13万元,成了中国汽车市场的一道隐形鸿沟。
这个价格之上,智能驾驶已是标配。往下看,绝大多数车主连尝鲜的机会都没有。
地平线创始人余凯为此愤怒过。不是那种商业竞争失利的懊恼,而是更深层的焦虑——技术本该让更多人受益,现实却在制造新的鸿沟。
这种愤怒背后,藏着中国芯片企业在国际市场上的真实处境。你有技术,但市场不信。你想降价,但生态不让。
更要命的是,整个行业都在疯狂堆算力。仿佛只要芯片够强、算力够大,智能驾驶就能自然而然地好起来。
可真相远非如此简单。
地平线的困境,恰恰折射出中国科技企业在高端芯片领域面临的集体难题。不是技术做不出来,而是如何让技术被看见、被认可、被普及。
在高端市场,地平线遭遇的是双面夹击。
一边是华为。MDC系统确实强大,但代价是车企必须接受整套生态绑定。想用华为的智驾方案?行,从芯片到软件到云端服务,全套打包。
这对车企意味着什么?意味着丧失自主权。你的车变成了华为生态的一部分,未来所有升级迭代都要看华为脸色。
有些车企愿意接受这种"豪门联姻",毕竟华为的品牌号召力摆在那里。但更多车企内心抗拒,他们想要的是技术合作,不是灵魂交换。
另一边是英伟达。Orin芯片算力确实惊人,254 TOPS的数字看起来碾压一切。可问题在于,这种纯算力堆砌带来的能效比极其糟糕。
功耗高达60瓦,发热量大到需要专门的散热系统。更关键的是,如此高的算力,实际应用中真正用上的可能只有三分之一。
剩下的三分之二呢?白白烧掉,变成热量散发到空气里。
这就是地平线面对的市场格局。左边是捆绑式生态,右边是低效率暴力。而它选择的路径,在很多人眼里是"抠门"的——不追求算力数字好看,只关注每一瓦功耗能榨出多少实际性能。
余凯把这叫"第一性原理"。什么是智能驾驶真正需要的?不是芯片跑分,而是在有限资源下把事情做到极致。
可市场不买账。车企开发布会,台上念出来的算力数字越大,台下掌声越响。至于这些算力实际转化成了什么体验,没人深究。
这种价值观错位,让地平线陷入尴尬境地。技术路径更优,市场认知度却上不去。
但地平线没有放弃论证自己。它拿出了一套完整的HSD系统,用实际表现说话。
这套系统最大的不同,在于它像人一样思考驾驶这件事。
传统智驾方案是什么逻辑?感知是感知,规划是规划,控制是控制,三个模块各干各的活,最后拼到一起。这种架构天然存在信息损耗,每个环节的误差都会向下传递放大。
HSD用的是端到端模型。从摄像头看到的画面,直接输出方向盘转角和油门刹车指令。中间没有复杂的模块切换,就像人开车时大脑的决策过程——看到前方有车变道,瞬间判断要减速让行,整个过程浑然一体。
理论听起来美好,实际效果如何?
