题记
25 天，沉浸式式写作。
2.8 万字， 逐字推敲的深度复盘。
关于余凯，关于地平线，关于中国芯。
在这个碎片化的时代， 只有深度，只有专业，才能对抗遗忘。
一、科学家
1.1 追问本质
1976 年出生的余凯少年时沉迷于美术。直至初中时代，他的理想仍是考入浙江美术学院。
然而，高中的物理为他打开了另一扇门。相比于画布之美，物理学的诱惑更大。那种层层剥离表象、探究事物核心机制，再从本质推导出万物运行的法则的感觉，让他觉得逼近世界的真相。
1994 年，余凯考入南京大学。在填报志愿时，他遵循着对“本质”的执念，选择了信息物理系。在他眼中，物理代表世界的本原，而信息学关联着数学与逻辑，代表着认知的上限。
但是，他到大学报到的时候，为了迎合就业市场的风向，系里将名字改为了更为时髦的“电子科学与工程”。这让当时醉心于原理的余凯感到不开心。
1.2 机器学习
在大学二年级的时候，一个机缘巧合，余凯在图书馆接触到了一篇关于用神经网络进行语音处理的英文论文。
那是他第一次意识到，机器能够用算法，去像人脑一样的去学习。而且，随着越来越多的经验，机器可以越变越聪明。算法的美感和对世界本质的探求击中了他。那种感觉如同触电，余凯后来将其描述为一种被机器学习“选中”的宿命感。
当时，他找来了所有关于机器学习的书籍，如饥似渴地阅读，直到将那些晦涩的概念在脑海中构建出清晰的逻辑闭环。当时他跟自己说，要一辈子从事机器学习，觉得它太神奇了。
1998 年，余凯留校攻读硕士。他和周围的同学一样在准备 GRE 考试，准备去美国，但在研究生二年级时，德国慕尼黑大学的奖学金机会改变了他的轨迹。2000 年，他远赴德国，并于四年后获得了计算机科学博士学位。
2004 年的科技界，人工智能正处于漫长的寒冬，但余凯凭借突出的能力，在“西门子中央研究院”停止招聘的背景下被破格录用。他加入了一个名为“神经计算”的研究组。他们研究的技术在当时并未展现出明显的商业价值，甚至显得有些不合时宜，但余凯成为组里的明星研究员。
1.3 硅谷
2005 年 8 月，余凯前往巴西萨尔瓦多参加信息检索领域的顶级会议 ACM SIGIR。在会场，他遇到了 NEC 美国实验室的朱胜火。朱胜火此前读过余凯的论文，对这位同行的研究印象深刻。
两人在南美的一番长谈，聊到投机之处，朱胜火问余凯：有没有兴趣去美国？当时余凯已经手握微软亚洲研究院的录用（那里由沈向洋领导，被视为亚洲 AI 研究的中心）。余凯几经犹豫，最后在身边朋友的建议下，决定不妨先去硅谷转一圈。
2006 年，余凯正式加入 NEC 美国实验室。当时的机器学习界存在两大流派：以支持向量机（SVM）为代表的“浅层学习”和刚刚萌芽的“深度学习”。
NEC 实验室恰恰是这两者的交汇点：这里不仅坐镇着 SVM 的发明人、美国工程院院士 Vladimir Vapnik，也是卷积神经网络（CNN）发源地之一，深度学习先驱 Yann LeCun 曾在此担任部门主管。
进入 NEC Lab 后，余凯接触到了最前沿的代码，其中许多甚至是由 Yann LeCun 亲手编写。后来，他成为了部门主管，置身于深度学习爆发的前夜。
他在这个技术重镇完成了从追随者到引领者的蜕变，并带领团队在 2010 年拿下了第一届 ImageNet 图像识别挑战赛的冠军。
1.4 连接者
在钻研技术的同时，余凯在硅谷展现出了另一种特质：极强的连接力与领导力。当时的硅谷华人科学家圈子人才济济，但大多习惯于埋头实验室，对管理和社交缺乏兴趣。
余凯则不同，他经常在周末将大家召集到自己家中聚会，大家甚至怀疑每周末全硅谷的华人科学家都聚在了他家。后来余凯对此无奈笑道，这帮家伙鬼精鬼精的，不愿做杂事，只好由他来组织活动。
但这实际上不仅积累了人脉网络，而且正是他日后从科学家向商业领袖转型的最初预演。
二、海归
2.1 回国
2011 年，身在硅谷的余凯接到了一通的猎头电话。猎头是在代表百度物色能带领新成立多媒体团队的领军人物。
彼时的百度，坐拥中国第一大搜索引擎的地位，掌握着庞大的用户群体和海量数据。李彦宏的想法是通过机器学习和算法的力量，把这些海量数据训练得越来越聪明，进而为用户提供更好的互联网服务和搜索引擎体验。
在余凯看来，当时的中国互联网虽然应用层繁荣，腾讯、阿里、百度各据一方，但在底层的技术土壤上，整个行业缺乏真正的机器学习团队。
余凯心想：“哇，我可以用自己在机器学习领域的积累，为十几亿中国网民带去改变。”
图： 余凯的学术文章引用量高达 3.8 万次，H-index 56，在计算机视觉领域处于金字塔尖。
2012 年 4 月，他辞别 NEC 实验室，回到北京，正式出任百度多媒体团队负责人，并将深度学习的概念强力注入这家搜索巨头。在随后的几个月里，李彦宏向全公司产品经理发出号召，要求必须重视这项技术。
2.2 竞拍
不过，真正让李彦宏下定决心重仓深度学习的，是 2012 年余凯代表百度参加的一场竞拍失利。
图： Ilya Sutskever, Alex Krizhevsky 和 Geoffrey Hinton
2012 年 9 月，Geoffrey Hinton 带着他的两名学生，在 ImageNet 图像分类比赛中将图像识别的准确率从第一届余凯团队创造的 72%，硬生生拉升到了 85%。
对于外行，这 13 个百分点的没什么感觉。但对于余凯，这无异于一道惊雷。因为没有人比他更了解 ImageNet 这个图像识别竞赛，它到底有多难，它的意义有多大。
余凯立即行动。他代表百度向 Hinton 发去邮件，表达了合作意愿，并试探性地抛出了 100 万美元的研究资助。Hinton 表现出了学者的开放与商人的精明，他没有直接接受，而是询问是否可以听听其他公司的报价。余凯虽然不愿意，但为了大局表现出大度。
这封回信，最终引发了一场足以载入 AI 史册的秘密竞拍。
2012 年 12 月，美国滑雪胜地太浩湖（Lake Tahoe），一家曾作为《教父 2》取景地的赌场酒店内，一场关于未来的定价正在进行。竞拍的标的是一家名为 DNN Research 的公司，成立仅一个月，没有产品，没有资产，仅有三名员工，Hinton 和他的两个学生。
坐在赌桌周围的买家却是：Google、微软（邓力代表）、DeepMind（当时是初创公司），以及代表百度的余凯。
2009 年，Hinton 曾建议微软项目的负责人邓力购买顶级英伟达 GPU 来加速计算。然而，邓力的上司 Alex Acero（ 后来跳槽去了苹果，负责 Siri）驳回了这一请求，理由是 GPU 只是用来玩游戏的玩具，而非科研工具。
Hinton 后来在一封邮件里建议邓力购买一套设备，而自己则会买三套，并讽刺道：毕竟我们是一所财力雄厚的加拿大大学，不是一家资金紧张的软件销售商。
经过多轮举牌，这家只有三个人的空壳公司，估值为 4400 万美元。
虽然百度最终未能赢得这场竞拍，但余凯在这次竞拍中完成了关键的价值推导。
他意识到，软件与硬件在深度学习时代是不可分割的孪生体。Hinton 之所以能取得突破，正是因为算法与 GPU 算力的高度匹配。特定的软件算法，必须运行在特定的硬件架构上，才能爆发出最大的效能。
彼时，百度作为当时英伟达全球最大的 AI 应用客户，余凯已经清晰地看到了未来的格局：在云端，英伟达凭借 GPU 建立的生态壁垒将坚不可摧，形成绝对的垄断势能。
既然云端的霸主已定，那么在边缘端，在那些需要独立思考的汽车和机器人体内，是否还需要一颗不同于云端的大脑？
这个念头，成为了日后地平线机器人诞生的逻辑原点。
2.3 自动驾驶
2013 年，百度深度学习研究院成立，李彦宏挂帅院长，余凯任常务副院长。这所后来被誉为中国 AI“黄埔军校”的机构，最初的任务是将深度学习注入语音、图像与搜索广告中。
但在余凯的构想里，算法的疆域不应止步于比特世界，它必须向原子世界延伸。于是，他领衔团队在中国率先启动了自动驾驶项目。
图：余凯在百度启动了自动驾驶项目
在实现路径的选择上，余凯选择了与宝马合作。在这个数十人的对接团队中，百度输出高精度地图、算法与研发大脑，而宝马则开放整车控制接口与行驶安全系统。
这种合作模式，源于余凯内心深处对百年汽车工业的敬畏。余凯的父亲在汽车制造厂干了一辈子，从一线工人干到管理岗位。在余凯儿时的记忆里，父亲总是趴在车底下修车，满身油污却游刃有余。即便后来在美国旅行，车子莫名抛锚在路边，父亲也能凭着经验捣鼓几下就搞定。
这种对机械复杂度的认知，让他对当时流行的“手机类比论”保持了冷静的距离。当时，行业里热衷于将从燃油车到智能车的演变，比作从功能机到智能手机的跨越。
但余凯认为：苹果在定义 iPhone 时，把手机的本质属性（通话质量）都给蔑视了。初代 iPhone 的信号并不好，但这并不妨碍它成为伟大的产品。
然而，汽车的逻辑完全不同。汽车从功能车向智能车进化的过程中，有一个本质属性是绝对不可妥协的，那就是安全。这一判断，直接决定了他后来创业的技术路线。当许多初创公司试图一步登天直接做 L4 级无人驾驶时，余凯主张像特斯拉一样，从 ADAS（高级辅助驾驶）起步，经由 L2、L3 渐进式发展。
在他看来，只有尊重汽车“安全第一”的物理属性，智能化的变革才具备落地的可能。
2.4 殊途
站在 2015 年的节点上，余凯眼中的未来图景已经不再局限于搜索引擎。基于对 AI 信仰的推演，他确信一股比 PC 和智能手机更为宏大的浪潮正在酝酿。那将是一个“机器人时代”。所有的计算机在 AI 加持下，都将发生形态的质变，进化为具备感知和行动能力的机器人。
