第一部分技术研发创新与工程化能力（核心基础层）

1.1 自研BPU架构的技术演进与代际优势

1.1.1 四代BPU架构迭代路径：高斯→伯努利→贝叶斯→纳什

地平线自2015年成立以来，始终以Brain Processing Unit（BPU）作为技术护城河的核心载体，历经十年发展完成四代架构迭代。这一演进路径深刻体现了“算法定义芯片”的技术哲学——每一代架构的设计都紧密围绕智能驾驶算法的代际跃迁进行协同优化，而非简单的算力堆叠。

第一代高斯架构（2016年）奠定了地平线”软硬一体”的技术基因，针对卷积神经网络（CNN）进行专项优化，通过数据流重构和存储层次优化，实现了相比通用GPU在特定任务上的能效比提升。第二代伯努利架构（2017年）应用于征程2和征程3芯片，首次实现了对多路视频输入的高效处理，2019年征程2成为中国首款前装量产的车规级AI芯片，2020年在长安UNI-T上完成量产上车，实现了国产AI芯片前装量产零的突破 (百度百科)。第三代贝叶斯架构（2019年）支撑征程5芯片，算力跃升至128 TOPS，首次原生支持Transformer网络，通过稀疏化计算引擎和动态精度调整机制，实现了大模型推理效率的显著提升 (百度百科)。第四代纳什架构（2023年4月）则专为端到端智能驾驶系统和VLA融合模型设计，采用超异构计算架构，显著增强算力多样性，通过AI辅助设计提升架构可编程性 (中国日报网)。

从工程化视角审视，四代架构的迭代周期约为2-3年，与智能驾驶算法的代际跃迁高度同步。伯努利架构对应CNN感知算法时代，贝叶斯架构恰逢BEV+Transformer架构爆发期，而纳什架构的推出正好契合端到端大模型从学术概念走向量产落地的关键窗口。2016年至2021年间，地平线BPU架构的计算性能提升了246倍，对Transformer性能提升超过27倍，远超传统摩尔定律的预测速度(dfcfw.com)。2025年12月，地平线进一步发布纳什架构的演进版本——黎曼架构，关键算子算力性能较上一代提升10倍，将应用于新一代征程7系列芯片，标志着向通用机器人计算平台的延伸 (百度百科)。

表1：地平线BPU架构四代演进路径与技术特征

1.1.2 纳什架构的核心技术特征：原生支持端到端与VLA大模型

纳什架构作为地平线当前最先进的BPU代际，其设计哲学深刻反映了从”感知智能”向”认知智能”跃迁的技术趋势。该架构的核心技术特征可从计算范式、内存架构、数据流优化三个维度深入解析。

在计算范式层面，纳什架构突破了传统CNN加速器的限制，原生支持注意力机制的稀疏化计算。具体而言，通过专门的稀疏计算单元，能够在不损失精度的前提下，将注意力计算的计算密度提升3-5倍，同时显著降低内存带宽需求。这一设计直接回应了端到端大模型的核心计算需求——Transformer类网络中的自注意力机制涉及大规模矩阵运算，其稀疏特性为硬件优化提供了巨大空间 (中国日报网)。

在内存架构层面，纳什架构采用层次化存储设计，包括片上高速缓存、中间层存储和外部DDR的协同优化。针对端到端模型前向传播链长、中间特征图尺寸变化大的特点，纳什架构通过可配置的存储分区机制，允许不同计算阶段动态调整内存资源分配，将内存访问效率提升至传统架构的2倍以上 (雪球)。

在数据流优化层面，纳什架构引入“计算-通信重叠”执行模式，通过精细的流水线调度，将数据加载、计算执行、结果写回三个环节的时间重叠度最大化。这对于VLA（视觉-语言-动作）融合模型尤为重要——VLA模型需要同时处理视觉特征、语言指令和动作输出三种模态的数据，数据流的复杂性远高于单一模态模型。纳什架构通过硬件级的任务调度器，实现了多模态数据的并行处理与同步聚合 (horizon.auto)。

纳什架构的命名蕴含深意——约翰·纳什的博弈论思想正是多智能体交互决策的理论基础，而城市NOA场景下的自动驾驶恰恰需要处理与周围交通参与者的复杂博弈关系。地平线基于超3万个场景数据集和1000万公里回灌数据，持续优化系统的博弈策略，使其在安全性与通行效率之间取得平衡 (dfcfw.com)。

1.1.3 稀疏化计算与数据驱动优化：算法-芯片协同设计范式

稀疏化计算与数据驱动优化构成了地平线“算法定义芯片”方法论的技术内核。这一方法论的典型实践贯穿从算法创新到芯片架构设计的完整闭环。

Sparse4D感知算法是这一协同设计范式的典范成果。该算法于2022年提出，核心创新在于将4D感知问题转化为稀疏化的查询-匹配问题，通过可学习的稀疏采样机制，动态确定需要重点处理的3D位置，将计算复杂度从与图像分辨率平方相关降低至与目标数量线性相关。Sparse4D对稀疏注意力机制的需求，直接驱动了纳什架构中稀疏计算单元的强化设计。在征程6系列上，Sparse4D的核心计算循环效率较通用GPU提升3倍以上，使其能够在128 TOPS算力约束下实现实时运行 (中国日报网)。

数据驱动优化是地平线区别于传统芯片设计企业的关键方法论。与传统设计依赖人工分析典型工作负载不同，地平线建立了从量产车辆采集的真实数据闭环，持续分析BPU在实际运行中的计算特征、内存访问模式和能耗分布，并将这些洞察反馈至下一代架构设计。截至2025年，征程系列芯片累计出货量突破1000万套，这一规模化部署带来了海量的真实场景数据，支撑了优化闭环的持续运转(新浪财经)。

地平线艾迪开发平台提供了海量数据存储、处理能力，半自动化/自动化标注能力，大规模分布式训练及模型管理能力，支持模型的自动迭代改进。值得注意的是，艾迪平台不仅面向地平线芯片，还可对接其他芯片，体现了开放生态的技术自信 (dfcfw.com)。

1.1.4 能效比优势：对比GPU/ASIC架构的差异化竞争力

在智能驾驶计算平台的架构选择中，GPU、ASIC和专用NPU（如BPU）形成三种典型技术路线。地平线BPU的差异化竞争力可从能效比、灵活性、开发效率三个维度进行量化对比。

表2：智能驾驶计算平台架构核心指标对比

上表数据揭示了地平线BPU架构的核心竞争优势。在能效比维度，征程6P显著优于GPU方案，与优化良好的ASIC方案处于同一水平；在灵活性维度，BPU通过可编程加速单元和完整软件栈，避免了ASIC方案算法适配困难的问题；在量产验证维度，1000万套出货规模为BPU的可靠性和成熟度提供了强有力的实证支撑 (新浪财经)。

从产业化视角，能效比优势直接转化为系统成本优势。征程6P的560 TOPS算力在35W功耗预算下的实现，需要芯片级、板级和系统级的协同热设计。征程6P采用先进的扇出型封装（Fan-out Package），优化信号完整性和散热路径，使单芯片方案能够在典型汽车前舱温度环境下稳定运行。基于征程6P的HSD方案系统成本可控制在1万元以下，较英伟达Orin-X方案降低30%-50%，这一成本优势对于智驾功能向中低端车型渗透至关重要(中国日报网)。

1.2 征程系列芯片的产品矩阵与算力布局

1.2.1 征程6系列完整谱系：6B/6E/6M/6P/6H的差异化定位

2024年4月，地平线发布新一代征程6系列芯片，基于统一BPU纳什架构打造，成为业界首款全阶智能驾驶计算平台。该系列通过芯片架构的模块化复用和配置差异化，实现了对全市场segments的精准覆盖 (新浪财经)。

