel”初心的踐行，也藏著其在智能駕駛賽道沉淀出的產業思考。
在過去的智能駕駛研發中，余凱意識到：單純燒錢投入高昂的訓練成本，未必能換來理想結果。
在智能汽車賽道上，自研一度成為車企的執念。從智駕芯片到算法系統，不少主機廠試圖構建全鏈路閉環。
有行業數據顯示，即便是頭部車企，獨立完成高階智駕系統開發的周期平均超過1年甚至更久，且研發投入是生態合作模式的3倍以上。更現實的是，真正能實現技術落地并盈利的自研案例寥寥無幾，多數投入最終陷入"研發-落后-再研發"的循環。
一汽奔騰副總經理楊興龍在大會上的感慨道：“固守封閉體系無異于刻舟求劍，在智能化浪潮下，協同才是時代必然。”
香港大學數據科學研究院助理教授李弘揚拋出相似觀點：開源不是最終目的，而是生態共建。
共鳴之下，地平線推出了HSD Together模式。
跳出了傳統賣芯片附贈參考算法的淺層合作框架，升級為全棧式算法服務體系。地平線將自身投入巨額研發打造、且經過市場驗證的全場景智駕系統（HSD）作為成熟"樣板間"，向合作伙伴開放。提供白盒或黑盒授權，開放范圍甚至涵蓋最核心的基座模型。
余凱將HSD Together模式形容為：該模式就像前面有一匹好馬，地平線會扶客戶上馬，甚至陪客戶走一段路。
而在機器人賽道，自研執念的代價變得更加沉重。
與汽車單一場景不同，機器人涵蓋家庭服務、工業制造、醫療輔助等數十個品類，若每個企業都從頭搭建底層架構，不僅會重復消耗行業資源，更會錯失通用機器人浪潮的窗口期。
并且，人工智能時代的技術突破邏輯已完全不同于傳統軟件時代——傳統軟件研發更像標準化工程，進度、結果都可預見管理，而AI技術突破卻帶著偶發性、間歇性的特質，很多技術突破可能只是幾個工程師在算法參數或模型結構上的靈光一現。
加之如今模型迭代速度已提速到以月為單位，行業整體節奏不斷加快，單家企業要靠自身覆蓋所有場景的研發需求，既不現實也難以跟上迭代步伐。
機器人行業的現實研發困境也更為突出：應用場景高度碎片化，從家庭掃地到戶外割草，從工業搬運到服務家庭，每個場景的需求都截然不同。
多數企業都面臨數據短缺、開發工具及環境匱乏的不同困境，一家做割草機器人的初創公司，可能連不同地形的障礙物數據都湊不齊。研發四足機器人的團隊，往往要花數月時間搭建開發框架。
這些碎片化的難題，單靠一家企業自身從0到1的突破，需要耗費大量的時間和成本。
而一個可通用的底層方案，會帶來效率大幅提升，加速生態成型。基于這種思考，地平線推出具身智能開源模型和HSD Together模式，同時，明確其生態定位：無論在智能駕駛時代亦或是機器人時代，地平線都選擇只造兵器不打仗。
地平線旗下地瓜機器人CEO王叢認為，具身智能行業終將走向場景多元、生態各異的方向，注定不會是一個寡頭壟斷的市場。
而生態模式的分野也正源于此，一種是特斯拉式的"帝國模式"，以閉環生態掌控從芯片到整車的全鏈條，用極致管控定義單一品類的終極體驗。
另一種則是地平線選擇的生態模式，不做最高的那棵樹，而是成為生態生長的土壤。二者究竟孰優孰劣，在AI智能時代，或許沒有唯一的答案，所謂"不造車、不造機器人的特斯拉"，是地平線選擇跳出產品競爭擁抱生態的一種答案。
在如今的具身智能B端、C端以及工業具身等明星企業中，地平線土壤上生長起來的具身智能故事正在繁衍。
張玉峰曾任地平線智能汽車事業部總裁，今年8月離開地平線后創辦了聚焦于B端工業場景的無界動力。地平線智能駕駛總裁余軼南，2024年離開地平線后，創辦了聚焦C端機器人產品的維他動力。
在首屆技術生態大會上，余軼南、張玉峰等創始人受邀再回地平線，對機器人賽道創業做了分享。
維他動力CEO 余軼南
有前地平線人向雷峰網坦言，“余凱是一個戰略型的創業者，這是與很多創業者最根本的不同，他的視角沒有局限在未來的五年要做什么，而是圍繞一個機遇可以把盤子做多大。”
更長遠來看，基于生態的理念，地平線可以快速培育出一個“地平線系”，提升具身智能產業鏈的協同效率，最終達成地平線的生態賦能者定位。
在這次生態大會上，有一位業者向雷峰網傳達了一個非常有意思的論點：如果百度是中國自動駕駛的黃埔軍校，那么，地平線或許就是未來中國PhysicalAI的黃埔軍校。雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