面对这种级别的历史机遇，他渴望中流击水。
根据第一性原理的推导，如果要推动计算机向机器人的进化，就必须构建“机器人的大脑”。这个大脑不仅仅是飘在云端的算法逻辑，更需要落地的物理载体。这就需要新的计算平台。
这个计算平台，一定要走软硬结合的道路；
因为算法只是逻辑层面的东西，你需要硬件，甚至需要专用芯片定制化设计。如果不能让硬件发展同步跟上软件形态的重构，就无法用最快的效率去改变人工智能。在性能不足的阶段，软硬件深度结合和联合优化可以让系统效能获得竞争优势。随着时间推移，计算性能不断提升，直到超过用户需求。
然而，余凯和百度高层谈开发专用硬件的时候，百度的整个高层认为百度本质上还是一家软件公司，作为一个互联网公司已经活得这么好了，没必要去做这么苦的事情。余凯跟李彦宏也是有讨论的，最后的结论是，还是到“体制”外去开辟一个新的机制，全新的创业团队，去做这个不一样的事情。
2015 年 5 月，余凯离职。此时的余凯从本质推导出了专用芯片是未来的必然，却对商业实现的路径和成本约束还未想清楚，他转身投入了一场更为漫长且艰难的造芯苦旅。
三、企业家
3.1 从 0 到 0.1
2015 年 7 月 14 日，北京中关村，地平线机器人正式注册成立 ( Horizon Robotics)。
多年后回望，同一天，在亿万公里之外，美国 NASA 的“New Horizons”探测器掠过冥王星，人类第一次触碰到了太阳系的边缘。余凯后来感叹，无论是向外探索宇宙的边界，还是向内探索智能的边界，本质都是将“不可能”变为“可能”。
公司成立之初，虽然核心团队阵容堪称豪华：Facebook AI 研究院创始人之一杨铭负责软件，百度主任架构师黄畅负责算法，前诺基亚研发副总裁方懿负责硬件。但他们面临着一个更现实的问题：没有商业计划，甚至没有明确的产品。
图：（左起）黄畅、余凯、杨铭
这群非半导体出身的精英，在三个月内完成了种子轮融资。投资方名单星光熠熠：五源、高瓴、红杉、线性资本、金沙江创投。
然而，资本的加持并不能直接转化为商业闭环。摆在余凯面前的是一道复杂的计算题：如何在巨头的夹缝中，找到那个现在看来微不足道、未来却能撼动世界的切入点？
余凯排除了云计算芯片和手机芯片这两个热门选项。他清晰地看到，英伟达在云端的统治力已不可撼动，而在手机端，那是高通和苹果的主场。创业公司若想生存，必须避开巨头的火力覆盖圈，专注于终端设备的人工智能。
由于英伟达和自动驾驶的认知，余凯购买了英伟达， 特斯拉股票作为个人投资。
在混沌的起步期，线性资本投资人刘芹给出了两个建议。
第一，必须找到一个能够快速闭环的场景。芯片研发周期长达三五年，应该先像小米做 MIUI 一样，用一个轻量级的产品去触碰市场。在这个逻辑下，地平线将业务拆解为近期、中期和远期。近期利用白色家电和智能玩具市场验证 AIoT 技术，中期切入商业场景，而将拥有数千亿市场潜力的汽车业务定为远期目标。
第二，第一笔订单由余凯亲自去谈。这不仅是为了拿单，更是为了验证这位科学家是否具备企业家的“体感”。刘芹想知道，那个习惯于在实验室推导公式的余凯，能不能弯下腰去做那些充满泥土气息的脏活累活。
不到一周，余凯就用行动给出了答案。他跑遍了美的、格力等家电巨头，在连自家产品雏形都还没有的情况下，开始向客户兜售未来。
3.2 第一代征程
2017 年，在当年的 CES 展会上，地平线展示了一款基于 FPGA 的 ADAS 原型。这款仅用一个半月就开发出的产品，记忆展现了的软硬结合能力，让英特尔的高管大为震撼。通常，这需要传统大厂两年的研发周期。
英特尔此时也正处于战略焦虑中。为了对冲收购的 Mobileye 可能在中国市场遭遇的水土不服，他们急需寻找一家中国本土的潜力股。这种战略互补让双方一拍即合。
余凯没有在估值上过多纠结，而是果断让步以换取速度。2017 年年中，英特尔领投地平线 A+轮融资。
图：余凯在英特尔投资会议现场
同年 12 月，地平线交出了第一份答卷：面向智能驾驶的“征程 1.0”和面向 AIoT 的“旭日 1.0”。尽管当年的营收仅有一千万左右，主要来自开发板和 Demo 授权，但这标志着地平线从概念走到了实体。
图：征程 1.0 芯片
2017 年 3 月 28 日，余凯在上海安亭汽车创新港设立了研发中心，并立下豪言：只要给他 1000 辆车的数据，明年的自动驾驶技术就能超越美国。
然而，商业世界的残酷远超豪言壮语。
到了 2019 年，虽然 AIoT 业务带来了约 2 亿元的收入，但危机感却如影随形。那是地平线最黑暗的时刻。一级市场开始质疑这种“既做家电又做汽车”的模式，认为智能家居是个苦差事，而自动驾驶又遥遥无期。老股转让的声音在市场上此起彼伏。
在这段煎熬的日子里，余凯的心态发生了质变。他意识到，科学家那种“万事俱备再动手”的思维在战场上是行不通的。创业就是一场概率游戏，你不能等到所有牌都亮明了再下注。唯一的策略就是勇敢地打出第一炮，根据落点修正，再打第二炮。
这种转变让他变得更加“狠”绝。他学会了拒绝，学会了做艰难的决定，也学会了像“西湖醋鱼”一样：被蒸熟端上桌时，依然怒目圆睁，宁死不屈。
这种死扛的精神，被余凯称为“无脑的乐观”。在无数个难以入眠的夜晚，他依靠这种近乎变态的乐观和选择性遗忘的能力，屏蔽掉焦虑，只关注当下的生存与未来的微光。对于创业者而言，遗忘痛苦不仅是一种心理防御，更是一种生存的基本素质。
3.3 从 0.1 到 1
2019 年 5 月，地平线账面上虽然躺着三十多亿现金，但余凯却感受到了前所未有的危机。公司拥有约 1200 名员工，战线拉得极长：一边是 AIoT，涵盖了玩具、家电等五花八门的垂直场景；另一边是刚刚萌芽的智能汽车业务。
在与湖畔大学教授曾鸣和李想（理想汽车）的深入交流后，余凯下定决心，要进行战略收缩。他意识到，玩具、家电等垂直领域不仅市场碎片化，而且对智能化的需求并不刚性，根本没有足够的“油水”来滋养公司。
真正的机会，在于“击穿”汽车。
余凯的逻辑是：智能汽车是这里面既有油水，也是“技术的可能性”和市场需求的拐点。汽车不仅拥有巨大的市场体量，足以支撑起海量的资源投入和顶级人才的吸纳。更关键的是，智能汽车的三大核心计算任务，环境感知、人机交互、决策控制，与未来机器人的计算任务完全同构。如果能攻下汽车这座高地，就等于掌握了通往机器人时代的通用钥匙。
例如，当年如果不是智能手机这么一个大的战场，就不可能有广泛的 IoT 应用。因为手机市场的规模把很多系统，比如安卓操作系统，光学、声学的传感器，打到成本非常低。汽车这个市场，余凯认为它可能是孕育人工智能、孕育机器人，把核心技术给击穿的一条必经之路。
下定决心之后，余凯展现出了科学家少有的“狠”绝，裁员 600 人，砍掉碎片化的家电、玩具业务，将全公司最核心的研发资源、资金资源集中到征程 2 号的车规级量产上。
3.3.1 定位的重塑
同时，地平线明确自身定位为 Tier 2，承诺不造车，消除了与客户的竞争疑虑。地平线也将自己定义为赋能者，通过提供芯片、工具链和参考算法，帮助车企建立自研能力。通过开放底层能力，成就车企对自主可控的渴望。
在技术路线选择上，当时资本热捧 L4 级无人驾驶，无数创业公司在这个风口上狂奔。但余凯延续“汽车安全第一”的判断：All in 传统车厂的 L1 级别 ADAS（高级辅助驾驶）落地。
余凯认为，L4 级自动驾驶的实现还需要十年以上，一家创业公司不可能靠画饼活十年。而车企需要的，不是一个要颠覆它们的竞争对手，而是一个能帮助它们建立自研能力的伙伴。
3.3.2 价值观的重塑
当时管战略复盘会议开了几十场，常常通宵达旦却无结论。许多高管因为自己负责的业务线面临裁撤而泪洒当场。
余凯问：谁能说出背出创业时公司的‘北斗七星’价值观？
全场鸦雀无声，包括余凯自己也背不出来。那套包含了“正直担当、阳光进取”等漂亮词汇的价值观体系并未深入人心。
余凯追问：在过去这段最艰难的日子里，到底是什么支撑我们活下来？ 回答是，
是因为我们死磕客户需求，客户才给了口饭吃。 是因为我们咬牙坚持做了别人不愿做的苦活累活，才有了生存的空间。 是因为挣到 1 分钱，先给别人创造 10 分钱的价值。 地平线作为后来者，如果提供的价值仅比巨头高出 10%或 20%，客户没有理由承担更换供应商的风险。只有提供 10 倍的价值盈余（无论是成本节省、开发效率提升还是品牌赋能），才能撕开市场的缺口。
于是，“北斗七星”被废除。地平线的核心价值观被提纯为两条：“成就客户”与“耐得寂寞”。
3.3.3 运气
地平线在 2020 年迎来了回报。
那一年，特斯拉股价狂飙，从几百亿涨到万亿美金，彻底引爆了智能汽车市场。而就在这股浪潮袭来之时，地平线成了战场上唯一一支已经挖好战壕、架好机枪的部队。
这是对“耐得寂寞”的奖赏。当市场爆发时，地平线已经准备好了。
3.4 第一辆车
2019 年 8 月，上海世界人工智能大会的聚光灯下，地平线交出了转型后的第一份答卷征程 2.0 芯片。这款芯片采用了 CNN 优先的架构，针对卷积计算深度优化。
更关键的数据在于 BPU (Brain Processing Unit，用于神经网络计算) 的利用率超过了 90%。而英伟达 Xavier 和 Orin 这类通用型高性能汽车 SoC，行业内的共识数据显示，其实际运行时的平均利用率往往仅在 30% 左右。
