地平线这几年在智能驾驶圈子里的存在感实在太强了。做方案选型要聊它看行业报告离不开它身边做算法的朋友跳槽也经常跟它沾边。我接触这家公司的软硬件产品有一段时间了从早期征程2、征程3批量装车到征程5前装量产交付再到征程6系列发布看着它一路把“软硬全栈”和“规模量产”两件事同时落地确实有很多值得拆开讲的细节。这篇文章就以从业者的视角把地平线的进阶路径拆开聊清楚它说的软硬全栈到底覆盖了哪些层面为什么这条路走得通规模量产又凭什么能和全栈技术形成互相推动的关系。适合正在做智能驾驶方案评估的人、关注车载芯片行业的技术从业者以及想理解“软硬结合”打法的产品经理参考。顺便提醒一句网上那个“地平线4修改cr和抽奖次数”的热搜说的是赛车游戏《极限竞速地平线4》的玩家社区话题跟这家科技公司完全是两码事本文只围绕智能驾驶领域的地平线展开。1. 先搞清楚地平线说的“软硬全栈”到底是哪几层1.1 从“做芯片的”到“做计算方案的”很多人在最初接触地平线时都会先入为主把它归类为芯片公司。这个印象不算错但严重低估了它的业务纵深。地平线真正在做的事情是围绕智能驾驶场景提供整套计算方案最底层是专用处理器芯片往上一层是编译工具链和算法部署环境再往上是与车厂配合的操作系统和中间件最上面则是面向量产车型的参考解决方案。芯片只是承载计算的物理底座真正决定一颗芯片能不能在量产车上发挥价值靠的是它上面那一整层软件生态。这是我这些年反复向朋友强调的一点车载智能芯片做的是“系统生意”不是单纯的“沙子生意”。如果只做芯片地平线最多算一家IP或硬件供应商但软硬全栈让它变成了方案提供商能够对最终智驾体验的实际效果负责。把这套结构用生活场景类比芯片相当于厨房里的灶台和锅具工具链是菜谱和切配流程操作系统是后厨管理制度参考方案是已经能直接出品的预制菜。地平线走的路线相当于既卖锅具又卖菜谱还派厨师帮助后厨把手艺落地最终目的就是让成品菜能稳定地端到顾客面前。这个“端到端”的属性决定了它跟单纯的半导体IP公司和单纯的算法AI公司的本质差异——它得为整体交付结果负责。1.2 为什么必须自己做芯片如果说软件可以自己做芯片是不是也能外购或者用现成的通用平台这个问题我听过很多人问。答案是智能驾驶场景对计算芯片的专用化要求太高通用芯片很难同时兼顾性能、功耗、成本和确定性。传统CPU擅长逻辑控制和任务调度GPU擅长大规模并行渲染但神经网络推理在车载场景下有自己的特殊性卷积运算密集、算子的模式相对固定、对内存带宽和访存效率的依赖极大。通用芯片在理论峰值算力上可以做得很好看实际跑起神经网络来算力利用率往往只能达到百分之二三十。地平线从成立之初就选择自研BPUBrain Processing Unit架构正是为了针对CNN、Transformer这类车载主流网络结构做专门优化在设计阶段就与算法演进保持同步。自研芯片还有一个隐藏价值可以围绕算法需求做指令集和存储架构的裁剪把每一颗晶体管都花在刀刃上。相比堆料式的通用芯片专用架构在同等算力下面积更小、功耗更低、成本更可控这在苛刻的车规环境下是实打实的竞争力。所以“软硬全栈”的第一个字“软”实际上是从“硬”开始的——没有一颗为算法而生的芯片后面所有软件层面的优化都会事倍功半。2. 软硬全栈的技术版图从BPU到工具链再到操作系统2.1 BPU架构芯片的“大脑”怎么设计地平线的系列芯片核心都围绕BPU展开。征程2、征程3时代用的是伯努利架构BPU Bernoulli征程5升级到贝叶斯架构BPU Bayes征程6系列则用上了最新的纳什架构BPU Nash。架构代号不断迭代背后是算法需求的牵引从早期以CNN为主的检测分割模型到如今越来越重的Transformer大模型、BEV感知、端到端网络每一代BPU都会针对新算子做硬件加速。以征程5为例单芯片算力128 TOPS能支持L2到L3级别的智能驾驶场景。