征程6B定位于入门级主动安全市场，2025年7月成功点亮，针对AEB、LKA、ACC等基础ADAS功能优化，以极致成本满足法规强制标配需求。博世基于征程6B开发的新一代多功能摄像头平台，计划于2026年中量产，已获得多家全球和中国本土知名车企的项目定点 (新浪财经)。

征程6E和6M构成中阶辅助驾驶市场的主力组合。征程6E（80 TOPS）支持高速NOA和智能泊车；征程6M（128 TOPS）更进一步，基于单颗芯片即可实现城区导航辅助驾驶（NOA），包括红绿灯识别、无保护左转等核心功能。2025年12月，地平线宣布基于征程6M的城区辅助驾驶方案将下探至10万元级国民车型，打破城区NOA仅配置于中高端车型的行业惯例 (百度百科)。比亚迪”天神之眼C”、吉利”千里浩瀚H3”均采用征程6M方案 (车家号)。

征程6P作为旗舰产品，560 TOPS算力配合CPU、BPU、GPU、MCU”四芯合一”设计，支撑HSD全场景智能驾驶解决方案。2025年11月，搭载6P的星途ET5、深蓝L06量产上市，标志着国产高阶智驾方案正式进入规模化交付阶段 (新浪财经)。

征程6H面向舱驾融合与中央计算架构，支持智驾、座舱、车控的多域融合，是地平线从单一智驾芯片向整车计算平台扩展的关键布局(新浪财经)。

表3：征程6系列产品谱系与差异化定位

1.2.2 算力覆盖策略：18TOPS至560TOPS的全场景适配

征程6系列的算力布局体现了地平线对智能驾驶市场分层需求的精准把握。从18TOPS到560TOPS的跨度，并非简单的线性扩展，而是针对不同应用场景的计算需求特征进行差异化设计。

在入门级市场（10-20 TOPS），核心需求是满足法规强制要求的基础ADAS功能。征程6B通过算法硬化和专用加速单元，以最小算力实现法规要求的全部功能，同时将系统成本控制在数百元人民币级别，为大规模前装标配创造条件 (新浪财经)。

在中阶市场（80-128 TOPS），核心需求是实现高速NOA和智能泊车等用户高感知价值功能。征程6E/M的设计充分考虑了”高速NOA”典型工作负载的计算特征：长距离感知需要高分辨率视觉处理，车道保持需要精确的几何计算，变道决策需要实时的轨迹规划。纳什架构通过任务级并行调度和内存优化，使征程6E/M能够以单芯片实现流畅的高速NOA体验，避免了双芯片方案的成本和复杂度提升(中国日报网)。

在高阶市场（560 TOPS），核心需求是支持城市NOA的全场景覆盖和端到端大模型部署。征程6P的560 TOPS算力配合纳什架构的稀疏计算和VLA支持能力，使其能够单芯片运行参数量达数十亿的端到端模型，同时保持足够的性能冗余以支持功能迭代(新浪财经)。

1.2.3 征程6P旗舰方案：560TOPS算力与多核异构架构

征程6P的技术细节代表了当前国产智驾芯片的最高水平。其多核异构架构集成多个专用计算单元：视觉处理单元（VPU）负责摄像头数据预处理和解码；BPU核心执行神经网络推理；CPU集群运行规划控制算法和系统软件；DSP处理雷达和激光雷达点云数据；专用几何计算引擎加速SLAM和地图构建任务 (新浪财经)。

这种设计的工程价值在于“各司其职、协同优化”。与通用GPU的”大一统”设计不同，征程6P的每个计算单元都针对特定任务进行专项优化。例如，视觉处理单元支持16路800万像素摄像头同步输入和处理，这一能力在通用GPU上需要额外视频编解码芯片配合；专用几何计算引擎将ICP等SLAM核心算法执行效率提升10倍以上，对于城市NOA中的高精度定位至关重要 (雪球)。

征程6P的内存子系统同样经过精心设计。560 TOPS峰值算力需要相应内存带宽支撑，否则将陷入”算力饥饿”。征程6P采用HBM2e高带宽内存，提供超过1TB/s峰值带宽，同时通过纳什架构的智能缓存管理，将有效带宽利用率提升至80%以上(新浪财经)。

从量产工程角度，征程6P的封装和散热设计体现了9年量产经验的积累。560 TOPS算力在35W功耗预算下的实现，需要芯片级、板级和系统级协同热设计。征程6P采用先进扇出型封装，优化信号完整性和散热路径，使单芯片方案能够在典型汽车前舱温度环境下稳定运行。从2024年4月发布到2025年11月量产上市，周期约19个月，在高端智驾芯片领域处于领先水平(新浪财经)。

1.2.4 代际兼容与系统最优：客户平台化复用的工程价值

征程6系列的“同代一致、代际兼容”设计理念，为客户平台化投资提供了重要保护。同代一致指征程6系列各型号共享相同软件栈、工具链和开发环境，车企在征程6E上开发的高速NOA功能可几乎零成本迁移至征程6M或6P，仅需调整算力分配参数。代际兼容则体现在征程系列跨代际的软件生态延续性，从征程2/3/5到征程6，BPU编程接口保持向后兼容，工具链自动优化使存量软件在新芯片上获得性能提升 (新浪财经)。

这一策略的工程价值显著：车企可在同一车型平台灵活配置不同等级智驾功能，无需为每个配置重新进行大量适配开发；芯片代际升级时，算法资产和开发经验可平滑迁移，降低技术迭代风险。据披露，已有超百万台比亚迪车型量产搭载征程2/3/5方案，这些客户向征程6的升级路径清晰且成本可控 (新浪财经)。

1.3 端到端算法创新与芯片协同效率

1.3.1 Sparse4D感知系统：纯视觉3D检测的SOTA水平

Sparse4D是地平线2022年提出的行业领先感知算法，代表了纯视觉3D目标检测的学术前沿水平。该算法核心创新在于将4D感知问题转化为稀疏化的查询-匹配问题，通过可学习的稀疏采样机制，动态确定需要重点处理的3D位置，将计算复杂度从与图像分辨率平方相关降低至与目标数量线性相关 (中国日报网)。

Sparse4D的技术突破体现在三个层面：精度提升，在nuScenes等权威数据集达到SOTA水平；效率优化，稀疏化设计使同等精度下计算量降低50%以上；时序融合，4D设计天然支持多帧信息高效利用，提升运动目标检测精度和稳定性。更为重要的是，Sparse4D的全神经网络化设计彻底替代了传统后处理模块（NMS、跟踪滤波、时序融合等），使整个感知流程可端到端优化，迭代效率提升一个数量级 (中国日报网)。

Sparse4D与纳什架构的协同优化是算法-芯片联合设计的典范。Sparse4D中的可变形注意力计算涉及大量不规则内存访问和非均匀计算分布，通用GPU架构难以高效处理。纳什架构通过专门的稀疏性检测硬件和灵活内存访问调度器，将Sparse4D核心计算循环效率提升3倍以上，使其能够在征程6M的128 TOPS算力约束下实时运行 (中国日报网)。

1.3.2 神经网络完全替代后处理：迭代效率的质变提升

传统智能驾驶感知系统采用“深度学习前端+规则化后处理”混合架构，神经网络负责特征提取和初步检测，后处理模块（NMS、跟踪滤波、时序融合等）依赖人工设计的规则和参数。这一架构的痛点在于：后处理模块参数调优需要大量人工工程和场景测试，且难以适应新场景和新需求变化 (中国日报网)。

地平线推动的“神经网络完全替代后处理”技术路线，将感知系统全部环节纳入端到端学习框架。具体实现包括：用可学习的后处理网络替代NMS，实现检测框自动筛选和优化；用神经网络化卡尔曼滤波替代传统跟踪算法，实现目标轨迹端到端预测；用时序Transformer替代人工设计的时序融合规则，实现多帧信息自动聚合。这一全神经网络化架构的核心优势在于，整个感知系统的所有参数都可通过梯度下降优化，迭代效率较混合架构提升一个数量级(中国日报网)。