与芯片一同亮相的，是一套名为“天工开物”（Horizon OpenExplorer）的工具链。软件为天，芯片为地，地平线试图用这套包含模型训练、检查验证、编译器及模拟器的全套工具，打破行业的黑盒状态。
当时的主流玩家 Mobileye，只提供结果，不开放过程，客户无法植入自研算法，拒绝本地化修改”的黑盒模式。而地平线通过 OpenExplorer，将神经网络模型的量化、编译与部署权交还给了客户。对于数据积淀薄弱但急于建立差异化竞争力的新势力而言，地平线这种既卖软硬一体方案，又卖白盒算法及工具链的模式，无异于雪中送炭。
宏观环境的变化也为地平线推开了一扇窗。2019 年，地缘政治的摩擦让中国车企对供应链安全产生了前所未有的焦虑。寻找拥有量产能力的车规级本土芯片，成为了行业的集体潜意识。在当时，地平线是唯一能拿出成熟产品的本土选项。
在这种背景下，长安汽车成为了那个破局者。当时，地平线是长安的合作伙伴中，唯一一个愿意免费提供服务的。这也在公司内部引发了很大的争议，有一些工程师觉得被人家白嫖，觉得不公平。
余凯当时也耐心做大家的工作，商业结果要看长期，不要在意眼前得失。后来证明，地平线和长安从此结下深厚的互信，地平线第一个前装芯片量产项目，就是长安的爆款车型 UNI-T 系列。
这一战，地平线完成了到量产车的惊险一跃，正式在 ADAS 市场站稳了脚跟。
2020 年 9 月北京国际车展上，地平线趁热打铁发布征程 3。算力提升至 5 TOPS，支持 6 路摄像头输入。这种架构演进满足了前视 ADAS 从单目向多目、从标清向高清过渡的产业节点。
此时，全球汽车行业遭遇了双重冲击：疫情导致的“缺芯”危机，以及造车新势力对算法自研的极度饥渴。
理想汽车成为了第二个关键盟友。恰逢理想启动“卫城计划”，急需在改款理想 ONE 上实现更强的辅助驾驶功能。理想准备了两套方案，一套用地平线的芯片，一套用 Mobileye 芯片做一体机。余凯抓住机会，动用地平线的全部精锐，组建了一支 300 人的团队派驻理想，实时提供协助。
通常来讲，这样一个项目要两到三年。但当时理想 ONE 量产在即，双方年轻人都很有血性，拍着胸脯说一定要干出来。结果还真干出来了。他们在一起花了 8 个月时间完成了。
2021 年 5 月，新款理想 ONE 发布后迅速成为爆款，月销过万。
3.4.1 死门
在这一轮的高歌猛进中，余凯已没有豪言壮语，只有冷静。
当大部分人都在寻找商业的“生门”时，他花费更多精力去思考企业的“死门”。
2021 年，全球流动性泛滥，硬科技赛道热得发烫。地平线反其道而行之，在不追求高估值的前提下，疯狂融资 16 亿美元。余凯的逻辑是：资本市场越是狂热，崩盘的概率就越高。这笔巨资是为了在寒冬来临时构建护城河。
为了对抗强势的英伟达，余凯提出了“得房率”叙事。
造芯片如同造房子，市面上许多芯片标称算力巨大，但实际利用率极低，就像买了一套 120 平米的房子，公摊却占了 60 平米。真正的竞争力不在于标称数字的大小，而在于“得房率”。即有效算力的利用效率。
要做到这一点，必须具备极强的软件基因。如果设计芯片时不懂未来三五年的算法趋势，造出来的就是废硅；必须拥有开放的生态，芯片和工具链只有在海量客户的反复打磨中才能成熟。正是这种对软件 Know-how 的深刻理解，以及对工具链从 1.0 到 3.0 的持续迭代，让地平线在算力并不占绝对优势的情况下，赢得了真实场景下的性能比拼。
3.5 行业的最大公约数
随着征程系列在车端的落地，余凯的思考维度开始从单一的“车”，跃升至更宏大的历史坐标系。
在他眼中，人类计算平台的演进有着清晰的代际脉络：第一代是 PC，第二代是智能手机，而第三代，将是无处不在的机器人。当下的智能汽车，恰恰是这第三代平台的桥头堡。
在这个第三代平台中，越往上，越接近用户体验，越需要百花齐放的差异化；而在底层，越往下，越接近物理硬件，越趋向于统一化。历史已证明，底层的芯片与操作系统，最终不会是百家争鸣的战国时代，而会收敛为少数几个寡头垄断的通用平台。PC 时代的 Wintel，移动时代的 Apple 和 Andriod，无不如此。
这里存在一个看似矛盾实则统一的客观规律：只有底层的“软硬结合”，才能实现上层的“软硬解耦”。
如果不把底层的芯片架构、编译器与操作系统打通，计算效率就无法极致释放；而正是因为底层做了深度的咬合，上层的应用软件才能无视硬件的差异，实现自由的繁荣。这便是平台型企业的护城河：不仅提供算力，更提供规则。
3.5.1 ARM + Android
基于此，余凯对地平线的终局定位进行了一次升华：
“光做 ARM 是没意思的。”余凯直言不讳。ARM 虽然占据了移动时代的半壁江山，但遗憾在于它只停留在芯片架构层面，失去了对基础软件的控制权。而今天在 AI 领域呼风唤雨的英伟达，正是因为同时掌控了 GPU（芯片）和 CUDA（操作系统），才吃到了最大的红利。
在余凯的价值天平上，软件生态的权重高于硅片。PC 时代的操作系统巨头，其市值往往是芯片公司的 10 倍；如果将安卓单独剥离估值，其价值也必然是 ARM 的 10 倍。得软件生态者得天下。
因此，地平线的野心是成为机器人时代的“ARM + Android”。
在芯片之上，地平线构建了一个完整的软件生态：操作系统、开发工具链、云端平台以及丰富的参考算法。余凯试图建立的，正是整个智能汽车乃至机器人计算中，那个永远不变的“最大公约数”。
3.5.2 生态
这种定位也回应了关于行业未来的追问：智驾芯片之上，真的会长出生态吗？
余凯认为：如果仅看自动驾驶这一个细分领域，应用往往是赢家通吃的。就像短视频领域，抖音和快手吃掉了 90%的份额，剩下的连汤都喝不到。单一应用领域很难形成丰富多彩的生态。
但如果将视野拉大到“机器人计算平台”，逻辑就变了。未来的平台上，会有扫地机器人、浇花机器人、农业机器人、护理机器人……这种应用场景的多样性，才是滋养“安卓级”生态的土壤。
3.6 开放的商业模式
3.6.1 利他主义
随着商业版图的扩张，余凯的认知也在发生一场静悄悄的进化。早期的他，面对复杂的商业关系，甚至试图通过“喝酒”这种传统的中国式社交来维系客户感情。但很快，他意识到这种物理层面的连接是脆弱的。
真正的商业连接，源于为客户解决了什么问题。
他看懂了那些车企掌门人的焦虑与野心。在这个时代，没有一家有抱负的车企甘心仅仅沦为组装厂。李斌、理想、小鹏做特斯拉，吉利想做苹果，他们都渴望掌握灵魂，渴望拥有像苹果那样的垂直整合能力。如果地平线仅仅是一个卖“黑盒”产品的供应商，那就是在阻挡客户通往伟大的道路。
于是，地平线的定位从单纯的技术提供商，转向了“成就者”。余凯意识到，必须把自己的技术底座打开，帮助各种公司去构建他们自己的竞争优势。这种认知的转变，直接催生了地平线独特的商业模式图谱。
在余凯看来，“利己”与“利他”并非对立。如果完全从利己出发，试图吃独食，路只会越走越窄，最终被生态孤立；而如果从利他出发，主动让渡利益，帮助客户成功，路反而会越走越宽。
2022 年至 2024 年间，许多合作伙伴惊讶地发现，地平线的生态部门经常会做“赔本赚吆喝”的事。如果合作伙伴 A 需要某种技术，而地平线认为生态伙伴 B 做得更好，他们会毫不犹豫地将 B 推荐给 A，甚至余凯本人会亲自飞往主机厂，帮算法公司谈订单。
余凯深知，真正的生意，不是靠榨取合作伙伴的每一分钱，而是靠“下笨功夫”扩大市场占有率，靠生态的繁荣来分摊成本。当一个庞大的朋友圈都依赖你生存时，那才是最坚不可摧的安全感。
3.6.2 四种模式
余凯为地平线设计了四种合作模式。
图：地平线不仅提供芯片（BPU）和 IP，还开放了底层的工具链（天工开物）、操作系统（TogetherOS）和参考算法。
第一种是“Mobileye 模式”，这是全封闭的黑盒。从芯片架构到操作系统，再到感知算法，供应商打包交付，车企只负责验收。
第二种是“英伟达模式”。开放上层的应用开发权限，允许车企编写自己的软件，但底层的芯片架构、操作系统和底层软件由地平线负责。
但其真正的杀手锏在于第三种模式：“TogetherOS 模式”。这也是目前大多数车企选择的方案。地平线还通过“天工开物”工具链和 TogetherOS 操作系统，向车企完全开放了底层软件接口。软件可适配不同 SoC 芯片平台，除了地平线自己的芯片，也包括英伟达、高通、德州仪器。
余凯甚至向业界提出更为大胆的第四种模式，“ARM 模式”。如果一家车企有足够的资本和决心去自研芯片，地平线可以像 ARM 授权给苹果一样，将 BPU 的 IP 架构直接授权给车企。车企可以在此基础上开发自己的 SoC，构建完全自主的操作系统。
智能汽车产业链的复杂度远超手机，产业分工是必然，而分工的前提是信任与开放。通过“比开放更开放”的策略，地平线实际上是在构建一个生态系统。余凯笃信，只有当生态繁荣时，作为平台的地平线，其价值才不可动摇。
3.7 护城河
当地平线决定将芯片架构、工具链甚至操作系统全盘托出时，我们要问：如果连核心底座都开放了，企业的护城河究竟在哪里？
在常识里，技术往往被视为高科技企业最坚固的铠甲。但余凯却认为：技术从来都不是护城河。技术更像是一场永不停歇的冲浪游戏，你必须精准地踩在每一代技术浪潮的脊背上。一旦错过其中一浪，或者被巨浪掀翻，企业便会迅速在泡沫中消失。在这个领域，没有所谓的一劳永逸，只有不进则退。
曾经地平线的“北斗七星”价值观里有一条是技术创新，后来被余凯给否了。这相当于自我否定，因为余凯的优势在于对技术的理解和研究。