到了征程6系列产品线一口气铺开覆盖从10 TOPS到560 TOPS的算力区间。同一代架构通过不同规格的芯片封装来匹配不同价位车型这种平台化打法本身就是软硬全栈带来的直接好处——软件栈是同一套硬件规格可以灵活伸缩。BPU设计里最关键的几个取舍点包括算力与带宽的平衡、片上存储的层级规划、多核异构的任务调度方式。神经网络推理模型里数据搬运消耗的时间和能量往往比计算本身还高所以BPU不能只看峰值算力还得看数据在片上能不能喂得饱、算得完。地平线在访存架构上的持续打磨这是芯片层面最容易被外部忽略但也最影响实际性能的部分。2.2 工具链算法工程师眼中的“装修队”芯片再强如果算法工程师没法把模型高效部署上去一切等于零。地平线的工具链产品叫天工开物OpenExplorer里面包含模型转换、量化工具、编译器和性能剖析工具。对使用方来说从训练好的PyTorch或者ONNX模型到能在BPU上高效运行的INT8推理程序这中间所有步骤都需要工具链来承接。我自己在实际项目里体会最深的是量化环节。模型从FP32转成INT8激活值和权重都要压缩压缩不好精度就掉得厉害。地平线的工具链里内置了量化感知训练和校准策略通过一批有代表性的校准数据统计出合适的量化参数尽可能把精度损失压到最低。这个过程看着简单实际跑起来很讲究校准数据要覆盖各种天气、光线和道路场景不然这个模型在晴天夜晚可能没有问题一到雨天或者隧道出入口就可能露馅。这里可以打个比方训练好的模型是一套毛坯房工具链就是装修队。它要负责水电路改造算子映射、墙面找平量化、家具摆放内存布局优化、甚至入住后的水电维修性能调优。没有一支靠谱的装修队毛坯房再豪华也住不进去。2.3 操作系统与中间件让上层应用不关心芯片细节再往上走是地平线的TogetherOS操作系统和相关中间件。车载智驾系统远比手机复杂多路摄像头、激光雷达、毫米波雷达的数据要处理多个传感器的时间戳要同步多个计算任务要按不同周期调度还要满足功能安全要求。操作系统和中间件层的任务就是把这些复杂性封装起来让上层应用像在使用一台普通电脑那样调用接口而不是天天跟芯片寄存器打交道。车规级操作系统还要重点考虑确定性任务必须在规定时间内给出结果不能出现明显抖动。比如AEB自动紧急制动这类功能从感知到决策再到执行每一环的时延都有硬约束。中间件如果调度不稳感知结果晚到几毫秒在高速场景下可能就是几十米刹停距离的差距。软硬全栈在这样的场景下优势明显——芯片、工具链、中间件出自同一套设计理念底层的时延特性和上层的任务模型天然匹配不用经过多厂商协同带来的沟通折损。2.4 方案层给车厂和Tier1一个“快速起步包”最上层是地平线提供的参考解决方案比如Horizon Matrix和SuperDrive系列。这一层的价值在于车厂不用从零开始摸索智驾系统的整体架构可以直接拿地平线的参考方案做基底再基于自己的品牌调性和配置需求做二次开发。做智驾系统时很多车厂的痛点是“自己搭积木搭不起来”。感知模块选谁家的、规划控制模块用自己的还是外购、怎么跟底层芯片配合、出了问题找谁一起排查这里面每一环都是坑。参考方案直接给出一个经过验证的基线相当于告诉你“这样搭一定能跑通”然后再根据你的需要调整。这大大降低了量产项目的启动门槛也是地平线能快速铺开乘用车前装市场的重要抓手。3. 规模量产第二个轮子为什么难做3.1 车规级与消费级完全是两套标准如果说软硬全栈解决的是“技术能不能实现”规模量产解决的就是“技术能不能稳定复现”。一颗消费级芯片出货一百万颗允许有一定比例的失效顶多召回换货一颗车规级芯片如果出现批量问题轻则影响品牌信任重则直接关系到驾驶安全。这是两个量级的责任差异。