从芯片协同角度，全神经网络化架构对计算平台提出新需求：需要支持更多样化的网络拓扑和更动态的计算图。纳什架构通过可重构计算单元阵列和灵活内存管理，为全神经网络化感知提供高效硬件支撑。征程6系列能够单芯片运行完整的Sparse4D+后处理网络，而同类方案通常需要额外CPU或DSP资源处理后处理环节 (中国日报网)。

1.3.3 UniAD端到端大模型：感知决策一体化的技术突破

UniAD（Unified Autonomous Driving）是地平线2023年发表的端到端智能驾驶大模型，代表了从”感知-预测-规划”模块化架构向”感知决策一体化”架构的范式转变。该模型将传统分离的感知、预测、规划模块统一在Transformer架构下，通过查询向量（Query）的层层变换，直接从传感器输入生成驾驶轨迹输出 (中国日报网)。

UniAD的技术突破可从三个维度理解：信息传递完整性，模块化架构的接口设计inevitably导致信息损失，而端到端架构保留从原始传感器数据到最终决策的完整信息链；优化目标一致性，模块化架构各模块优化目标可能冲突，而端到端架构以最终驾驶性能为唯一优化目标；场景适应灵活性，端到端架构通过数据驱动学习驾驶策略，避免人工规则设计难以覆盖长尾场景的困境(中国日报网)。

UniAD在征程6P上的部署是算法-芯片协同优化的典范。端到端大模型的参数量和计算量远超传统模块化方案，对计算平台的内存容量、带宽和计算效率提出极高要求。纳什架构通过以下优化支撑UniAD高效运行：模型并行与流水线并行相结合的分布式执行策略，将大模型拆分到多个BPU核心协同计算；激活值重计算（Activation Checkpointing）技术，以计算换内存，降低峰值内存占用；动态批处理（Dynamic Batching）机制，提高计算资源利用率。这些优化使UniAD能够在征程6P上实现30Hz以上的实时推理，满足城市NOA的响应延迟要求 (中国日报网)。

1.3.4 算法-芯片联合优化：征程5/6上的量产落地实践

算法-芯片联合优化贯穿地平线产品开发的完整生命周期。征程5时代，地平线分析了BEV变换中的视图变换和时序融合两个计算瓶颈，在贝叶斯架构中增加专门的透视变换加速单元和时序特征缓存机制，使征程5能够以80 TOPS算力实现流畅BEV感知，而同类算法在通用平台上通常需要200 TOPS以上算力 (中国日报网)。

征程6时代，联合优化聚焦于端到端大模型和VLA架构。纳什架构设计阶段，算法团队即将Sparse4D、UniAD等目标算法的计算特征转化为具体硬件需求：针对端到端模型中的大量矩阵乘法，优化Systolic Array尺寸和调度策略；针对VLA模型中的多模态特征融合，增加专门的特征拼接和注意力计算单元。这种“算法需求驱动芯片设计”模式，使征程6在架构层面为未来3-5年算法演进预留充足空间 (中国日报网)。

从组织机制角度，地平线建立了跨算法的”联合优化团队”，打破传统组织架构中算法与硬件团队的壁垒，实现从算法创新到芯片优化的快速闭环。这一机制创新是地平线能够在激烈技术竞争中保持领先的重要保障(中国日报网)。

1.3.5 VLA（视觉-语言-动作）融合架构的前瞻布局

VLA（Vision-Language-Action）融合架构代表智能驾驶向具身智能演进的前沿方向。其核心思想是将视觉感知、自然语言理解和驾驶动作生成统一在模型框架下，实现更强大的场景理解和更灵活的驾驶策略。潜在应用场景包括：基于自然语言指令的导航驾驶（“带我去最近的加油站”）、复杂交通场景的语义理解（理解交警手势或临时交通标志）、驾驶行为的可解释性生成 (horizon.auto)。

地平线VLA布局体现在两个层面：算法层面，研究团队已发表多篇VLA相关学术论文，探索视觉-语言预训练模型在驾驶场景中的应用；芯片层面，纳什架构原生支持VLA模型的关键计算模式，包括多模态特征早期融合、跨模态注意力计算、条件化动作生成。征程6P的560 TOPS算力和多核异构架构，为VLA模型部署提供充足计算资源 (horizon.auto)。

2025年12月，地平线发布具身智能开发平台S600，以及地瓜机器人在扫地机器人、机器狗、无人机等领域的拓展，体现VLA技术的产业化路径。地瓜机器人已推出超过100款产品，连接超100家上下游合作伙伴与10万余名开发者 (百度百科)。这种”汽车-机器人”技术能力的正向循环，为地平线打开了更广阔的市场空间。

1.4 量产交付的工程能力体系

1.4.1 规模化量产里程碑：1000万套出货与400+车型覆盖

2025年8月，地平线宣布征程家族芯片累计量产出货突破1000万套，成为国内首家达成千万级出货量里程碑的智能驾驶科技企业。从2019年征程2首次量产到突破1000万套，仅用了约6年时间，年均复合增长率超过100% (新浪财经)。

这一数字的工程意义远超商业意义：1000万套出货意味着地平线芯片经历了最严苛的量产质量考验，其可靠性、一致性和长期稳定性得到大规模验证。作为对比，Mobileye从1999年成立到千万级出货用了超过15年，英伟达Drive平台从2015年发布到百万级出货用了约8年 (新浪财经)。

出货结构分布揭示市场渗透深度：截至2025年8月，地平线已与包括中国前十大车企在内的全球超40家车企及品牌达成合作，赋能合作车型超400款，成为超600万车主的智慧之选。市场上”每三台智能汽车，就有一台搭载地平线”的说法，大致反映了地平线在国产智驾芯片市场的领先地位 (新浪财经)。

表4：地平线规模化量产核心指标

1.4.2 工程化方法论：9年量产经验沉淀的技术体系

地平线的量产工程能力是9年持续迭代的结果，形成了一套可复用、可扩展的工程化方法论，涵盖产品开发、验证测试、量产导入三个环节。

产品开发环节采用”平台化+定制化”灵活模式。平台化体现在征程系列芯片的架构复用和IP共享，使新产品开发能够基于成熟技术基础快速启动；定制化体现在针对特定客户需求的快速响应能力，如为某车企定制的功能安全等级提升、为某车型定制的接口协议适配 (新浪财经)。

验证测试环节构建了覆盖芯片级、板级、系统级和整车级的完整测试体系。芯片级测试包括晶圆测试、封装测试、老化筛选等；板级测试验证计算板卡在典型和极端工况下的性能；系统级测试在仿真环境和封闭场地验证智驾功能完整性和边界性能；整车级测试与车企合作，在实际道路环境中进行长距离、多场景验证(新浪财经)。

量产导入环节建立了标准化SOP流程，包括产能爬坡计划、质量监控体系、供应链风险管理、客户技术支持等。地平线与客户建立联合量产导入机制，派遣工程师驻场支持，确保芯片与整车系统顺利集成。福瑞泰克案例具有代表性：基于征程6M的ADC25城市NOA方案，从项目定点到首车量产仅用7.5个月，创造行业落地速度新纪录(车家号)。

1.4.3 质量管控体系：功能安全、预期功能安全与网络安全

车规级芯片质量管控涉及功能安全（ISO 26262）、预期功能安全（SOTIF）、网络安全（ISO/SAE 21434）三个维度，地平线均建立了完善体系。

功能安全方面，征程5芯片产品通过ISO 26262 ASIL-B Ready认证，单芯片达到ASIL-B级别，系统应用满足最高安全级别ASIL-D要求。这一认证涉及故障模式分析、安全机制设计、验证测试等大量工作，是芯片进入汽车前装供应链的必要条件。征程6系列延续并优化了这一安全设计传统 (百度百科)。