余凯意识到，科技公司通过一浪接一浪的冲刷，最终沉淀下来的是品牌认知、客户关系、行业标准以及那张粘性极强的生态网。这些才是真正能够穿越周期的护城河。
而要构建这一切，最终回归到了组织能力和最朴素的价值观。
在余凯看来，在任何一个领域，能把事情做好的唯一原因，往往不是因为比别人聪明，而是因为花了更多的功夫。所谓的护城河，最终是组织内部那种愿意下“笨功夫”、愿意死磕到底的执行力。技术可以被复制，模式可以被模仿，但一个组织在漫长时间里沉淀下来的心力与韧性，无法被拷贝。
此外，“软硬结合”会让地平线拥有了远超竞争对手的迭代速度。
传统半导体行业的结构性时差。传统芯片巨头的开发模式是串行的：先造出硬件，再坐等软件公司来适配。这种模式下，一颗传统汽车芯片从设计到上车往往需要 5 到 10 年。
地平线则采取了“软硬并发”的策略。在地平线，软件团队懂硬件设计，硬件团队懂算法逻辑。在所有硬件公司中，他们最懂算法；在所有软件公司中，他们最懂芯片。这种内部认知的无缝咬合，让地平线拥有了远超竞争对手的迭代速度。
3.8 车企自研芯片？
新能源汽车市场高速增长的同时，头部玩家纷纷将自动驾驶提升到战略核心，出现了“智能驾驶是汽车灵魂，必须全栈自研”的行业信念。
余凯说：智能驾驶不是灵魂，它只有功能价值，并非情绪价值（类似手机的基带芯片）。因而，不值得车企自研。
他将智能驾驶的“功能价值”剥离为三个最朴素的维度：安全、舒适、高效。无论用户是中国人还是德国人，无论你是赶着上班的白领还是接送孙子的老人，对自动驾驶的核心诉求是完全一致的，不出事故、不晕车、快速到达。这是一种标准化的功能价值，它无法像智能座舱那样，根据用户喜好“开出林志玲的风格”或“郭德纲的风格”。
这就好比手机中的基带芯片，它负责通讯的底层连接，至关重要，但绝不会成为用户购买手机的理由。没人会因为基带芯片是高通的还是自研的而去选择某个品牌的手机。真正带来差异化体验和情绪价值的，是智能座舱，是那块屏幕背后的交互逻辑。
然而，车企一旦决定自研芯片，余凯的态度是：“有什么我能帮你的？”
芯片设计是一场极其昂贵的赌博。养一个数百人的团队，加上流片费用，每年动辄数十亿人民币的投入。如果车企年销量达不到百万级，自研芯片的单颗成本将远高于直接采购。只有特斯拉、比亚迪这样拥有巨额销量的巨头才玩得起“全栈自研”。
地平线通过开放授权（ARM 模式），实际上成为了这些车企的芯片设计部。但这看似给予了车企极大的自由，实则是让客户在不知不觉中成为生态的一部分。
3.9 征程 5 的得与失
2021 年 7 月，地平线发布了第三代车规级芯片，征程 5。在设计之初，研发团队将赌注押在了当时的主流范式 CNN 上，不仅保留了传统的加速优势，还大幅提升了并行计算与内存访存能力。
然而，科技行业的残酷在于，研发周期往往跑不赢技术迭代的变奏。
就在征程 5 发布后不到一个月，大洋彼岸，特斯拉在 AI Day 把高阶智驾的叙事推向 Transformer 与 BEV 的方向。随后的 2022 年，深圳立法破冰 L3 级自动驾驶，头部车企纷纷向城区辅助驾驶（ 城区 NOA）发起冲锋。这些新场景对芯片的通用计算能力提出了完全不同的要求。
在向城区 NOA 发起冲击时，地平线遭遇了滑铁卢。虽然一直强调软硬一体，但在征程 5 的项目中，城区 NOA 效果极度依赖下游供应商的整合能力。
余凯后来用了一个形象的比喻：地平线手里拿的是“预制板”，但面对史无前例复杂的城区 NOA，市场需要的是整体浇筑的“钢筋混凝土”。地平线搭建了一个样板间，但只亲手装修了客厅（感知），结果发现合作伙伴连卧室和厨房都还没能力装好。
种种限制下，征程 5 未能如愿在复杂的城区场景立足，最终不得不退守高速辅助驾驶领域。这款原本定位高阶的旗舰芯片，在事实层面上被“降格”为中阶芯片，无法在城区 NOA 的领域竞争。
这次“失利”促使地平线进行了一次深刻的战略反思。
余凯意识到，在一个范式突变、生态未熟的节点上，单靠“更开放、更白盒”的底座并不足够。车企关心的是实打实的“即战力”。城区 NOA 的开发难度呈指数级上升，行业内缺乏成熟的分层开发生态。与其被动等待生态像森林一样自然生长，不如自己躬身入局，亲手打造一把杀手锏。
于是，地平线决定引入新的变量。
2022 年 10 月，前华为智驾首席架构师苏箐正式加盟地平线，出任副总裁。苏箐是余凯的大学同学，曾一手打造了华为 ADS 自动驾驶方案，并参与了昇腾 AI 芯片的架构设计。他曾因在公开场合尖锐质疑特斯拉的安全性而引发争议，是一位性格鲜明、极具战斗力的技术领袖。
苏箐带领一支约千人规模的全栈智驾算法团队，开始打造直接面向车企交付的城区辅助驾驶算法 HSD（Horizon SuperDrive）。
与此同时，地平线副总裁吕鹏接手战略规划与智驾产品规划。至此，地平线在保持开放生态的同时，开始在核心战场上构建自己的垂直打击能力，试图在即将到来的 Transformer 时代，修正征程 5 留下的遗憾。
四、范式跃迁
在地平线在为高阶智驾的落地苦苦探寻“生门”之时，大洋彼岸的 Tesla 正在进行一场更为彻底的自我革命。
4.1 Tesla 的震撼
4.1.1 规则的尽头
Tesla 在 V11 时代已经将纯视觉路线推演到了极致。通过“占用网络（Occupancy Network）”，机器对三维物理世界的感知能力已经逼近了激光雷达的物理上限。然而，感知即使做到完美，FSD 依然不好用。
症结在于割裂。长期以来，无论是 L4 级还是辅助驾驶，通用的方法论都是将“感知”与“规划”拆解为两个独立的模块。感知模块负责“看”，规划模块负责“想”，且两者之间的接口有信息损失。
更要命的是，人类无法将自己的价值观完美地编写成代码。在代码中定义什么是“舒适的驾驶”或“安全的避让”几乎是不可能的。当车辆遇到障碍物时，是为了平顺性提早轻刹？还是为了效率保持速度然后急刹？抑或是借道绕行？这在人类世界中没有绝对真理。
而在传统的规则系统中，工程师必须穷尽所有逻辑：水坑多深可以过？对面车距多远可以逆行？现实世界的复杂性，让这种穷举法变成了西西弗斯的推石上山，永无止境。
4.1.2 暴力美学的胜利
2023 年 12 月 21 日，FSD V12 的发布宣告了旧时代的终结。Tesla 转向了单一的、巨大的“端到端”（End-to-End）神经网络。
图：“端到端”（End-to-End）神经网络。视频像素流进去，神经网络直接输出方向盘转角和踏板力度。
这是一种仿生学的回归。正如蜻蜓捕食蚊子时，不需要先计算轨迹再下达指令，而是一个微型的高效神经网络直接驱动翅膀；章鱼的大脑也不处理 RGB 信号，而是直接处理八维的颜色信息。自然界证明，感知与行动本就是一体的。
V12 摒弃了所有的中间规则。原始的视频像素流进去，神经网络直接输出方向盘转角和踏板力度。这种方法不仅消除了人类规则的局限，更统一了计算资源，消除了传统分支计算中不可预测的延迟。
然而，要构建这样一套系统，必须跨越“维度的诅咒”。
Tesla 的车载 7-8 个 500 万像素的摄像头，如果将过去 30 秒的上下文连同导航、速度数据一起喂给模型，输入量高达 20 亿个 Token。而模型的输出，仅仅是两个 Token：方向盘转角和加速度。
如果只是单纯用巨大的 Transformer 去硬算，模型很容易学到虚假的相关性。它必须像人类一样，学会“忽略”绝大多数无关信息。
Tesla 跨越这道深渊的方法是，依赖海量的优质数据。Tesla 的 FSD 里程积累已超过 10 亿英里。他们能从全量车队中挖掘出罕见的场景，比如高速车流中唯独一辆车静止不动，这种数据在人工测试中几乎无法复现，却是训练 AI 的黄金。
Tesla 软硬一体的功力也极佳。FSD V12 能流畅运行在 HW3.0 这块 2018 年发布的“老古董”芯片上，而竞争对手即使使用了算力高达 1000 TOPS 的 Nvidia Orin 芯片，效果却往往不及几十 TOPS 的 Tesla 老芯片。
这证明了软硬结合的威力。
4.1.3 世界模拟器
为了解决端到端模型的“黑盒”信任问题，Tesla 展现了另一层思考。
这个“端到端”模型，工程师可以通过提示词让神经网络解释。你可以问它：“你看到了什么？”或者为什么要这样做？模型便会输出它眼中的 3D 占用空间、路沿，甚至用自然语言解释决策逻辑。这让黑盒打开了盖子，让人类得以窥视 AI 的思维过程。
图： 世界模拟器的神经网络模型
为了解决最困难的“模型评估”问题，Tesla 构建了一个“世界模拟器”。它利用车队收集到的海量数据，尤其是那些开得极烂的“垃圾数据”，来训练模拟器。因为只有知道乱开车会发生什么，AI 才能构建出完整的物理边界。通过反转这些数据（给定过去状态和动作，预测未来状态），他们训练了一个世界模拟器。
图：在这个世界模拟器中，你可以让人类拿着手柄，在神经网络生成的视频流中开车，画面会根据你的操作实时、符合物理规律地生成未来状态。
4.1.4 已解决的问题
这种技术积累在 2025 年迎来了质变。
2025 年 10 月 7 日，FSD V14（版本号 2025.32.8.5）正式推送。这被视为自 V12 以来最重要的跨代式升级，底层神经网络架构和驾驶行为模型实现了再一次的跃迁。
随后的 2026 年跨年夜，一位 Tesla 车主从美国西海岸洛杉矶一路开到东海岸，全程 4400 公里，耗时快 3 天。在这漫长的旅途中，不仅方向盘没有一次人工接管，甚至连找充电桩、停车充电的过程都由车辆自主完成。
