余凱預告征程7+BPU黎曼架構：要讓系統逼近真理！

今日（12月8日），在2025地平線技術生態大會上，地平線創始人兼CEO余凱進行了開場演講。

在他看來，軟硬件協同與優化，需要通過芯片架構、編譯器、操作系統、工具鏈以及算法來共同推動，這就像是「硅基世界中的一組宏大交響樂」。

這其中，地平線的BPU相當于交響樂團，它將豐富的算子組成整體的軟件計算；編譯器是指揮家，他需要讓每一個算子互相配合；而算法就是優秀的作曲者，如今的「作曲者」就是Foundation model。

從他的詳細介紹來看，地平線接下來將以黎曼架構和征程7為全新樂章，奏響更加令人興奮的機器人時代最強音。

從高斯到納什

地平線架構演變

地平線第一代的芯片的架構設計（高斯架構），主要針對「感知計算」。當時的芯片制程并不先進，所以要花更多的力氣去做功耗優化。

在第二代伯努利架構中，地平線推出了征程2征程3，它們的任務是「目標檢測」，但還難以對交通參與者的行為和軌跡進行預測。

在第三代的貝葉斯架構中，地平線面向高速NOA開發了征程5芯片，可以實現感知、預測和決策。

到了當下的納什架構中，面向城市NOA的征程6，打破了地平線的量產速度紀錄，第一年就達到了百萬級的出貨量。

全新黎曼架構

可堪特斯拉AI5水平

“機器算法的本質是什么？是通過大量的用戶行為數據去學習用戶喜好，所以目前最好的人工智能系統是逼近人，從來沒有說超越人。”

余凱指出，如果棋盤上有一個「神」，那Alpha Go相當于找到了這個「神」。“我們的目標不是要逼近理性世界，而是要達成邏輯思考的終極水平。”

他認為，自動駕駛也還處于早期發展過程中，因為其終極目標是要比人類司機高1到N個數量級。

“我們一定要讓系統去逼近真理。所以人工智能時代的產品邏輯，不是要洞見人間煙火，而是逼近世界的真相。”

他表示，道路上的交通情況看似紛繁復雜，看似數據非常高緯，但其中必然蘊含著一些低維結構，例如非線性的低維結構，也就是manifold（數據流形）。

“這個世界是有底層的簡單結構的，這其實就是manifold，流形深度學習的目的，實際上就是逼近這個世界的真相。”

所以，地平線全新升級的BPU架構，就致敬數學家黎曼，他是第一個在非歐幾里得空間中建立非線性流形的理論，也就是manifold。

對于第四代的黎曼架構，地平線無疑會推出更大的算力，但肯定不會只是大算力，而是要通過算法和架構的優化，提升算子的硬件利用率，從而讓算子性能提升10倍，擁抱更復雜的算法。

“要想讓算子性能比征程6這一代提升10倍以上，同時達成更高能效比，我們需要在計算架構層面實現全面突破：不僅要升級Tensor Core加速引擎以強化張量計算核心，也要實現向量計算單元的全維度支持，大幅提升部署的精度和效率…敬請期待地平線正在醞釀的征程7家族，及其全系搭載的BPU黎曼架構。”

余凱表示，過去地平線一直都是「趕路」的狀態。但到了征程6P，基本上性能、規模和算力水平，都已經趕上了特斯拉當前的AI4（HW4.0）。等到了征程7，就會達到特斯拉下一代AI5的水平。

“對于典型的CNN架構，我們的FPS比貝努利架構提升了1000倍以上。而黎曼架構與地平線的基線相比，也會有150倍的性能提升。”

編譯速度

從小時級走向分鐘級

在經歷了三代「天工開物」的打磨后，地平線從最初面向CNN的自動編譯優化的架構，走向了自動優化+高性能算子庫的雙擎結構。而且，其新一代的工具鏈為Transformer架構、VLA等端到端模型提供了高效的支持。