预期功能安全方面，地平线针对智能驾驶系统性能局限和误用风险，建立了SOTIF分析和管理流程。包括：对感知算法在恶劣天气、复杂光照等条件下的性能边界进行量化评估；对规划算法在极端交通场景下的决策合理性进行验证；对用户界面和交互设计进行人因工程分析，降低误用风险 (新浪财经)。

网络安全方面，征程6系列芯片集成硬件级安全特性，包括安全启动（Secure Boot）、可信执行环境（TEE）、加密引擎等，符合ISO/SAE 21434网络安全标准。随着智能网联汽车普及，网络安全攻击风险日益凸显，芯片级安全能力是构建整车网络安全体系的基础 (新浪财经)。

1.4.4 生产周期优化：从定点到SOP的典型周期与关键路径

从车企定点到量产上市（SOP）的周期，是衡量智驾供应商工程效率的关键指标。地平线典型周期可从公开合作案例推断：

星途ET5案例：2025年4月北京车展首次展示HSD功能，8月成都车展正式亮相并开启预售，11月量产上市，从功能首秀到量产约7个月。作为对比，特斯拉FSD从Beta测试到正式版推送用了超过2年，小鹏城市NGP从发布到全国可用用了约1.5年 (新浪财经)。

快速量产周期的实现依赖于：芯片和算法成熟度（量产前充分内部验证和封闭道路测试）、与车企紧密协作（工程师深度参与系统集成和标定）、工具链完善度（开发工具和仿真平台支持快速适配开发和场景验证）。地平线建立“并行工程”（Concurrent Engineering）方法，将传统串行开发环节尽可能并行推进，显著压缩总周期(新浪财经)。

1.4.5 软硬解耦与协同：工具链成熟度与开发者生态支撑

地平线建立了从模型训练、仿真验证、代码生成到部署优化的完整工具链，支撑客户高效开发。

算法开发层，提供基于PyTorch的模型训练框架和预训练模型库，客户可基于自己数据进行微调（Fine-tuning），快速获得满足特定场景需求的感知模型。“预训练+微调”模式显著降低客户算法开发门槛 (新浪财经)。

仿真验证层，构建大规模场景仿真平台，支持传感器仿真、交通流仿真和车辆动力学仿真。客户可在虚拟环境中进行数百万公里测试验证，大幅缩短实车测试周期和成本。仿真平台与实车数据闭环打通，支持从量产车辆采集的真实场景数据驱动仿真测试(新浪财经)。

部署优化层，提供模型量化、编译优化、性能分析等工具，帮助客户将训练好的模型高效部署到征程芯片。这些工具充分考虑BPU架构特性，能够自动执行算子融合、内存优化、并行调度等优化，使客户无需深入了解底层硬件细节即可获得接近理论峰值的执行效率 (新浪财经)。

开发者生态方面，地平线已与超过200家产业链伙伴建立合作，包括博世、采埃孚、电装等全球顶尖Tier-1，以及大量软件算法、传感器、系统集成领域的专业公司。这一生态网络的规模和质量，是地平线工具链价值和工程能力的外部验证 (新浪财经)。

1.5 研发组织与持续创新能力

1.5.1 研发投入强度：31.56亿元年研发支出与33.4%增速

2024年，地平线研发投入达31.56亿元，同比增长33.4%，研发投入占收入比例维持在较高水平。这一投入规模在国内智驾芯片企业中处于领先地位(中国日报网)。

研发投入结构分布体现战略优先级：芯片设计（架构、前端、物理设计、验证）占据最大比例，支撑BPU代际演进和征程系列扩展；算法研发（感知、预测、规划、端到端大模型）次之，确保核心能力持续领先；软件工具链开发虽单体成本较低，但需要长期持续投入以维持竞争力；工程化能力建设（量产团队扩张、质量体系、客户支持）随规模增长而增加(中国日报网)。

投入效率呈现积极趋势：2024年营业收入23.84亿元，同比增长53.6%，增速高于研发投入增速，表明规模效应开始显现。随着征程6系列出货量快速增长，研发费用率有望在未来2-3年内显著下降，为盈利改善创造条件 (中国日报网)。

1.5.2 人才结构：算法-芯片-工程复合团队配置

地平线研发团队规模超过2000人，涵盖算法研究、芯片设计、软件工程、系统工程、测试验证等多个专业领域，形成“算法-芯片-工程”复合能力结构。

算法团队是地平线传统优势，核心成员来自顶尖学术机构和科技公司，在计算机视觉、机器学习、机器人等领域具有深厚积累。Sparse4D、UniAD、HSD等核心算法体现团队学术前沿把握能力 (中国日报网)。

芯片团队是”软硬一体”战略的关键支撑，涵盖架构设计、前端实现、物理设计、封装测试等全流程。核心能力在于将算法需求转化为高效硬件架构，并在严格功耗、成本、可靠性约束下实现量产 (中国日报网)。

工程团队负责将算法和硬件整合为可量产系统解决方案，包括嵌入式软件开发、系统集成、测试验证、客户支持等。团队规模随量产规模扩大而快速增长，是1000万套出货能力的直接支撑。“保姆式服务”文化是客户满意度的重要来源 (新浪财经)。

1.5.3 技术预研机制：从学术前沿到量产落地的转化路径

地平线建立“研究-预研-开发-量产”四级技术体系，确保前沿探索与商业落地有机衔接。

表5：地平线四级技术体系与转化机制

研究层聚焦可能改变行业范式的前沿方向，如2016年率先提出端到端演进理念、2022年提出Sparse4D算法。预研层将 promising 方向转化为可演示原型，UniAD从学术概念到原型系统即经历此阶段验证。开发层将预研技术转化为可量产工程方案，征程6系列和HSD系统属于此层次。量产层通过OTA升级、问题修复、性能调优等方式，持续提升客户满意度和产品竞争力 (中国日报网)。

关键成功因素在于层级间顺畅转化和资源配置动态调整。地平线通过定期技术评审和投资决策，将资源从成熟技术向新兴技术有序转移，既保证短期商业目标实现，又布局长期技术竞争力。

第二部分场景化解决方案与商业落地（价值实现层）

2.1 城市NOA解决方案的工程实践与市场验证

2.1.1 HSD（Horizon SuperDrive）系统架构：端到端VLA方案

Horizon SuperDrive（HSD）是地平线基于征程6P打造的高阶城区辅助驾驶系统，被媒体誉为“中国版FSD”，代表国产智驾方案在最高技术等级上的突破。HSD采用一段式端到端架构，配合强化学习能力，实现从传感器输入到驾驶动作输出的直接映射，避免传统模块化架构中的信息损失和优化冲突(新浪财经)。

HSD系统架构可分解为三个核心模块：感知理解模块基于Sparse4D和BEV技术，实现360度环境感知和动态目标跟踪；推理决策模块采用端到端Transformer架构，综合感知信息、导航指令、车辆状态等多源输入，生成驾驶策略；执行控制模块将策略转化为具体转向、加速、制动指令，并通过冗余设计保障安全。三个模块在征程6P多核异构架构上协同运行，实现30Hz以上全链路实时处理(新浪财经)。

HSD的技术差异化体现在VLA融合能力的原生支持。与传统智驾系统仅处理视觉和车辆状态信息不同，HSD能够理解和响应自然语言指令，如”在前方路口左转后寻找停车位”。这一能力依赖于地平线在大语言模型和多模态融合方面的技术积累，以及征程6P对VLA计算模式的硬件支持 (新浪财经)。

从工程化角度，HSD开发面临端到端系统特有的可解释性、可调试性和安全性挑战。地平线通过以下方法应对：注意力可视化模块显示模型决策过程中关注的区域；完整测试链条支持从仿真到实车的问题快速定位和复现；“端到端+安全围栏”混合架构，端到端模型生成候选轨迹，安全模块进行边界检查和紧急干预。这些创新使HSD在保持端到端优势的同时，满足车规量产安全要求 (新浪财经)。