这一案例将自动驾驶的连续性测试推向了新的极端。Elon Musk 在 2026 年 1 月的达沃斯论坛上自信地宣称：“自动驾驶基本上是一个已解决的问题。”
4.2 HSD 转向
Tesla 的路线对大洋彼岸的地平线而言，是一次带着时差的地震。
在 2023 年 4 月的中国电动汽车百人会论坛上，余凯还说：十年以内，L3 级自动驾驶都不会真正实现。这是技术圈层的共识。
2023 年 12 月底，苏箐看到了 Tesla 的 FSD V12。他马上认识到，V12 第一次真正实现了从感知到规划的端到端打通，这证明了数据驱动不仅可行，而且可以跑通全场景。
余凯和苏箐迅速达成共识：L4 的实验与 L2 的量产不再是两条平行线，而是同一套技术栈的演进。HSD 团队必须立刻转向，坚定地选择“Tesla 一段式端到端”路线。
2024 年初，余凯将 90%的研发人力，包括原有征程芯片团队、ADAS 工程团队以及新招募的 AI 专家，全部压到了 HSD 端到端方案上，统一交由苏箐指挥。
在架构上，HSD 除了“纯视觉”，还可以支持多传感器融合。通过 11 个摄像头与雷达的配合，构建统一的 BEV（鸟瞰图）感知表示。同时，地平线引入了世界模型概念，将其具象化为 GUMP（运动、规划、生成式统一模型），让系统具备了预测未来的能力。
同时，HSD 利用超过 3 万个场景的数据集和 1000 万公里的回放数据进行强化学习训练，使 AI 在世界模型中自我博弈演练，以提升对罕见复杂场景的鲁棒性。
4.2.1 HSD Together
2025 年 4 月，上海车展，全新的 Horizon SuperDrive（HSD）正式亮相。目前，地平线是除 Tesla 之外，少数拥有真正意义上最完整的一段式端到端系统的企业。但比技术更重要的是，地平线推出的全新商业模式“HSD Together”。
图：新推出 HSD Together 商业模式，开放端到端大模型。
“HSD Together”模式的核心是基座模型授权。地平线将自己花费数十亿、集成了无数工程 Know-how 的 HSD 基座模型，直接授权给合作伙伴。车企不需要从零开始训练，也不需要组建庞大的算法团队，只需要负责车型的适配和差异化定制。
这带来：合作伙伴的人力综合成本下降 90%，算力成本下降 90%，时间提效 90%。这种 SaaS 化的服务模式，让哪怕是腰部车企，也能一夜之间拥有顶级的城区智驾能力。
2025 年 11 月 18 日，首批搭载 HSD 方案的奇瑞星途 ET5 和长安深蓝 L06 正式上市。这意味着地平线吹了多年的牛，城区 NOA 智驾终于落地了。
苏箐自信地表示，这只是新范式的开始。HSD 在绝大多数城市的泛化测试中表现出了惊人的适应性，“搞定一个复杂城市，大概率就搞定了整个国家”。这对于 L4 级自动驾驶而言，是效率的质变。
4.2.2 其他技术路线
与此同时，行业内各种新概念层出不穷，例如，VLA（Video-Language-Action），VLM 等。
这是一种试图让机器像人类一样“懂逻辑”的技术路径。以小鹏、理想、元戎启行为代表的 OEM 试图在视觉（Video）与行动（Action）之间，插入一个语言（Language）模型作为中介。其逻辑在于：先将视觉感知到的信息转化为语言描述，再通过大语言模型进行逻辑推理，最后输出指令。
但，余凯的判断是，人类在驾驶时，在 95%甚至 99%的时间里，人类司机是处于一种“无意识”的直觉状态。看到前车刹车灯亮，脚下自然踩刹车；看到弯道，手自然打方向。在这个过程中，大脑并没有进行复杂的语言逻辑推理。你不会在心里默念“前车红色灯光亮起，意味着减速，所以我需要收油门”。这种下意识的反应，就是“直觉模型”。
只有在剩余那极少数的复杂博弈场景，比如在拥挤的菜市场穿行，人类才会调动大脑的“慢思考”系统，进行逻辑推理和利弊权衡。
基于此，余凯认为：端到端模型，本质上就是机器的直觉模型。如果这个底层的直觉模型不够坚固，光靠上层的逻辑推理去修补，不仅于事无补，反而可能引入新的噪音。
因此，在地平线的技术图谱中，VLA 与端到端不是非此即彼的对立关系，而是“基座与塔尖”的关系。无只有当“直觉”足够敏锐时，引入语言模型作为辅助项才有意义。
4.3 新战略阶段
4.3.1 序章的终结
2024 年 3 月 26 日深夜，地平线向港交所正式递交招股书。在那个象征着阶段性胜利的夜晚，余凯在朋友圈引用了丘吉尔的名言：这不是结束，甚至不是结束的开始，但这可能是开始的结束。
半年后的 10 月，地平线机器人成功挂牌上市，募资约 54 亿港元，成为港股年度最大的科技 IPO 之一。
对于绝大多数创业者而言，敲钟时刻往往意味着财务自由的狂欢和紧绷神经的释放，但余凯表现出了一种情感隔离。面对祝贺，他说这些数字本身没有意义，真正重要的是把事情做成。这种心理状态表明，他已进入了自我实现的纯粹领域。
在上市的第二天，地平线没有举办任何高管庆祝聚餐，余凯直接出现在了拜访客户的路上。这是在向整个组织传递一种平常心：真正的战斗刚刚开始，此刻滋生的任何一丝骄傲，都可能是未来的致命毒药。
4.3.2 纳什的博弈
这种战斗状态在产品层面体现得尤为淋漓尽致。
2024 年 4 月，地平线发布了征程 6 系列芯片。与以往单兵作战不同，征程 6 是一个包含 J6B、J6E、J6M、J6P 等多款芯片的家族矩阵，意在对不同层级的市场进行全方面打击。
这一代 BPU 架构被命名为“Nash”，致敬博弈论大师纳什。纳什架构专门面向大参数量的 Transformer 模型设计。这种设计一方面是为了满足车端对视觉大模型实时推理的渴求，另一方面则是在为端到端和 VLA 架构预留跑道，确保芯片能够跑通从感知到决策的整车智能算法。
4.3.3 从 1 到 10
随着业务的爆发，地平线正式进入了从 1 到 10 的战略扩张期。
这对于余凯而言，是一场比技术创新更艰难的自我进化。在从 0 到 1 的阶段，几十个人的团队靠一顿饭就能统一思想；到了两百人，开一场会也能传达指令。但当组织膨胀到两千人时，山头林立、协作阻滞便成了常态。在这个阶段，余凯认为要从文化、流程、机制、奖惩、绩效去保证复杂组织的协同。
进入从 1 到 10 的战略扩张期，光靠团队已经不够，组织和成型的战略要匹配，战略不能是模糊的想法或者团队认识，而是能够被传达、分解，被大多数基础员工了解，战略清晰到可以变成业务模式，在业务模式中了解自己创造什么价值，靠什么赚钱。
余凯意识到，当对手变成行业内的顶级高手时，对错误的容忍度将呈指数级下降。在创新期，试错是值得鼓励的；但在扩张期，库存管理的一个疏忽，可能就会导致上百亿的资金黑洞。
站在这个扩张的节点展望未来，余凯对自动驾驶的演进路径的判断是：L3 将只是一个短暂的过渡态，行业将快速奔向 L4。
逻辑在于，L3 应当是在指定的 ODD（运行设计域）内具备 L4 的能力，而在 ODD 之外具备 L2+的能力。如果在没有达到 L4 能力的前提下强行做 L3，只能通过极其严苛的限定条件来规避责任，这不仅会带来糟糕的用户体验，还会增加不必要的成本。这种“降本降智”的产品，消费者不会买单。
因此，L3 不是通往 L4 的台阶，而是 L4 技术成熟后的自然外溢。
4.4 未来从 10 到 N 之路
4.4.1 逼近世界的黎曼猜想
如果说征程 6 的“纳什”架构是为了解决多智能体的博弈，那么地平线的下一代芯片，征程 7，则试图触碰更底层的世界法则。
余凯将其命名为“黎曼”架构。在数学史上，黎曼几何为爱因斯坦的广义相对论奠定了空间基础。余凯选择这个名字，是因为他认为这代架构将带领人工智能通向终极，进一步逼近世界的真相。
尽管芯片还未量产，但蓝图已经展开：基于黎曼架构的征程 7，算力目标直指 1500 至 2000 TOPS，支持全浮点运算，算子数量和算力性能均将实现 10 倍的跃升，大语言模型的能效也将提升 10 倍。
按照时间表，这颗承载着“终极真相”野心的芯片将在 2027 年上半年完成流片。
但在余凯看来，硬件参数的提升只是表象，真正的挑战在于组织能力的升维。从 10 到 N 的阶段，草莽英雄的时代结束了。企业必须去补齐短板，寻找世界级的球员来踢这场世界杯决赛。
这种紧迫感源于他对行业周期的残酷判断。自动驾驶行业已经不再是线性的渐进式发展，而是进入了一个“十倍速断层级变化”的状态。而当行业里发生十倍速变化时，玩家之间的关系会彻底翻盘。谁先掌握生产力，谁就是庄家。谁要是停下来，谁就会被干掉。
这就像是 PC 时代的早期，或者是通讯技术从 2G 向 5G 跃迁的瞬间。技术边界正在发生断层式的飞跃，昨天的天花板可能只是今天的地板。在这个时期，唯一的生存法则就是“以快打慢”，进行一场绝地狂奔。
如果在这个阶段稍微保守，试图守成，下场就会像 PC 时代的 IBM，或者移动互联网早期的诺基亚一样，被时代的离心力无情甩出。只有保持极致的速度和迭代，不断向技术的新上限进发，才有可能握住通往下一个时代的门票。
4.4.2 守株待兔
然而，在面对更遥远、更具诱惑力的机器人战场时，余凯却展示出了截然不同的战略定力，一种“守株待兔”的智慧。
机器人市场是一个全新的荒原，它不是巨头们目前的主攻方向，充满了无限可能，但也充满了未知的陷阱。余凯认识到，在这个生态上会长出什么样的杀手级应用，是无法被计划的。它像生物进化一样，是一个自然涌现的过程。