余凱指出，編譯器可被理解為是一個非常復雜的離散優化系統，所以很多傳統的優化理論在這其中很難應用。因為其函數是非連續、不可導的，組合優化起來非常難。

而地平線將計算圖的每個節點次序進行計算拆分，指令并行和計算融合，使計算資源的利用更加緊湊，并且降低時延。

“從業界平均水平來看，從信號進來到指令出去，通常需要300多毫秒。這次地平線HSD的量產，優化到了160毫秒。再加上天工開物4.0的支持，我們將會走向更高的精度，更快的效率和更強的性能。”

在「效率」層面，地平線將強化學習和蒙特卡羅搜索用在編譯器的中，也就是利用人工智能來優化編譯器：“這不是傳統的組合離散優化的方法論，而是全新的AI時代方法論。我們相信經過這樣的技術迭代，我們會實現編譯速度從小時級走向分鐘級，性能會提升20%甚至更高。”余凱說道。

自動駕駛

是機器人基座模型的開端

基座模型需要支撐很多的Skills和應用，它不再是解決單點問題，而是要解決通用問題。

余凱稱，目前的大語言模型，是在一個非常大的神經網絡下解決通用問題。就像現在的地平線HSD中，其上層軟件系統也是一個神經網絡，并不區分是高速、城市還是泊車。

“模型越來越變得基座，你無需再去為一個單獨的場景去過度的訓練，之后帶來的就是能力的涌現。”

他表示，未來，無論是語音、圖像還是語言指令，包括車身的所有數據，都會轉化成模型的輸入，經過統一的解析和理解，走向多模態。

如今，數字AI世界的基座模型可以說是初具雛形，但仍然沒有一個讓大家都信服的物理世界計算模型。在此背景下，余凱認為，自動駕駛就是構建物理世界AI基座模型的開端。

這樣的基座模型不同于大語言模型，它是sequence in、sequence out，而sequence不再是語言，它可以是sensor、video，Lidar等等信息，而sequence out就是一系列的控制命令。

“所以打造HSD，就是地平線「通往未來機器人時代基座模型」的關鍵路徑。”

余凱宣布，目前地瓜機器人已經與合作伙伴推出了超過100款消費類智能產品，還擁有超過10萬名開發者。

“基于地平線在自動駕駛技術方面的積累，我們在室內和室外場景與合作伙伴推出大量熱銷產品，包括石頭科技、科沃斯、云鯨等，近期瑞典的富士華割草機也采用了我們的芯片方案，出貨量很大。”

新商業模式

可降90%人力成本

余凱認為，作為底層的基座賦能者，地平線在商業模式上還有可能做得更好。

在他看來，打造HSD的「樣板間」，就是生態獲客流量的旗幟，也是地平線生態競爭力的壓艙石，所有生態合作伙伴在這里可以求得最大公約數。

他梳理了當下的行業痛點：首先，模型訓練需要花費巨大的成本，花了幾十億還不一定有好的結果，因為AI時代的技術突破具有偶發性、間歇性、稀疏性、非連續性和突變性。

同時，現在模型迭代的速度更快了，大家未必都能跟得上。

因此，余凱提出了「向高同行」，也就是在原有的商業模式上（BPU、芯片IP、算法IP授權，硬件參考設計等），進一步提出了HSD Together的算法服務模式。

“我們愿意以白盒或黑盒的方式交付，也可以派我們的專家和工程師去協助做算法的適配，帶著know-how去做工程和咨詢的服務。”

同時，基于地平線收集的海量數據，地平線的云平臺也可以賦能合作伙伴；同時，地平線的開發平臺——艾迪平臺，也會以SaaS服務的模式提供給合作伙伴，在此之上進行系統的集成測試，車型的適配開發等等。

“在強大的基礎模型下，企業可能就不需要去標注或采集那么多的數據。在這樣的合作模式下，人力的綜合成本或許可以下降90%。”

在最后，余凱宣布，地平線要和合作伙伴一起，基于單顆征程6M，將好用的城區輔助駕駛殺入10萬元級的國民車型。

回顧過去，征程3達到百萬級的出貨量花了36個月，征程5用了24個月，而征程6只花了12個月。地平線的技術底座能力正在持續迭代，生態的體系競爭力也在不斷增強。