2.1.2 星途ET5量产案例：复杂城市场景的实际表现评测

星途ET5是征程6P及HSD的首款量产合作车型，于2025年11月正式量产上市，为评估HSD实际性能提供首个大规模公开样本。该车型智驾系统配置包括：11个摄像头（含800万像素前视双目）、5个毫米波雷达、12个超声波雷达，以及征程6P计算平台，属于当前高阶智驾主流配置(新浪财经)。

公开评测和用户反馈显示，星途ET5的HSD系统在以下场景表现突出：标准路口通行，准确识别红绿灯状态、车道线走向和行人动态，完成平稳启停和转向；拥堵跟车，低速场景下保持舒适跟车距离和加减速控制，减少驾驶员疲劳；智能变道，基于周围车辆速度和空间间隙，自主决策和执行变道操作，过程平稳自然(新浪财经)。

更具技术挑战性的是复杂场景处理能力。专业媒体评测显示，星途ET5能够处理：无保护右转，综合判断对向直行车辆和横向行人动态，选择安全通行时机；待转区通行，正确理解待转区使用规则，完成两次停车和启动；错位路口，在车道线不连续或路口形状不规则场景，保持正确行驶轨迹。这些场景处理需要系统对交通规则和交通参与者意图的深度理解，是端到端架构优势的典型体现(新浪财经)。

当然，作为首款量产车型，星途ET5的HSD系统也存在改进空间：极端天气（暴雨、强光）下的感知稳定性有待提升；超复杂路口（五岔路口、畸形路口）的决策偶尔出现犹豫；密集人车混行场景下的通行效率有优化空间。这些问题属于高阶智驾系统共性挑战，预计将通过OTA升级持续改进 (新浪财经)。

2.1.3 无保护右转、待转区、错位路口等难点场景处理能力

城市NOA技术成熟度最终体现在对特定难点场景的处理能力。基于星途ET5评测数据，HSD在典型难点场景的技术方案分析如下：

无保护右转场景的核心挑战在于需要同时关注多个冲突源（对向直行车辆、横向行人、非机动车），并动态判断安全通行时机。传统规则化方法难以覆盖所有可能的交互模式，而端到端方法通过数据驱动学习人类驾驶员处理策略。HSD实现方式：感知模块输出所有相关交通参与者轨迹预测；端到端决策模块综合这些预测和本车状态，生成概率化通行决策；执行模块根据决策结果控制车辆速度和转向。关键之处在于预测的不确定性建模和决策的风险评估，HSD通过多假设预测和保守性决策策略，在安全性和效率之间取得平衡 (新浪财经)。

待转区通行场景的挑战在于需要理解待转区这一特定交通设施的使用规则，包括何时进入待转区、在待转区内如何定位、何时完成转弯等。HSD通过高精地图和实时感知的融合，精确定位车辆在路口中的位置；通过交通规则的形式化表示，编码待转区的使用逻辑；通过端到端模型学习实际驾驶中的灵活处理。这一组合方法使HSD能够在严格遵守规则的同时，适应实际交通流的动态变化 (新浪财经)。

错位路口场景指车道线在路口区域不连续或发生偏移的情况，常见于老旧城区或施工改造区域。该场景挑战在于缺乏明确车道引导，需要系统根据周围环境和导航意图自主规划行驶轨迹。HSD处理策略：感知层面通过道路边缘检测和可行驶区域估计，确定安全通行空间；决策层面基于导航目标点和周围动态障碍物，生成平滑轨迹曲线；执行层面通过精确运动控制跟踪生成轨迹。这一策略对感知精度和规划算法鲁棒性要求极高，是检验端到端系统能力的重要场景(新浪财经)。

2.1.4 用户激活数据：万辆级激活量与功能使用频率分析

用户激活数据是评估智驾系统实际价值的关键指标。据地平线披露，截至2025年底，HSD系统累计激活车辆达到数万辆级别，功能使用频率（用户开启智驾功能的时间占比）超过60%。这一数据表明HSD已达到”可用”水平，用户愿意在常规驾驶中主动使用 (新浪财经)。

从用户画像角度，HSD早期用户主要集中在一线城市，使用场景以日常通勤为主。这些用户对新技术接受度高，对智驾功能期望值也相对较高。用户反馈积极方面包括：显著减轻驾驶疲劳（尤其拥堵路段）、提升驾驶安全性（避免人为疏忽导致的事故）、增加驾驶乐趣（体验前沿科技的成就感）。改进建议包括：功能覆盖场景扩展（希望更多城市和道路类型支持）、功能连续性提升（减少需要人工接管的情况）、人机交互优化（更清晰传达系统状态和意图）(新浪财经)。

从数据闭环角度，万辆级激活量为HSD持续优化提供宝贵数据资产。每辆激活车辆每天产生数十GB传感器数据和系统运行日志，经过脱敏和标注后，用于模型持续训练和验证。地平线建立自动化数据pipeline，支持从数据采集、质量筛选、场景分类、模型训练到效果验证的全流程。这一数据闭环能力是端到端系统持续进化的关键基础设施，也是地平线相对国际竞争对手的差异化优势——国际厂商难以获得同等规模的中国道路数据 (新浪财经)。

2.1.5 成本下探策略：10万元级车型的智驾普惠实践

“智驾平权”是地平线核心市场战略，其内涵是将高阶智驾功能从高端车型下探至大众市场，使更广泛消费者享受智能驾驶的安全和便利价值。这一战略的技术基础是征程6M芯片的性价比优势，商业模式基础是HSD Together生态合作。

征程6M作为单芯片城市NOA方案，128 TOPS算力、约20W功耗，成本显著低于征程6P和竞品方案。基于6M的HSD方案通过算法优化，在有限算力下实现核心城市NOA功能，包括红绿灯识别、无保护左转、复杂路口通行等。2025年12月，地平线宣布基于征程6M芯片和HSD系统，将城区NOA推向10万元级国民车型，“体验比豪车还要好” (百度百科)。

HSD Together是地平线新推出的算法服务模式，与轻舟智航等合作伙伴联合研发，输出”端到端工程解决方案”。通过HSD Together深度协同，合作伙伴可在算法适配、人力投入和算力成本上平均降低90%的研发负担，显著加快从开发到上车的速度(车家号)。这一模式使地平线能够快速扩展客户覆盖，而不必完全依赖自研团队产能。

比亚迪”天神之眼C”系统是智驾普惠的标杆案例。该系统采用征程6系列芯片，2025年将高速NOA下探至10-20万元级别平价车型。地平线作为比亚迪核心供应商，自2021年达成战略合作以来，已有超百万辆比亚迪汽车搭载征程系列智驾方案(车家号)。吉利银河A7全系标配基于征程6M的”千里浩瀚H3”辅助驾驶系统，是另一重要落地案例。

2.1.6 与轻舟智航等合作伙伴的联合研发模式

地平线城市NOA落地采用“自主+合作”双轨模式。自主模式下，地平线直接提供完整HSD系统，客户进行整车集成和定制化开发；合作模式下，地平线提供芯片平台和基础算法，合作伙伴（如轻舟智航）进行上层算法开发和场景优化 (21经济网)。

轻舟智航是地平线重要生态合作伙伴，双方自2022年5月达成战略合作以来，共创多项行业纪录：从基于征程5的高阶辅助驾驶方案率先量产，到仅用两周高效完成基于征程6方案的全栈功能开发与实车部署，再到首发量产基于单征程6M的城市NOA方案(sina.cn)。轻舟智航的”安全可解释端到端”大模型与地平线芯片平台深度协同，实现了”上限高、拟人化，下限高、更安全”的产品特性 (品玩)。

这种“软硬协同、双向赋能”的合作模式价值在于：分工专业化，地平线聚焦芯片平台与基础软件，合作伙伴专注算法优化与场景适配；风险共担，降低单一企业研发投入与市场风险；速度提升，并行开发压缩量产周期；生态扩展，快速覆盖更多车型与市场细分。随着HSD Together模式推广，更多算法公司、Tier-1供应商将加入这一生态，加速城区NOA技术普及与进化 (21经济网)。