复杂城区场景给出了答案。早晚高峰的环岛,车流从四面八方汇入,变道、加塞、行人横穿,所有变量同时出现。很多智驾系统在这种场景下会变得犹豫不决,要么过于保守频繁刹车,要么判断失误险象环生。
HSD的表现是人性化的。它会在车流中找到合理的插入时机,既不过分谨慎堵住后车,也不冒失强行加塞。这种拿捏感,恰恰来自端到端模型对整体态势的把握。
但这还不够。高端市场的突破只是第一步,余凯真正想做的,是把智能驾驶带给那些开着十万块钱车的普通人。
这才是真正的技术挑战。
低成本车型的硬件条件极其受限。算力不能太高,成本压不下来。传感器要精简,摄像头数量少、分辨率低。控制系统还是传统架构,响应速度跟不上复杂决策需求。
在这样的约束条件下实现全功能智驾,听起来像是天方夜谭。但地平线偏要去做。
他们的思路是软硬件深度协同。不跟别人比算力数字,而是让有限的算力发挥出超额价值。芯片架构针对智驾任务做专门优化,软件算法精细到每一次内存调用都要榨干效率。
最终,地平线用单颗征程5芯片,在128 TOPS的算力下,实现了其他家需要两三颗芯片才能做到的功能。
这意味着什么?意味着成本降下来了,功耗降下来了,车企可以在更低价位的车型上配智驾系统。那道13万元的鸿沟,开始出现松动的可能。
但国内市场的破局,还不是故事的全部。地平线把目光投向了更远的地方——亚非拉市场。
这些地区的汽车消费刚刚起步,对价格极度敏感,对品牌没有固化认知。恰恰是低成本智驾方案最好的试验场。
地平线开始向这些市场输出整套解决方案,从芯片到软件到技术服务。车企拿去就能用,不需要投入大量研发资源。而每一辆装上征程芯片的车,都在为地平线的生态添砖加瓦。
这是一场向下渗透的"平权"实践。让智能驾驶不再是少数人的特权,而是多数人都能触及的日常体验。
但余凯的野心远不止于此。汽车只是起点,他瞄准的是更宏大的目标——机器人时代。
这就要谈到地平线正在研发的"黎曼架构"。
这个名字来自数学家黎曼的理论。黎曼几何描述的是高维空间如何映射到低维流形。听起来晦涩,实际上揭示了一个深刻洞察:复杂世界表面纷繁,但底层可能只需要几条简洁的规则就能刻画。
地平线把这个思想用在了芯片架构设计上。
现有的智能芯片都在堆模块、堆单元,试图用复杂架构对应复杂任务。黎曼架构反其道而行之——用深刻理解找到物理世界的底层规则,然后在芯片层面直接映射这些规则。
这样做的好处是能效比出现数量级提升。不需要无穷算力去暴力穷举所有可能性,而是用简洁架构直击本质,让每一次计算都精准有效。
余凯对这件事近乎执念。他反复强调,智能的本质不是算力,而是对世界的理解深度。人类大脑功耗只有20瓦,却能完成最复杂的认知任务,靠的不是硬件强大,而是神经网络对世界建模的高效。
机器要做到真正智能,必须走同样的路——用深刻架构理解世界,而不是用暴力算力压倒世界。
沿着这条路往前走,地平线成立了子公司"地瓜",专门研发机器人芯片。
为什么是机器人?因为机器人和汽车面临的本质问题是一样的:如何让机器在物理世界中自主行动。
开车需要理解道路、车辆、行人的运动规律。机器人需要理解环境、物体、人的交互规律。底层逻辑相通,技术可以迁移。
更关键的是,机器人对能效比的要求比汽车更苛刻。汽车至少还有电池供电,机器人要在有限电池容量下持续工作数小时。低功耗不是加分项,而是生死线。
地平线在智驾领域积累的软硬件协同能力,恰好能在机器人场景发挥作用。大脑决策模型和运动控制模型可以共享,芯片架构可以复用,生态系统可以延展。
"地瓜"选择了开源路线。不捆绑车企,也不捆绑机器人厂商。谁想用就用,谁想改就改。余凯的算盘是,只有开放生态才能快速繁荣,才能在机器人市场起步阶段占据制高点。
这又回到了那个终极问题:智能的能源杠杆效应。
余凯有一次说,人类个体能力是有上限的。你再聪明,一天也只有24小时,精力也只有那么多。但机器人不同,它可以24小时工作,可以同时部署成千上万台,每一台的能力还能通过算法升级持续提升。
如果机器人的能效比足够高,意味着什么?意味着用同样的能源投入,能撬动成百上千倍的生产力。这是真正的指数级跃迁。
而要实现这一点,必须从芯片架构层面就刻进去对能效比的极致追求。不能等到系统搭完了再去优化功耗,那时候已经晚了。
黎曼架构就是奔着这个目标去的。用简洁而深刻的底层设计,让每一瓦功耗都转化为实实在在的智能输出。
从智能驾驶到通用机器人,这条路还很长。但地平线至少把方向看清楚了——不是比谁算力大,而是比谁真正理解了世界运行的规律,谁能用最少的资源做出最有效的决策。
市场或许暂时还在迷恋算力数字,但时间会证明,真正的智能革命不靠暴力堆砌,而靠深刻洞察。
地平线选择的这条路,注定孤独而漫长。但如果成功,它改变的将不只是汽车,而是整个物理世界与智能交互的方式。
全部评论 （0）