车规级芯片要过的东西很多AEC-Q100可靠性认证覆盖温度循环、湿度偏置、ESD静电测试、老化测试等一系列严苛项目ISO 26262功能安全标准要求芯片具备系统性的安全机制芯片内部要做双核锁步、故障检测和错误处理IATF 16949质量管理体系则对整个生产链条提出了极高的过程管控要求。这些认证周期长、投入大但也是规模量产名副其实的入场券。温度范围就是个典型的门槛。消费级芯片工作温度通常0到70摄氏度左右车规级芯片要扛住零下40度到零上125度甚至更高的极端环境。夏天暴晒后的仪表台温度接近沸点冬天北方零下二三十度冷启动芯片每个晶体管都要在这些条件下稳定工作。很多在实验室跑得好好的方案被高低温循环折磨几轮才暴露问题这些问题只能在量产前的长周期验证阶段一层层筛出来。3.2 从设计定版到整车SOP的完整链路规模量产的流程远比很多人想象的长。芯片设计定版之后流片只是第一步。晶圆制造出来要经过晶圆测试CP测试筛掉不良die再进行封装封装之后还要做成品测试FT测试然后才是可靠性验证和认证。全部过关之后芯片才能进入车厂的供应商体系参与车型的联合调试和路试验证最终在整车SOPStart of Production节点批量装车。每一环节都有大量工程细节。举个例子CP测试的覆盖率做到多少直接影响后续成品率和成本测试项设计得不好可能把好芯片误杀也可能放走有潜在缺陷的芯片。封装环节也一样散热、引脚可靠性、封装材料与芯片的应力匹配都要逐项验证。很多消费级芯片项目在流片成功后三个月就能量产车规级芯片要跑完完整验证周期动辄一年以上周期差异背后就是责任的差异。给从业者的提示判断一家芯片公司是不是真正走过量产路看它敢不敢公布量产车交付数据、敢不敢展示产线良率和失效分析体系。PPT上的芯片参数再漂亮没有经过整车验证和爬产打磨在量产这个维度上就是还在“新手村”。3.3 量产带来的正向飞轮效应规模量产一旦滚动起来价值是指数级的。首先量产车型的数量越大路上跑的真实场景数据就越多。这些数据经过合规处理之后会形成场景库来支撑算法的持续迭代——哪个路口经常出现鬼探头哪种天气条件下感知容易失效都能从影子模式的数据里自动挖掘出来。其次量产规模直接带来供应链议价能力和供应链成熟度。单片成本随着出货量上升而下降先进封装和测试产能的优先级也会提高。更重要的是量产后客户反馈和技术支持体系会倒逼更严谨的问题追踪机制这反过来又促进了下一代产品定义时的质量基准。软硬全栈的向上迭代在量产阶段才算真正进入完整闭环。4. 双轮驱动技术迭代与量产交付如何互相赋能4.1 从征程5到征程6技术轮驱动量产轮地平线在技术演进和量产覆盖之间的节奏处理很值得观察。征程5用一颗128 TOPS芯片打中高端市场主打城区高速的高阶智驾征程6系列一下子铺出不同算力的产品矩阵让十万元级到三十万元级的车型都能找到合适配置。这种代际扩展的策略本质上是用两代技术去覆盖更宽的价格带。拿征程6家族来说不同型号之间共享同一套软件栈和工具链车厂在低配车型上做的开发可以向上复用到高配车型。对车厂来说这意味着一次投入、多级复用对地平线来说这意味着更高的出货量和更充分的场景覆盖。技术驱动的价值在这里体现为能用更少的工程成本覆盖更大的市场份额。4.2 量产反馈如何反哺技术定义反过来看量产中积累的数据和问题也在直接塑造下一代BPU的设计方向。我在参与一些项目联调时发现真实道路场景中出现过的corner case往往比论文里的算法更早暴露算子和数据流瓶颈。比如某个大规模Transformer模型的注意力计算在当前架构上的访存压力偏大比如多维感知融合时的张量形状不便于硬件加速这些反馈汇总到架构设计团队后就会转化为下一代芯片的具体优化目标。从这个意义上讲“软硬全栈”不是一次性规划出来的完整形态而是一个基于量产反馈持续演进的动态体系。芯片为算法服务算法又受制于芯片能力量产数据让算法进步算法需求又推动芯片换代。两个轮子互相咬合转动才构成了地平线真正的进阶引擎。