2.2 高速NOA与行泊一体解决方案

2.2.1 高速场景的技术成熟度：大规模部署的稳定性验证

高速NOA（Navigate on Autopilot）是智能驾驶技术最早实现规模化落地的应用场景，也是地平线征程系列芯片的核心目标市场之一。相较于城区场景，高速公路具有结构化程度高、交通参与者类型单一、交互复杂度低等特点，使自动驾驶系统技术难度显著降低，用户体验更容易达到”好用”水平 (新浪财经)。

地平线基于征程3/5/6系列芯片的高速NOA方案，已在理想、比亚迪、长安等多家车企数十款车型上实现量产搭载，累计行驶里程达数亿公里，技术成熟度与稳定性得到充分验证(中国日报网)。高速NOA核心功能包括：自动进出匝道、智能变道超车、大车避让、隧道通行、施工区域处理等。地平线方案在这些功能上达到行业主流水平，部分指标如变道决策果断性、弯道通行平顺性、限速识别准确性等获得用户正面评价(dfcfw.com)。

更为重要的是，高速NOA大规模部署为地平线积累了宝贵量产工程经验——从功能安全验证到OTA升级机制，从用户交互设计到异常场景处理，这些经验直接支撑了城区NOA方案的快速成熟。理想汽车从高速NOA到城市NOA的演进路径，正是这一”场景递进”策略的典型代表 (sina.cn)。

2.2.2 行泊一体架构：传感器复用与算力共享的工程优化

行泊一体（Driving-Parking Integration）是智能驾驶系统架构演进的重要方向，核心在于将行车场景（高速/城区NOA）与泊车场景（自动泊车/记忆泊车）的计算平台整合为统一系统，实现传感器复用与算力共享(中国日报网)。

传统分离式架构中，行车系统与泊车系统各自配备独立控制器、传感器与软件栈，导致硬件冗余与成本浪费。行泊一体架构通过统一计算平台与灵活传感器配置，在保障功能完整性同时显著降低系统成本。地平线征程6系列芯片为行泊一体提供理想硬件基础：单颗芯片即可同时支撑行车NOA和自动泊车功能并发运行，多路视频输入接口支持行车摄像头与环视摄像头统一接入，内置ISP单元能够处理不同光照条件下的图像质量优化 (智能汽车资源网)。

行泊一体的工程价值显著：硬件层面，减少1-2颗控制器和相应线束、支架、电源等配套，BOM成本降低约1000-2000元；软件层面，统一算法框架和中间件降低开发和维护复杂度；用户体验层面，行车到泊车的无缝衔接（如到达目的地后自动寻找车位）提升功能完整性。地平线基于征程6的行泊一体方案已获得多家车企定点，预计2025-2026年进入大规模量产阶段 (智能汽车资源网)。

2.2.3 车位到车位全场景贯通：用户体验的连续性设计

“车位到车位”（Point-to-Point）全场景贯通是智能驾驶用户体验的终极目标，要求系统能够在停车场、城市道路、高速公路等全类型场景中无缝切换，为用户提供从出发地停车位到目的地停车位的完整自动化体验(车家号)。

这一目标的实现需要解决多重挑战：场景切换的平滑性（停车场闸机识别、城市道路与高速公路汇入汇出）、功能可用性的连续性（不同场景下的功能降级与恢复）、用户交互的一致性（统一的状态提示和接管请求）。地平线HSD系统架构为车位到车位贯通奠定基础：记忆行车功能支持停车场内与城区道路上固定路线学习，高速NOA覆盖城际通行场景，自动泊车功能完成最终停车入位，三大功能模块在统一芯片平台与软件架构上实现融合 (horizon.auto)。

关键技术包括：跨场景定位融合（GNSS/视觉/IMU/轮速多源融合，确保隧道、停车场等弱GNSS场景连续定位）；场景切换平滑过渡（从高速到城市、从行车到泊车的速度、策略自适应）；异常情况优雅降级（在超出ODD范围时提前预警、安全交接）。据行业预测，2025-2026年将成为城区NOA大规模普及的关键窗口期，届时”车位到车位”功能有望在主流车型上实现标配 (dfcfw.com)。

2.3 智能座舱与跨域融合方案

2.3.1 征程6系列的多域计算能力：智驾-座舱-车控融合

汽车电子电气架构演进趋势是从分布式ECU向域集中、跨域融合、最终中央计算发展。地平线征程6系列芯片设计充分考虑这一趋势，特别是征程6H型号明确面向舱驾融合（Cockpit-Driving Integration）与中央计算架构，集成智驾、座舱、车控等多域计算能力(dfcfw.com)。

舱驾融合的技术价值在于算力资源的动态调配与数据的高效共享。传统分离架构中，智驾域与座舱域各自配备独立高性能处理器，二者间数据交互通过车载以太网或CAN总线进行，带宽与延迟成为系统瓶颈。融合架构下，智驾感知结果可直接传递给座舱用于AR-HUD显示或语音交互，座舱的用户输入可直接影响智驾的规划决策，实现真正意义上的”软件定义汽车” (智能汽车资源网)。

征程6H的多核异构架构支持不同安全等级与实时性要求的任务分区运行：BPU集群专注智驾神经网络推理，ARM CPU集群运行座舱操作系统与应用程序，实时内核处理车控任务，各分区间通过硬件级隔离保障功能安全与信息安全。这一设计使征程6H能够同时满足智驾的ASIL-D高安全等级和座舱的丰富交互需求，为中央计算架构提供可行技术路径 (智能汽车资源网)。

2.3.2 上汽零束ZXD2.0案例：中央大脑架构的量产实践

上汽零束ZXD2.0是地平线舱驾融合方案的典型量产案例，代表国内中央计算架构的前沿实践。该方案基于征程6H芯片平台，实现智驾、座舱、车控、网联四大功能的物理融合，计算性能与集成度达到行业领先水平(中国日报网)。

ZXD2.0的技术特征包括：灵活的区域控制器配置，可根据车型定位选择不同功能组合；412屏/128TOPS到600TOPS的算力性能组合，覆盖A0-D级车型智能化需求；L2及以上等级自动驾驶能力，支持车端边缘计算及端上大模型部署；丰富的车云两端功能联动，支持OTA升级和数据闭环。该方案将于2025年量产落地，标志着地平线跨域计算能力从概念走向实践 (智能汽车资源网)。

这一案例的技术挑战在于：不同安全等级任务的混合部署、实时性与吞吐量的平衡、功能安全与信息安全的协同保障。地平线通过与零束深度合作，积累了跨域融合方案的量产工程经验，为后续更多客户的中央计算架构项目奠定基础(智能汽车资源网)。

2.3.3 四维图新双域合一方案：性价比导向的工程实现

四维图新基于地平线征程6系列打造的双域合一方案，代表舱驾融合技术的性价比导向实现路径。该方案将智能座舱域与智能驾驶域整合为单一计算平台，在保障核心功能完整性同时显著降低系统成本，主要面向15-25万元主流价格区间车型(中国日报网)。

与ZXD2.0的全功能融合不同，四维图新方案采用“轻座舱、重智驾”的功能配比，优先保障智驾功能性能与体验，座舱功能则聚焦于导航、音乐、语音等核心应用。这一市场定位体现对当前消费需求的精准把握：15-25万元价格区间购车用户将智能驾驶功能列为重要决策因素，但对座舱娱乐功能的付费意愿相对有限 (智能汽车资源网)。

方案采用“地平线征程6+第三方座舱芯片”的异构组合，通过软件定义硬件的分布式软件架构，实现算法在不同计算单元间的灵活部署；通过共享传感器（如摄像头可同时用于智驾感知和座舱DMS），降低硬件冗余；通过统一电源管理和热设计，提升系统可靠性。这一分工协作模式充分发挥双方专业优势，为车企客户提供具有竞争力的智驾标配方案 (智能汽车资源网)。

