余凯刷新地平线：目标是物理AI时代的OpenAI
2015年创业地平线机器人的同时，余凯买了英伟达股票，并且力劝身边的朋友押注当时市值仅百亿的英伟达。
十年之后朋友感激万分，不过余凯自己却没卖英伟达股票变现。
所以，如果不是对自己的公司没信心，也不为了直接获益的话，余凯的投资行为到底算什么？
2025年末地平线的生态大会，这个答案逐渐出现清晰的轮廓：向英伟达学习，至少技术生态大会已经在对齐英伟达。
而在10年创业、反思、探索之后，余凯刷新了地平线，最新规划的蓝图里，剑指更大的雄心：
地平线，要做物理AI时代的OpenAI。
而这个宣言，就是在“英伟达GTC”翻版一样的地平线技术生态大会（HTC）现场传递的。
2025智能化“黑马”：不造车的特斯拉
2025年，地平线是智能汽车浪潮中最令人意外的黑马之一。
特殊性表现在两点。
首先就自动驾驶赛道赛道而言，地平线的崛起具有相当的“突然性”——之前只把地平线当做自动驾驶计算硬件供应商Tier 2，地平线在算法软件层面的故事，无论是进展还是波折，几乎没有信息披露。
而这个进展一经传出，更是令行业惊诧不已：2025年一步到位推出车位到车位的L2+产品HSD，直接对标行业最前沿，智能车参考也做过深度体验报告：
其二是在自研玩家、**几乎统治车企、用户心智的自动驾驶赛道“洗牌”阶段，地平线HSD发布不到半年，在车圈、用户层面获得认可之快。
目前，公开搭载地平线HSD的车型就有奇瑞的星途ET5、风云T9L、iCAR V27、长安的深蓝L06。
余凯还给出了具体数据：星途ET5、深蓝L06搭载的HSD全栈方案（J6P芯片），上市前两周激活量就超过1.2万辆。
2周装机量超1.2万，智能驾驶玩家中，地平线的确创造了纪录。
如果细化到计算硬件+算法软件全栈这个层面，同台竞争的就几乎只有小鹏、蔚来、**、特斯拉，以及地平线。
而地平线又是这个梯队中唯一生态开放、纯供应商角色，所以才有了“不造车的特斯拉”的标签。
地平线如何做到的，可能要从今年的技术、产品迭代看起。
HSD背后基于两个最主要的技术手段：端到端感知架构，以及数据驱动的交互式博弈算法。
一个是为了智驾系统看的更清楚更明白，一个是让智能代驾的“脑子”更灵活更高效。
一段式端到端感SuperDrive将动态、静态、OCC（Occupancy占用网络）三网合一，统一在一个Transformer架构下，不需要对感知数据进行抽象和逐级传递，“所见即所得”：实现感知端到端同时，又保证了每个子网络的可解释性。
感知端到端网络输出的结果，会接着进入数据驱动的交互博弈算法，可以理解成PNC（Planning and Control / 规控），但是和以前的PNC不同，HSD在决策、预测、规划整个大的系统里面进行了模块划分，全部用了神经网络作核心——保证驾驶行为的拟人化。
到了具体上车实证环节，地平线还给HSD单独设计了外部引擎：一方面是做博弈验证，包括给端到端提供安全边界、提供决策和轨迹层面的指引。
当然最终轨迹或者决策并不由端到端来决定，系统会根据比较明确和轻量级的验证规则来决定是否向下游Planner释放，兜住安全的底。
通过这样的双擎机制，HSD可以在数据驱动下，把上限提高的同时，还把安全下限给兜住，Scale up方面会有很好的表现。
算法之外，SuperDrive“拟人化”体验仍然离不开地平线软硬结合的实力——征程6系列计算硬件，CPU、BPU、GPU、全功能的MCU四芯合一。
500TOPS+的算力，但地平线无意反复拿参数证明实力，因为堆晶体管不是难事，关键核心是——IP，也就是地平线自研的BPU架构纳什。
比如硬件方面J6纳什架构针对Transformer对算力更高的要求专门做了一个VPU，可以支持更高精度的包括浮点运算，以及从FP16到FP32多种浮点数据类型的计算。此外还会专门优化部分算子，让计算时间和计算量匹配，同时针对性做硬件加速，即特别优化的超越函数，保障系统效率。