4.3 双轮驱动的组织条件技术轮和量产轮能同时转起来背后有一套相当重的组织体系。软硬件团队要跨部门协同算法工程师了解芯片能力边界芯片架构师理解算法演进方向工具链团队要紧跟模型生态质量团队要全程盯住车规要求的每个环节还有大量现场支持工程师长期驻扎在车厂和Tier1的产线边解决一线联调问题。这套体系对组织能力的要求非常高。纯粹的技术型公司可能擅长把芯片性能做到极致但缺乏与车厂长时间伴飞的服务意识纯粹的量产型供应商可能在流程上很强大但缺少快速迭代的软件能力。地平线让两者并行成长本质上是在构建一种“既懂技术深度又懂交付节奏”的组织双文化。这也是我观察它的进阶之路时认为最值得周边团队借鉴的地方。5. 常见误区与实操建议5.1 三个容易被带偏的认知误区一只拿峰值算力评估芯片。很多人在芯片选型时开口就是“你这个芯片多少TOPS”。TOPS是重要参考但绝不是全部。实际运行时算子利用率、内存带宽、时延一致性、工具链成熟度每一环都能让纸面算力缩水三成以上。看芯片不能光看标注的算力要看同一套网络模型跑下来的真实帧率和耗时抖动。误区二把软硬全栈理解成“软件免费附赠”。一个成熟的工具链和操作系统背后是几百人年的持续投入。它对使用方来说是省了自研的巨额成本但对提供方而言是真金白银的研发投入。评估方案成本时要把工具链的学习成本、调试成本、适配备份成本都算进去而不是只盯着芯片单价。误区三以为芯片上车是“插上就能跑”。智驾芯片上车是系统工程芯片与传感器的匹配调试、与车辆执行器的通信握手、冬季标定、夏季标定、雨天隧道工况反复测试缺一不可。试图压缩验证周期提前上量现实往往会用大规模召回或者OTA补救来教做人。5.2 给相关从业者的学习建议如果你在算法岗位建议动手把一套模型完整部署到地平线或者其他智驾芯片上亲手经历量化、编译、精度调优和性能优化的全流程。只有被工具链“教育”过一遍才能理解芯片设计为什么要这样预留算子和带宽也才能真正理解什么是软硬协同。如果你在芯片或系统岗位建议多关注算法侧的趋势。Transformer在智驾里的普及速度远超很多芯片架构师早期的预判端到端方案的兴起也对计算架构提出了新的要求。架构设计如果脱离算法演进去做产品定义很容易落后于市场需求。如果你在项目管理或产品岗位建议重点观察量产节点的问题追踪机制。芯片在装车之后暴露的每一个失效或者异常最终能不能追溯回设计阶段、测试阶段还是供应链环节这决定了组织真实的质量成熟度。5.3 方案选型时的几个可落地技巧我在实际做方案评估时通常会拉一张对比表把芯片标称算力、工具链版本、参考方案成熟度、车规认证状态、已量产车型数量、技术支持响应速度都列出来逐项打分。选型初期一定要求供应商提供可以自己动手跑的模型部署实验包直接在目标芯片上跑自己的算法不要满足于对方提供的演示demo。另外建议关注工具链的持续维护节奏。一个工具链发版频率低、bug修复慢、文档常年不更新说明这家公司对软件投入的诚意有限。车载项目动辄三五年生命周期工具链如果跟不上模型生态的演进速度前期选型再漂亮后期用起来也会非常别扭。6. 尾声我实际接触下来的一点体会跟地平线的产品打交道越久越觉得“软硬全栈”和“规模量产”的关系不是并列而是互相咬合的齿。全栈技术让量产方案有了深度和差异化空间规模量产让全栈体系有了真实场景的数据滋养和商业正循环。两者少了一个另一个都跑不远只有技术没有量产创新容易停留在玻璃房里只有量产没有全栈份额再大也很难积累出代际领先的壁垒。我自己的观察是智能驾驶行业不缺单点突破的团队缺的是能把芯片、工具链、系统、量产和质量都捏进同一盘棋里的组织。地平线用这些年把这条路走出来不管最后成为头部还是遇到挑战这套“技术深度交付深度”的组合拳打法都已经给行业提供了很好的参照系。如果你正处在智驾产业链的某个岗位上不管做算法、做芯片还是做量产交付都值得把这两个轮子的咬合关系多琢磨几遍。