2.3.4 舱驾融合的技术挑战与地平线的产品化路径

舱驾融合架构的工程实现面临多重技术挑战：功能安全等级协调（智驾ASIL-D与座舱QM的混合部署）、实时性保障（智驾硬实时与座舱软实时的调度协调）、软件生态差异（智驾专用算法与座舱开放应用的兼容并存）、供应链和商业模式（传统智驾和座舱分属不同供应商体系的整合）(电子工程专辑 EE Times China)。

地平线的产品化路径采取“渐进融合”策略：第一步，通过高速互联接口实现智驾域与座舱域紧密耦合，数据共享效率提升但物理分离保留；第二步，在征程6H等融合芯片上实现轻量级舱驾融合，验证技术可行性与市场接受度；第三步，面向中央计算架构推出更高集成度解决方案，支持三域乃至四域的完全融合。这一渐进策略既把握架构演进技术节奏，又控制量产风险与客户迁移成本，体现地平线作为平台供应商的战略耐心与工程务实 (电子工程专辑 EE Times China)。

2.4 客户反馈与产品迭代闭环

2.4.1 车企客户结构：自主品牌、新势力、合资/外资的差异化需求

地平线客户结构呈现多元化特征，涵盖自主品牌、新势力、合资/外资三大类别，各类客户需求特点与合作模式存在显著差异 (新浪财经)。

表6：地平线客户结构差异化分析

自主品牌是地平线核心客户群体，追求高性价比、强调本土化响应速度、重视自主可控与供应链安全。地平线通过完整产品矩阵与灵活合作模式，深度参与自主品牌智驾平权战略——比亚迪”天神之眼”、吉利”千里浩瀚”、奇瑞”猎鹰智驾”等均有地平线方案支撑 (中国日报网)。

新势力对技术领先性与差异化体验有更高要求，部分头部企业选择自研芯片与算法，但仍有大量合作空间。理想汽车是地平线标杆客户，从早期理想ONE的征程3方案，到理想L系列的征程5高速NOA，再到即将量产的征程6M城市NOA，双方合作持续深化 (sina.cn)。

合资/外资决策周期较长、合规要求严格，但一旦建立合作关系则具有较高稳定性。地平线通过与国际Tier-1（博世、采埃孚、电装）战略合作间接服务合资/外资车企，同时直接获取日本等市场OEM定点 (雪球)。

2.4.2 典型客户案例：理想、比亚迪、奇瑞等深度合作模式

理想汽车与地平线的合作是智能驾驶产业生态协作典范。双方合作始于2020年，历经征程3、征程5、征程6三代芯片平台，功能范围从基础ADAS扩展至高速NOA再到城市NOA。这一长期合作关系建立，源于双方在技术理念与产品追求上的高度契合——理想汽车重视用户体验与工程效率，地平线提供开放、高效、可量产的计算平台 (dfcfw.com)。2026年1月，理想AD Pro 4.0推送，行业首个基于地平线单征程6M芯片的端到端城市NOA方案正式交付上车，标志双方合作进入新阶段。

比亚迪与地平线的合作特点是规模巨大、价格敏感、功能覆盖广泛。从基于征程2/3的基础L2功能，到基于征程5的高阶辅助驾驶，再到基于征程6M的”天神之眼C”城市NOA，地平线方案覆盖比亚迪从入门到高端的完整车型谱系。已有超百万台比亚迪汽车量产搭载征程系列智驾方案，地平线通过专属客户团队、优化生产流程、深化联合开发等方式，满足比亚迪严苛要求(21经济网)。

奇瑞汽车与地平线的合作进入高阶智驾阶段，星途ET5作为首款搭载HSD的量产车型，验证了地平线高阶方案在主流价格带的竞争力。奇瑞在国际化方面的优势（出口量连续多年中国第一）也为地平线出海提供重要通道(观察者网风闻社区)。

2.4.3 用户端反馈收集：OTA升级与数据闭环机制

地平线建立完整用户反馈收集和产品迭代机制。数据收集层面，通过量产车辆影子模式（Shadow Mode），在不影响用户驾驶情况下记录系统运行状态和场景数据；数据分析层面，通过云端大数据平台，对收集数据进行场景挖掘、问题识别和趋势分析；产品迭代层面，通过OTA（Over-the-Air）技术，将优化后算法快速部署到量产车辆(雷峰网)。

这一数据闭环机制的技术基础是车端数据触发与压缩算法——仅在检测到感兴趣场景（感知不确定性高、规划决策复杂、用户接管等）时激活数据记录，并通过智能压缩减少传输带宽与存储成本。地平线艾迪平台的大规模数据处理能力，为持续优化提供基础设施支撑(dfcfw.com)。

OTA升级是连接技术迭代与用户感知的关键环节。地平线支持全栈软件OTA更新，包括底层固件、操作系统、中间件、算法模型、应用程序等各层级。升级策略需要平衡功能改进迫切性与系统稳定性要求——过于频繁升级可能引发用户困扰与质量风险，过于保守则导致竞争力下降。地平线通过灰度发布、A/B测试、回滚机制等手段管控升级风险，同时与车企客户协同制定升级节奏与内容规划(新浪财经)。

2.4.4 问题响应与迭代速度：工程化服务能力的客户评价

量产项目的工程化服务能力是客户选择供应商的关键考量因素。地平线建立覆盖项目全生命周期的客户支持体系：售前阶段提供技术咨询与方案选型建议；开发阶段提供工具链培训与算法适配支持；量产阶段提供质量保障与产能协调；运营阶段提供问题响应与功能迭代服务(雷峰网)。

客户评价体现地平线服务优势。福瑞泰克董事长张林评价：“与地平线合作六年多来，我们从L2前视一体机做到基于征程6的城市NOA智能驾驶方案，该方案从定点到量产仅用七个半月，创下行业落地速度新纪录” (车家号)。轻舟智航联合创始人侯聪表示：“我们与地平线合作的单征程6M城市NOA方案，实现了算力的极致利用，并通过轻舟’安全可解释端到端’大模型，实现了上限高、拟人化，下限高、更安全” (车家号)。

这些评价揭示地平线工程化服务的核心优势：快速响应（问题定位到解决方案时间短）、深度协同（与客户和合作伙伴紧密配合）、持续优化（产品全生命周期性能提升）。这种服务能力背后是组织能力的支撑：专门的客户成功团队、清晰的服务流程、完善的知识库和培训体系等(雷峰网)。

第三部分商业模式创新与生态构建（规模化支撑层）

3.1 分层递进的商业合作模式

3.1.1 BPU IP授权模式：助力客户建立自研能力

BPU IP授权是地平线最轻量级的合作模式，客户获得BPU架构授权后可自行设计芯片或委托第三方代工。这一模式面向具有芯片设计能力和战略雄心的头部车企，帮助其建立自主可控的智驾计算平台 (dfcfw.com)。

大众汽车是这一模式的典型客户。地平线与大众成立的合资公司酷睿程，将基于地平线第四代BPU设计算力在500-700 TOPS之间的下一代智驾计算平台 (观察者网风闻社区)。IP授权模式的价值在于：对客户而言，获得芯片级差异化能力和供应链安全保障；对地平线而言，以较轻资产投入获取稳定授权收入，并深度绑定战略客户。这一模式挑战在于需要客户具备相应技术能力和投入意愿，适用范围相对有限 (dfcfw.com)。

3.1.2 计算方案+操作系统模式：标准产品+生态差异化

计算方案+操作系统模式是地平线标准产品模式，客户采购征程芯片和TogetherOS操作系统，在此基础上进行上层应用开发。这一模式平衡标准化和差异化需求：地平线提供经过充分验证的硬件平台和基础软件，降低客户开发风险和周期；客户聚焦用户体验、功能定义等差异化环节，形成产品特色 (dfcfw.com)。