再比如软件方面，地平线认为新技术出现，重要的是知道它的边界是什么。端到端解决的是数据驱动问题，但解决不了认知问题，在北美大部分是高速路况，端到端系统可以有很好的表现，但中国路况更无序、复杂博弈更多。
软硬结合谁都会讲，但真正深入到IP架构级别的优化，无论是纯算法玩家，或是通用GPU硬件玩家，都很难实现。
而从这样的结合出发，还代表着物理AI时代不可阻挡的趋势。
余凯：地平线目标物理AI时代的OpenAI
此话从何说起？
首先底层支撑是地平线刚刚发布的下一代计算硬件架构说起——第四代BPU“黎曼”架构：
先看数据层面。
更大算力：关键算子算力性能提升10倍； 更多算子：高精度算子支持数量增加超10倍； 更高效率：Tensor→Vector全浮点计算支持； 更优能效：面向大语言模型优化设计，能效提升5倍。
产品层面，第四代BPU黎曼将搭载于征程7系列芯片，大概率是2026年公布，27-28年交付量产。
从节奏推断，征程7系列在算力数值上可能对标英伟达Thor系列，但会在特定算子优化、功耗、兼容性等等方面与传统GPU架构区别开。
算力提升比较好理解，堆晶体管就可以做到。余凯特别提到这黎曼架构关键的提升核心是“高维世界的真相是简单的低维流形结构”——Tensor→Vector转化，这其实就是第四代BPU的研发方向。
简单来说，Tensor 是一种用于表示数据的数学对象，你可以把它理解为“有结构的数字容器”，三维、四维甚至更高维的数据结构，统统都叫做 Tensor。
AI计算中，张量操作是神经网络训练和推理的基础，具体到自动驾驶或具身智能，图片数据在被模型理解之前，会被转化成三维的Tensor（高度 × 宽度 × RGB 三通道）。
但为了后续的数据预处理、模型输入适配、特征提取等等，数据进入模型前，都需要张量到向量的转化，这也是深度学习最基础的范式。
不过文本任务中，张量转换为向量本身是一个相对轻量级的计算操作，一般CPU就能搞定。
但在图像数据处理中，CPU就有些力不从心了。
尤其是自动驾驶图像、视频数据分辨率越来越高，后续具身智能数据量几乎100%超越自动驾驶的趋势下，必然要求底层硬件级的创新——这可能就是征程7与前代产品最大的不同——
从单一的车载计算硬件，到具身智能、世界模型的基础设施。
余凯透露，地平线目前已是机器人领域最大的计算方案供应商，业务分为三层：首先是大规模出货的成熟品类，如扫地机器人（科沃斯、石头）、割草机（富世华）。
其次是创新产品，如网球陪练机器人、泳池清洁机器人。
最后是前沿的具身机器人，与多数主流公司合作。
从这个角度看，地平线生态大会，俨然「英伟达GTC」国产版——HTC，无人机、机器人、汽车、工具链等等生态玩家齐聚一堂。
而地平线给他们提供的基础支撑，又不仅仅局限在硬件层面：前不久地平线开源了机器人“小脑”运动基座模型Holomotion和“大脑”操作模型Holobrain：
余凯看重基座模型，认为其本质不是解决单点问题，而是通用问题，正在给AI世界带来从范式转移、能力涌现到模态融合上的多方面革命性改变。
但与ChatGPT、DeepSeek、千问等数字AI基座模型不同，“地平线要做物理AI的计算架构、编译器和基座模型”，第一步就是从最大的应用场景切入——智能驾驶大模型。
总结一下，余凯勾勒的地平线路径是：通过技术深度构建壁垒，通过生态广度实现规模，最终让前沿智能技术如水电气一样，融入普通大众的日常生活。
到了这一步，地平线扮演的角色实际就已经改变，从汽车圈Tier 1，变成了整个广义物理AI层面的基础设施提供商，产品从简单的芯片，变成计算硬件+基座模型的综合。
余凯买英伟达，真正的目的可能就是——理解英伟达、成为英伟达，然后尝试超越英伟达。
至少当前在深圳展开的地平线技术生态大会，多少有点英伟达GTC（GPU技术生态大会）的影子。
不过最大的问题还是在称呼上，地平线技术生态大会，Horizon Technology Conference……
能简称HTC吗？？？
文章来源：智能车参考
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