创造一个全新的品类，需要的是“大师级的魔法”。历史上拥有这种魔法的人寥寥无几，乔布斯用 iPhone 定义了智能手机，马斯克用 Tesla 定义了智能汽车。余凯告诫自己和团队：千万不要假设自己拥有这种能力。
因此，地平线的机器人战略不是主动出击去证明什么，因为主动去做一个未被验证的品类，往往死得非常快。策略是守株待兔：控制投入，长期耕耘底层的计算平台，耐心地等待。
注： 2025 年，地平线的机器人业务投入大概占 1/20，机器人业务收入大概占 1/100。
五、市场竞争
5.1 整体市场趋势
智能驾驶的市场，正从基础的辅助功能（L1-L2）向具备领航辅助 NOA （L2+及以上）跨越。
作为基本盘的 L1-L2 市场，虽然依旧庞大，但份额正在减少。
图：2024 年中国市场 L1-L2 的份额尚有 48%，地平线从中分走了 23%的蛋糕；但到了 2025 年第二季度，这一市场的整体份额已滑落至 40.5%，地平线的占比降至 16%。
另一方面，L2+（高速 NOA）和 L2++（城市 NOA）出货量大幅度提高。
图：2025 年 Q2，L2+ 中国市场渗透率 16.1%，英伟达市场份额 67.3%，地平线 12.9% 紧随其后。L2++ 市场渗透率 12.3%，J6M 与 J6P 的安装预计将于 2025 年年底开始，挑战英伟达当前的统治地位。
图：地平线的芯片布局。征程 SoC 从入门级征程 2 演进至旗舰级征程 6P（500+ TOPS）。地平线是少数几家持续推出并商业化多代 SoC 的智能驾驶芯片设计公司，满足了从前视摄像头处理器到高速和城市 NOA SoC 的广泛需求。
目前， L2+ 和 L2++ 市场的竞争格局。
根据，2026 年 1 月 14 日，中汽协《2025 城市 NOA 汽车辅助驾驶研究报告》
2025 年前 11 个月，城市 NOA 的市场渗透率已达 15.1%，标志着这项技术正式迈入规模化普及的快车道。自车企自研占比高达 78.3%。
第三方供应商的市场份额为 21.7%，约 67.9 万辆。其中，软件算法供应商 Momenta 切走了 61%的蛋糕。
目前的 L2+和 L2++主要集中在 25 万元以上的高端车型中。在 25 万以下，尤其是 15 万级的庞大主流市场，高阶智驾的渗透率依然极低。
那么，
英伟达会不会下沉到 15 万级别车型？ 车企自研对地平线是什么影响？ 地平线的软硬一体优势，能否大于纯算法厂商？
下面我们具体分析。
5.2 英伟达
图：英伟达为几乎所有寻求外包 L2+及以上解决方案的 OEM 提供系统级芯片。2025 年上半年，比亚迪贡献了其 56%的销量。
在 L2+及以上的高阶智驾战场，英伟达是当之无愧的统治者。它几乎垄断了所有寻求外包解决方案的 OEM 名单。
然而，英伟达在智能驾驶这个特定赛道上，并非无懈可击。
最大的隐患来自战略优先级的错位。 汽车业务仅贡献英伟达约 1%的营收。这导致了资源分配的倾斜。面对中国车企疯狂的迭代速度，英伟达缺乏足够的动力提供深度的现场支持，而国内供应商愿意派遣整建制的工程团队进驻车企，提供“保姆式”的贴身研发服务时。
其次，技术路线上，英伟达面临着更深层的结构性矛盾：“通用”与“专用”的博弈。英伟达的技术根基牢牢扎根于 GPU。它的强大在于“什么都能算”，但代价是算什么都带着冗余。
而在智能驾驶这种高度明确的推理场景中，英伟达沿用的 Ampere 等通用架构包含了大量智驾推理并不需要的计算单元和缓存。这导致了芯片面积的无效浪费和明显的性能过剩。相比于地平线这种专为智驾算法优化的 ASIC，英伟达的芯片效率未必最优。
此外，在英伟达内部，硬件团队拥有绝对的主导权，软件团队很难去反向定义硬件。而地平线的逻辑截然相反，硬件设计完全以最大化软件输出为目标。这种软硬协同的缺失，使得英伟达难以像 Tesla 或地平线那样，通过极致的优化榨干每一滴算力。
第三，业界公认的 CUDA 护城河，在车端推理环节也并非不可逾越。 CUDA 的真正壁垒在于模型训练端，而非推理端。但根据渠道调研，将算法从英伟达迁移到第三方芯片（如地平线）并非不可能。这大约会增加 30%-40%的工作量，但这只是一次性的成本。经过几次产品迭代和适配后，兼容性不再是核心障碍。
最终，将英伟达挡在 15 万级主流市场门外的，是价格。 英伟达的定价基于其通用性能峰值，但在中国低个位数乘用车市场，芯片售价太高，靠英伟达无法实现城区 NOA 在中低端智驾车型的渗透率。
5.3 华为
华为在四个平台上提供两款智能驾驶 SoC
算法采用的是全新一代架构 World Engine+World Action Model，这是典型的生成式端到端模型。
图： 华为的 SOC 主要嵌入华为自有品牌的汽车。
华为在智能驾驶领域的战略定位成功将其品牌树立为高端产品。这一声誉直接促成了配备华为智能驾驶解决方案的车辆强劲的销售表现，进一步巩固了其市场地位。
然而，由于被列入美国实体清单，华为无法使用台积电等最先进的代工工艺。这直接体现在芯片的物理参数上：华为昇腾 610 SoC 提供 400 TOPS 的算力，但芯片面积为 401mm²。地平线的征程 6P 在更先进的 7nm 工艺加持下，仅用 300mm² 的面积就实现了 560 TOPS 的算力。
华为几乎掌控了链条上的每一个环节：从 SoC 芯片、传感器、操作系统到上层算法。这种“自产自销”的集成化策略，消除了异构组件间的摩擦。全栈自研虽然带来了高性能，但也推高了商业门槛。
华为的 ADS Pro/Max 版本（支持城市 NOA）终身订阅价格高达 3.2 万至 3.6 万元人民币。这使得华为的高阶智驾方案目前只能局限于 30 万元以上的豪华车型市场，难以通过规模效应分摊成本，下沉到庞大的主流消费区间。
更为深层的阻碍在于车企对“灵魂”的焦虑。
华为的合作模式具有极强的侵略性。一旦 OEM 选择集成华为的 ADS，就意味着将关键组件的控制权拱手相让，且很难再兼容内部组件或其他供应商。更敏感的是数据，OEM 需要与华为共享核心驾驶数据。这种对全栈方案的依赖，实际上是将车企变成了华为生态的附庸。
因此，尽管华为技术超群，但大多数有野心的头部车企（如上汽、广汽等）对其始终保持着敬而远之的警惕。
5.4 OEM 自研
理论上，支撑一款先进制程（5nm/7nm）自动驾驶芯片的研发与迭代，其生命周期的销量阈值约为 100 万至 150 万辆。低于这个规模，分摊到每辆车上的自研成本（包含巨额的 NRE 费用、IP 授权、高薪团队及流片失败的风险）将显著高于直接采购成熟方案。
如果对手是英伟达： 假设外购两颗 Orin-X 的成本约为 650 美元。车企需要年销量达到约 77 万辆，其自研芯片的“固定成本+可变成本”就能打平外购成本。
如果对手是地平线： 假设外购地平线同级（J6P）芯片的成本为 500 美元。那么，车企必须将年销量提升至 150 万辆，才能在账面上跑赢地平线。
放眼当下，能够达到这一量级的中国车企，仅有比亚迪和吉利。而像蔚来、小鹏等新势力，年销量尚徘徊在 40 万辆级别，远未触及理论阈值。这意味着，每一次坚持自研，本质上都是在亏损换取差异化。
过去车企之所以被迫自研，是因为供应商反应太慢、配合度太差（如传统黑盒模式）。自研 SoC 并非目的，而是在特定市场约束下，为了解决迭代速度和定制化需求而采取的替代策略。
如果有一个第三方供应商（如地平线），能够跟上车企的产品路线图，提供随叫随到的敏捷支持，并且价格还比自研更便宜，那么“自研”的必要性就降低。随着专业第三方解决方案的成熟，规模效应最终会证明：对于绝大多数车企，购买比制造更符合商业理性。
这也验证了为什么余凯说，唯一的生存法则就是“以快打慢”。 地平线产品力越强，迭代速度越快，OEM 自研的动力越低。
从智能手机行业的演进来看，终端市场的高度集中也并未催生普遍的芯片自研： 尽管手机终端市场高度集中，全球前五大厂商占据了约 68%的份额。真正坚持且成功自研 SoC 的，仅有苹果、华为和三星三家，合计份额不过 25%-30%。甚至连巨头三星，其自研的 Exynos 芯片也因表现不佳，经常迫使自家旗舰机型不得不切换回高通方案。
跨行业对比之下，智能驾驶芯片在规模经济、试错成本和替代性上与手机 SoC 高度同构。尽管因为汽车软硬件耦合需求更强，且能力可横向拓展至机器人领域，终局下车企自研的比例可能会略高于手机行业，但绝不会成为常态。
5.5 MOMENTA
2016 年，一群来自微软亚洲研究院的精英创立了 Momenta。这是一家典型的算法公司。
凭借 L1-L2 级 ADAS 解决方案 Mpilot 和高阶 L2++方案 MSD，2022 年交付首个量产方案，到 2024 年部署车型增至 26 款，累计出货量预计在 2025 年 5 月突破 30 万辆。
在中汽协的数据中，它是目前第三方算法市场的霸主，占据了 L2++外包市场约 61%的份额。
在硬件方面，Momenta 主要使用英伟达和高通的芯片，目前正在道路上测试其自主研发的芯片：
• 基于 NVIDIA 的解决方案：主流解决方案采用 NVIDIA Orin 系列，城市 NOA 需要两颗 Orin-X 芯片，分别处理感知规划和激光雷达备份功能。到 2025 年，Momenta 已成为中国首批量产基于 NVIDIA Thor 的解决方案的供应商之一。