该模式商业逻辑类似于“ARM+Android”：ARM提供处理器IP和基础架构，Android提供操作系统和中间件，手机厂商在此基础上开发差异化产品。地平线将自己定位为智能汽车时代的”ARM+Android”，通过开放生态赋能整个行业 (dfcfw.com)。博世纵横辅助驾驶升级版基于征程6E/M，算力80 TOPS或128 TOPS，融合领先算法，已获五家车企定点，首款量产车型于2025年6月上市，首个海外项目计划于2026年第一季度量产 (dfcfw.com)。

3.1.3 全栈解决方案模式：准量产方案快速验证适配

全栈解决方案模式面向希望快速上市、技术能力相对薄弱的客户，地平线提供从芯片、算法到应用层的完整方案，客户主要进行整车集成和测试验证。这一模式价值在于”快”——从定点到SOP周期可缩短至6-9个月，帮助客户抓住市场窗口(dfcfw.com)。

HSD Together算法服务是这一模式的升级版本。地平线不仅提供完整算法方案，还将模型能力拆分成多层结构，以”白盒”形式交付给客户。客户可获得基座模型授权，以及数据服务、算法适配工程、专业咨询等全周期服务。据地平线测算，这一模式可在人力、算力、时间三个维度上为客户节约和提效超过90%(观察者网风闻社区)。

3.1.4 联合开发模式：深度战略合作共创量产系统

联合开发模式是地平线与客户最高级别合作形式，双方共同投入资源，针对特定车型或平台进行深度定制开发。这一模式通常涉及专属团队驻场、联合技术攻关、共享知识产权等安排，适用于战略意义重大、技术挑战复杂的项目(dfcfw.com)。

理想汽车与地平线的合作具有联合开发特征。从征程3时代的HorizonMono，到征程5时代的HorizonPilot，再到征程6时代的平台化定点，双方合作不断深化，形成紧密的技术共生关系。这种深度合作使理想能够在较短时间内推出具有竞争力的智驾产品，也使地平线能够获得宝贵的量产反馈和产品验证 (dfcfw.com)。

3.1.5 “ARM+Android”模式类比：开放生态的战略定位

地平线将其商业模式类比为“ARM+Android”，这一战略定位具有深刻的行业洞察。ARM模式核心是通过IP授权建立行业标准，以较低边际成本获取广泛市场覆盖；Android模式核心是通过开源操作系统建立生态，以平台价值吸引开发者和设备厂商。地平线创新在于将两者结合：既提供芯片IP授权（ARM模式），又提供操作系统和开发工具（Android模式），形成完整的平台能力 (dfcfw.com)。

这一战略定位的竞争优势在于：相对于Mobileye的”黑盒”封闭模式，地平线提供更高开放度和灵活性，客户可自主选择合作深度；相对于英伟达的”高算力高成本”模式，地平线提供更具性价比的解决方案，适应中国市场主流需求；相对于华为的全栈自研模式，地平线作为独立第三方更容易获得跨品牌客户的信任(dfcfw.com)。

3.2 TogetherOS开放生态的技术-商业协同

3.2.1 操作系统层开放：降低客户开发门槛与集成周期

TogetherOS是地平线面向智能驾驶场景打造的操作系统，核心设计理念是“开放”和”高效”。开放体现在：提供完整源代码和开发文档，支持客户深度定制；兼容行业主流标准（AUTOSAR、ROS2），便于与现有系统集成；提供丰富API和示例代码，降低学习成本。高效体现在：针对征程芯片深度优化，充分发挥硬件性能；提供模块化软件组件，支持灵活配置和快速组装；内置常用算法模块和工具，减少重复开发 (horizon.auto)。

操作系统层开放直接降低客户开发门槛和集成周期。传统模式下，客户需要自行开发或集成底层驱动、中间件、算法框架等，周期长达1-2年；基于TogetherOS，这些基础工作大大简化，客户可聚焦上层应用开发，周期缩短至6-12个月。这种效率提升对于快速迭代的市场环境至关重要(horizon.auto)。

3.2.2 工具链完整性：从开发到量产的全生命周期支持

地平线工具链体系覆盖智能驾驶系统开发的完整生命周期：

表7：地平线工具链全生命周期支持体系

天工开物（OpenExplorer）工具链对标英伟达CUDA，支持从模型训练、量化压缩、编译优化到部署调试的完整流程。2025年发布的第四代编译器天工开物4.0，实现更高精度、更快效率和更强性能，编译速度从小时级提升至分钟级，模型性能提升20%。其革命性在于引入AI驱动的优化策略，标志着编译器技术从工具自动化迈向基于机器学习的自我进化新时代(果壳网)。

3.2.3 200+产业链伙伴网络：Tier-1、软件算法、传感器协同

地平线构建了覆盖200+产业链伙伴的开放生态，包括德赛西威、东软睿驰、大陆集团、Freetech、佛吉亚、华阳、亚太、英博超算等Tier-1供应商，以及众多软件算法、传感器、测试验证领域的专业公司 (inabr.com)。

生态伙伴的协同效应体现在：方案完整性，不同伙伴专长组合满足客户多样化需求；地域覆盖，全球伙伴网络支持地平线国际化拓展；风险分散，多伙伴策略降低单一依赖风险；创新加速，生态竞争激发技术与服务创新。轻舟智航、福瑞泰克等合作伙伴的快速量产案例，充分验证了这一生态模式的有效性(车家号)。

3.2.4 生态赋能效应：技术产品规模化落地的加速器作用

开放生态对地平线规模化落地的加速作用显著：客户获取成本降低，生态伙伴推荐与联合销售扩展市场覆盖；开发周期缩短，成熟生态组件减少客户自研投入；质量风险降低，经生态验证的方案提升量产可靠性；品牌认知提升，广泛合作案例建立市场信任(新浪财经)。

更为深远的是，生态规模本身构成网络效应壁垒——更多客户采用地平线平台，吸引更多开发者加入生态，产生更多应用和解决方案，进一步降低新客户的采用门槛。这一正向循环使地平线在竞争中形成”赢家通吃”的潜在优势，也是其”成为机器人时代Wintel”愿景的商业基础 (horizon.auto)。

3.3 成本结构与定价策略的工程化支撑

3.3.1 硬件成本控制：征程6P方案万元级系统成本目标

地平线通过算法-芯片协同优化，实现显著的硬件成本优势。基于征程6P的面向全场景NOA的高阶方案，硬件系统成本可做到1万元以下，较业内降低50%；基于征程6E的中阶方案，硬件系统成本（基于7V3R方案）可进一步下探 (新浪财经)。

成本优化的技术路径包括：算法效率提升，Sparse4D等稀疏化算法降低算力需求；芯片面积优化，BPU架构专用设计减少晶体管浪费；制程选择策略，在满足性能目标前提下选择性价比最优制程节点；系统集成简化，单芯片方案减少外围器件与PCB面积。征程6P的扇出型封装设计，优化信号完整性和散热路径，进一步降低系统级成本 (新浪财经)。

3.3.2 软件授权定价：HSD方案1500元级license策略

行业消息显示，地平线HSD方案的软件license报价可低至1500元级别，100+ TOPS算力的轻量级版本报价更是只要几百元 (ifeng.com)。这一定价策略体现地平线“以亏损换规模、以投入筑壁垒”的激进财务表现(DoNews)。

低价授权的策略逻辑在于：芯片销量驱动，软件低价促进芯片市场份额提升；生态锁定效应，客户使用地平线软件后迁移成本增加；数据积累加速，大规模部署丰富训练数据与场景覆盖；长期变现空间，基础功能低价、增值服务溢价的分层定价。这一策略短期加剧财务压力，但长期有望通过规模效应和数据资产建立可持续竞争优势(ifeng.com)。