• 基于高通的解决方案：Momenta 面向中端市场的高性价比解决方案基于高通芯片，与基于英伟达的解决方案相比，成本降低了 15%-30%。其基于高通骁龙 8620 的解决方案已于 2025 年 6 月实现量产，可支持高速公路 NOA 功能。此外，Momenta 计划量产基于骁龙 Ride Flex 8775 的解决方案，集成座舱与驾驶一体化功能。基于骁龙 8797 的解决方案也在研发中，适用于高级 L2++及以上级别的自动驾驶和机器人出租车场景。
• Momenta 自研芯片：算力达 250 TOPS，于 2024 年第二季度成功流片，2025 年第一季度通过车规级认证，并于 2025 年 8 月进行道路测试。该芯片设计为可直接适配此前在 Orin-X 上部署的算法系统，并保持兼容的 I/O 接口，从而减少开发和部署工作。目前，该芯片正在进行道路测试，预计至少还需要 1 年时间才能大规模部署。芯片的核心研发人才来自前 OPPO 哲库团队。
然而，作为后来者，Momenta 面临着三重严峻的挑战。
首先是时间的错位。Momenta 的自研芯片即便一切顺利，也要等到 2026 年以后才能大规模部署。而此时，英伟达的 Thor 和地平线的征程 6 早已铺满市场，单芯片算力动辄 500-700 TOPS。Momenta 拿着一颗 250 TOPS 的芯片入场，产品路线图至少落后了对手 2-3 年。这意味着它完美错过了 L2++市场爆发的关键窗口期。
其次，Momenta 的这颗芯片并非完全“自研”。其核心 NPU 购自 Expedeta，SoC 设计外包给了 WisdomTech，主要研发团队则是前 OPPO 哲库的余部。算法的优化空间受到授权方的限制，“软硬极致协同”可能大打折扣。
另外，作为纯软件供应商，Momenta 始终面临着一种结构性的尴尬：在中国，软件往往被视为“无形资产”，客户极不愿意为其买单。一些强势的 OEM 甚至以算法毛利率高为由，将 ADAS 算法的价格压低至不足 10 美元。
这种以软件为中心的商业模式，让 Momenta 的财务报表始终处于“卖得越多，赚得越难”的困境。如果没有合肥政府等外部资本的输血，Momenta 难以为继。
Momenta 证明了软硬一体的正确性，但它的迟到也反向证明了地平线先发优势的很难逾越。在这个赢家通吃的硬件赛道上，留给后来者的跑道已经不多了。
5.6 黑芝麻
黑芝麻采取纯硬件的商业模式。由于没有整合定制算法，第三方智能驾驶算法无法充分利用其计算能力，因此它们能够提供的有效 TOPS 会打折扣。这意味着黑芝麻需要更大的芯片（这意味着更高的成本）才能实现相同的输出。
黑芝麻仅作为芯片供应商（仅提供基础感知算法），并不提供打包的高阶城区 NOA 算法方案，车企若要基于 A2000 芯片实现城市 NOA，需要自研算法，或者联合第三方算法公司共同开发。这增加了集成的难度和成本。
其寄予厚望的华山 A2000 系列芯片（算力覆盖 250-1000+ TOPS），计划于 2026 年才开始量产。这比地平线的征程 6P 晚了接近一年。目前，A2000 系列尚未宣布任何实质性的量产定点，而地平线的 J6P+HSD 方案已经拿下了奇瑞和大众的大单。
此外，工具链的薄弱是另一块短板。相比于地平线成熟的“天工开物”平台，黑芝麻的开发工具显得简陋，给开发者支持不足。这直接导致客户的开发周期变长、隐形成本飙升，甚至曾导致上一代 A1000 系列在部分车型上被中途替换。
在 L2+及以上的高阶领域，黑芝麻难以实现规模经济，导致运营利润的盈亏平衡点被推迟到了 2030 年以后。A2000 系列为了竞争可能不得不降低售价，加上更大的芯片尺寸，其毛利率潜力被双向挤压。
尽管上市后通过增发筹集了 12.4 亿港元，手握约 20-24 亿元人民币现金，但面对每年预计 15 亿元的净亏损，这笔钱仅能支撑两年的生存。为了活下去，预计未来还需要进行 2-3 轮股权融资，这意味着现有股东将面临 20%-25%的股权稀释。
5.7 地平线的 Alpha
2026 年是中国 L2++渗透率加速提升的关键窗口期，针对 L2+及以上级别的征程 6 系列将在未来几年显著加速汽车产品解决方案的增长。
在这个高阶市场，英伟达长期扮演着垄断者的角色。然而，地平线正在成为那个唯一的变量。它是目前市场上唯一有能力凭借 ASIC 模式带来的显著成本优势，去正面挑战英伟达统治地位的第三方供应商。
这意味着，地平线除了受益于整个行业高速增长的强劲 beta，同时凭借其独特的软硬件集成模式捕获额外的 Alpha 收益。这种软硬结合的威力，已被特斯拉和华为验证过。而地平线是唯一一家拥有商业化成熟软硬件解决方案、并将这种能力开放给全行业的第三方供应商。
通过与智能驾驶算法协同优化的系统级芯片设计，地平线为车企提供了一种难以拒绝的价值组合：更低的硬件成本、更快的迭代升级速度，以及一个更优质的开发平台。OEM 既可以享受到软硬一体的性能红利，又能在这个平台上无缝集成自身的算法，保留灵魂的自主性。这种既开放又集成的能力，让地平线在供应链中占据了一个不可替代的生态位。
目前，出于对差异化的焦虑，约 80% 的车企选择尝试自研解决方案。但长期来看，第三方供应商凭借巨大的出货量，拥有车企无法比拟的规模效应和成本优势。
基于以上原因，我们预计到 2030 年，车企自研的市场份额将从目前的接近 80%回落至 40%，大量的份额将因成本压力而发生转移。地平线预计将占据外包 L2+及以上级别系统总价值量的 40%。
六、财务分析
6.1 营业收入
2025 年上半年，地平线录得营业收入 15.67 亿元，同比增长 67.6%；毛利润 10.24 亿元，同比增长 38.6%。
图：地平线营业收入、成本及同比增速
针对车企的不同需求，地平线提供“IP 授权 + 芯片 + 工具链 + 智驾算法”的灵活商业模式组合。在财务视角下，这四种模式被收敛为两条核心收入流：“产品解决方案”与“授权及服务”。
6.1.1 产品解决方案
图：“产品解决方案”和“授权及服务”的营业收入以及同比增速。
“产品解决方案”是基于硬件出货量的交付型收入，涵盖了“软硬一体”（打包销售芯片与算法）与“纯硬件”（仅销售芯片与工具链）两种形态。
2025 年上半年，这一板块实现收入 7.8 亿元，同比飙升 250%。主要是高速 NOA 带动地平线中算力芯片（如 J6E/J6M）的需求。
量的维度：
图：2025 年上半年，地平线芯片总出货量约 198 万套，同比增长 98%。其中，支持中高阶智能驾驶的芯片（高速 NOA）出货约 98 万套，占比 49.5%，同比增长 584%。
价的维度：
图：地平线芯片的平均售价
受益于征程 6E/6M 等中高阶产品的放量，芯片产品的平均售价（ASP）同比跃升 70%，达到 393 元。值得注意的是，这一均价的提升是在旗舰产品 J6P（单价约 500 美元）尚未大规模出货的前提下实现的。
HSD 售价：
HSD（J6P）：总 ASP 为 700 美元，其中 J6P 芯片占 500 美元，软件占 200 美元，适配售价约 15 万元人民币的车型；
HSD（双 J6M）：总 ASP 为 400 美元，其中双 J6M 芯片占 200 美元，软件占 200 美元，适配售价 12 万至 13 万元人民币的车型；
HSD（单 J6M）：价格仍在谈判中，核心目标是覆盖售价 10 万元人民币的车型。
6.1.2 授权及服务
“授权及服务业务”体现地平线商业版图中的生态的活跃程度。这一板块主要涵盖算法、软件及开发工具链的授权，通常采用白盒交付模式，对应 Together OS 与 BPU IP 授权两种高阶商业形态。
现阶段，其收入模型呈现出鲜明的项目制特征。收入主要来源于一次性的技术授权费与服务费，金额取决于算法的复杂度与工程投入。由于车企在产业链中依然掌握较强的话语权，基于终端出货量的版税收入目前尚未构成支柱。
通过与大众 CARIAD 成立的合资公司酷睿程（地平线持股 40%），地平线获得收入。2023 年与 2024 年，酷睿程分别贡献了 6.3 亿元与 8.1 亿元收入，占据了服务业务总盘子的半壁江山。
2025 年上半年，来自酷睿程的关联交易收入回落至约 1.34 亿元。双方此前签署的价值约 10 亿元的 ADAS 与 NOA 算法授权合同，大部分交付工作集中在 2023 年至 2024 年初。随着底层 IP 交付完成，相应的巨额授权收入也随之结清，导致同比基数显著垫高。
地平线未来的增长引擎，将不再依赖单纯的技术转让费，而将切换至酷睿程完成研发后，在大众全球车型上实现大规模量产所带来的硬件采购流与特许权使用费。
6.1.3 小结
纵览 2025 年上半年的汽车产业版图，小米汽车以 523.1%的爆发式跃迁改写了行业格局，小鹏汽车凭借技术红利实现 132.5%的高质量反转，而比亚迪维持着 23.3%的稳健扩张。
这些头部车企的狂奔，构成了智能驾驶行业的 Beta。
然而，地平线的价值并不止步于对 Beta 的被动跟随。
对比同为第三方智驾芯片供应商的黑芝麻智能地平线录得 15.67 亿元营收，不仅在绝对规模上是黑芝麻智能（2.53 亿元）的六倍有余，在增速上（67.6%）也显著跑赢了这位追赶者（40.4%）。
这种超越行业平均水准的增长势能，便是地平线独有的 Alpha。
6.2 毛利率
地平线“软硬结合”战略在商业层面的映射，也体现在毛利率上面。
图：地平线分业务、以及综合毛利率。
“授权及服务业务”的软生态，长期维持着约 90%的超高毛利率。通过算法 IP 授权和工具链服务，地平线将客户的研发周期与人力综合成本压缩了 90% 。这种高附加值的“赋能”是地平线获取高额利润的关键。
另一方面，在硬件战场，毛利率为 46%。针对征程 2、征程 3 等成熟产品，公司选择“为了扩大装机量和客户群战略性降价。
对比具有垄断能力的英伟达：
图：英伟达毛利率。地平线的综合毛利率和英伟达类似。
余凯认为，毛利率是由你的稀缺性决定的，你得做别人做不了的事情。纵观半导体发展史，世界顶级的芯片公司，其毛利率最终都会收敛在 60%上下，净利率则稳定在 20%左右。随着竞争对手的出现，这些超额收益终将回归均值，收敛至 60%的行业常态。
而软件是决定毛利率天花板的变量。
即，在 L5 级完全自动驾驶实现之前，硬件算力尚未达到“性能冗余”的阶段，单靠堆砌芯片无法满足用户对智能体验的渴求。因此，车载操作系统需要与芯片深度协同，才能最大限度地释放计算潜能。
这种技术上的“软硬强耦合”需求，定义了地平线的商业身份。地平线从来不是一家芯片公司，而是‘芯片+软件’系统级智驾技术公司。
6.3 研发费用
毛利率验证了地平线商业模式的造血潜能。这表明其产品在市场上拥有足够的溢价能力。
但在 2025 年上半年，地平线净亏损达 52.3 亿元，相比去年同期的 51.0 亿元进一步扩大；更能反映业务本质的经调整经营亏损，也从 8.2 亿元增至 11.1 亿元。
背后的原因是激增的研发费用。
图：地平线营业收入对比研发投入
2025 年上半年，公司研发费用飙升至 23 亿元，同比大涨 62%。2025 年 50 亿元的研发投入几成定局。这笔资金的流向发生了质的变化：从过去主要支付给工程师的薪酬，转向了用于“端到端模型”的训练费用。
地平线全年近 50 亿的研发投入，实质上是在为整个行业设定“最低消费标准”。如果要留在牌桌上，不仅要解决技术问题，更要匹配这种量级的资金强度。
这就是余凯口中“以高打低、以快打慢”的战略内核，用高强度的资本与技术压强，构建竞争壁垒。一旦投入强度跟不上技术演进的斜率，产品迭代就会脱节，最终在下一轮芯片竞赛中因即使落后而被淘汰。
但单纯的烧钱并不是护城河。真正的“快”，更关乎结构效率与体系闭环。若算法无法实现数据闭环，经验无法在算力中有效沉淀，这种“快”只会演变为低效的资源消耗。
在智能化深水区，这场竞赛比拼的已不仅是技术储备，更是谁能在高强度的消耗战中，保持战略定力与节奏的精准把控。
6.4 现金流
巨额研发投入的背面，必须有同样量级的资金池作为支撑。
图：截至 2025 年 6 月 30 日，地平线账面上的现金及现金等价物 160.7 亿元。（源于 2024 年的 IPO 以及 2025 年上半年配股融资 45.78 亿元）。
余凯仍然是，趁着资本市场的窗口期尚未关闭，尽可能多地筹集弹药，为消耗战做好极端准备。
若 2028 年，智驾市场收敛，地平线就可以实现核心业务的大规模盈利，达成自我造血。反之，则需要下一轮巨额融资。
目前市场对地平线的定价主要锚定在中国智能驾驶芯片领域，而尚未计入机器人与全球化业务的价值。
七、全景竞争力分析
7.1 核心竞争力 - 反向定位
余凯认为：要生存，不能做更好的英伟达，必须做英伟达的“反义词”。这种战略选择被称为“反向定位”。其精髓不在于差异化，而在于对手无法跟进，因为跟进意味着对手必须摧毁自己现有的利润模型。
Nvidia 定价高、不做服务；地平线低价、贴身服务。
华为强势，但其“Tier-0.5”的定位让车企深感不安。余凯反复强调“Tier-2”的定位，它向车企传递了一个明确信号：我来帮你造好车。
每一家有野心的车企都想成为特 Tesla，都想自研芯片。但自研芯片的盈亏平衡点高达年产 150 万辆，绝大多数车企在经济账上根本算不过来。地平线没有站在车企自研的对立面，而是提供了一个“中间选项”。通过 BPU 授权模式（HSD Together），地平线允许车企在它的基座上进行差异化开发。
其他第三方自研厂商，要么只有软件，要么只有硬件。地平线的软硬结合路线，在快速迭代、规模化上具有优势。
7.2 辅助竞争力 - 转换成本与规模经济
转换成本 —— 强
车规级芯片导入需 12-18 个月的验证周期。一旦定点，意味着数亿适配投入和漫长的安全验证。对于争夺窗口期的车企，推翻重来等于产品死亡。
同时，工具链是更深的护城河。工程师一旦习惯了地平线的“天工开物”和专属算子库，就形成了肌肉记忆。迁移到平台，代码需重写，体系需重构。
截至 2025 年年中，近 400 款车型定点（仅上半年新增约 90 款）。每一个定点，都是一道物理防线。
规模经济 —— 中高
芯片行业极高的固定研发成本，必须通过海量出货来稀释。地平线利用规模优势，将单位成本压降低，进一步挤压了车企内部芯片团队的生存空间。
流程优势 —— 中
核心团队是软件背景，践行最懂算法的做芯片。
网络效应 —— 中
用的人越多、工具链/中间件/适配经验越丰富，后续上车和迭代越快。
此外，地平线试图利用量产车回传的数据来优化算法。虽然目前特斯拉在这一领域拥有最强的数据网络效应，但地平线通过与大量国产车企合作，正在汇聚中国最大的驾驶场景数据池 。
7.3 小结
总体而言，地平线的核心战略在于通过“开放生态”和“极致服务”的反向定位切入市场，利用转换成本和规模经济构建护城河，使其在成本上碾压小厂商并阻止车企自研，并试图建立类似于“ARM+Android”的网络效应。
八、风险及催化剂
以下变量若发生剧烈波动，将直接修正我对地平线终局的预判。
8.1 风险
技术断层（最大杀手）： 如果 AI 算法范式发生突变，导致地平线下一代 SoC 押错技术方向。那么，所有的“转换成本”和“流程优势”都将沦为沉没成本。
市场天花板下移： 如果城市 NOA 长期无法突破“好用”的临界点，消费者不愿买单，智能驾驶渗透率增长停滞，高算力芯片需求将从“刚需”退化为“选配”。
车企自研回潮： 如果头部 OEM 不惜代价强推自研，将直接削减地平线的潜在市场规模。
现金流生死线： 2028 年是硬性时间墙。若在此之前无法实现大规模盈利，且一级市场融资窗口关闭，高强度的研发投入将变成致命的失血点。
交付与黑天鹅： 向主要客户（如比亚迪、吉利）的交付若出现延迟。
地缘政治： 这是一个无法建模的变量，此处不作评论，但保持警惕。
8.2 催化剂
中国市场城市 NOA 体验若在 2026 年实现质变，引发消费者“非智驾不买车”的心理阈值。这将引爆行业对高阶算力的饥渴，直接拉升地平线的出货斜率。
大客户爆款放量： 2026 年重点看吉利的放量速度，以及奇瑞、长安、一汽的车型定点转化率。
当前估值仅锚定中国市场。非中国市场预计在 2028 年开始贡献实质性收入。一旦海外合资项目落地，将打开全新空间。
九、估值
9.1 市场逻辑
对于尚未盈利的地平线，市场完全屏蔽了利润（PE）和现金流指标，纯粹以营收规模（P/S）为核心定价。
图：市值与 P/S 倍数呈高度耦合。只要营收高增长的逻辑在，高倍数就在；一旦增长失速，双杀（业绩与估值同时下跌）会立刻发生。
9.2 短期估值
预估 2025 年出货 400 万台，2026 年冲刺 550 万台（同比+37%）。
质的提升在于平均售价提升
低端（<200 万台）： 含 J6B、J2、J3，存量维持。 中端（>300 万台）：含 J6E、J6M，比亚迪与吉利各贡献 100 万台，地平线还计划为比亚迪“天眼 B”解决方案供货； 高端 HSD（30-40 万）： J6P 为破局点。主要由奇瑞风云、iCAR V27 驱动。
营收测算： 我们将 2026 年拆解如下：
HSD (J6P)： 21 万套 x 700 USD ≈ 10.4 亿元（高单价核心驱动）。
HSD (双 J6M)： 19 万套 x 400 USD ≈ 5.4 亿元。
标准产品： 510 万套 x ~400 元 ≈ 20.4 亿元。
授权服务： 存量预估 18 亿元。
预测 2026 年总营收 54.24 亿元（同比+56.7%）。在此预期下，对应当前股价（8.8 港币）的 P/S 约为 21.2 倍。
目前 P/S 约为历史 56%分位，若 2026 营收达到 54.24 亿，则 P/S 约为历史 7%分位。
9.3 长期估值
我们将视线拉长至 2030 年。
依据 CIC 报告，2030 年中国 ADAS/AD 市场规模 4070 亿元。
假设
外包率： 第三方供应商占据 60%（车企自研与外包的最终平衡）。 市占率： 地平线在第三方市场占据 40%（双寡头格局下的强者份额）。 那么，地平线整体市占率约为 30%。
地平线估值为
营收规模： 4070 亿 x 60% x 40% ≈ 710 亿元。
估值模型： 按成熟科技公司 20% 净利率、给予 25 倍 PE。
目标市值： 710 亿 x 20% x 25 = 3550 亿。
如果我们相信地平线会成为最终的胜利者，目前可以用 2026 年 21 倍的 P/S 购买一张通往 2030 年 3550 亿市值的门票。
十、结语
余凯的进化，在于他完成了一次痛苦且彻底的切换，这是杀掉昨天的自己的决绝。
他看似变了，实则没变。他保留了科学家的前瞻性，但植入了商人的狼性（以快打慢、死磕客户）。
余凯和地平线，已经证明了他们在泥泞中打滚的能力，证明了在绝境中重塑自我的韧性。在中国硬科技的版图上，能同时具备“硅谷的技术视野”与“中国式的落地执行力”的样本，地平线是孤品。
