新商学案例｜国产智驾芯片出货量第一的地平线如何拓展AI应用新场景？ -千龙网·中国首都网

地平线大厦前受访者供图

人工智能正从数字世界走向物理世界，智能驾驶是较早实现规模化应用的场景。高工智能汽车研究院统计显示，2026年上半年，在国内自主品牌乘用车智驾芯片市场，智驾科技企业北京地平线机器人技术研发有限公司（以下简称“地平线”）以31.94%的份额位居第一。地平线官方披露，截至2026年9月，旗下征程系列智驾芯片累计量产超过1500万套，与40多个汽车品牌建立合作，累计获得近500款车型定点，搭载该系列芯片的车辆超过800万辆，成为中国出货量最大的智驾系列家族芯片。

除了量产规模，这些芯片还带来了真实道路数据。公开信息显示，搭载征程系列芯片的车辆累计行驶里程超过千亿公里，为算法迭代提供了实验室难以复现的场景。千龙网发现新商学记者了解到，地平线正把智能驾驶中积累的软硬协同能力，向外拓展到机器人等新场景。

从智驾切入，积累跨场景技术能力

地平线成立于2015年，创立时便提出“为无处不在的机器人打造计算平台”。当时通用机器人市场尚不成熟，地平线选择先以智能驾驶作为技术验证和规模化落地的入口。

“和虚拟网络中处理文字、图像的生成式大模型不一样，物理AI要能感知和理解物理世界、作出推理决策，并与实体设备交互，必须能够面对更复杂多变的现实环境。”地平线智驾产品市场副总裁刘文尧向千龙网发现新商学记者介绍。地平线认为，智能汽车结构复杂、安全标准高、工业化难度大，对物理AI技术落地有着最为严苛的要求；同时，其成熟的产业链又具备了规模化量产的条件。这种高技术标准与高量产可行性的结合，使智能汽车成为地平线在物理AI方面率先规模落地的场景。

地平线智驾生态合作成果展示台千龙网发现新商学记者姜萌摄

地平线能够在智驾领域取得进展，与其自创立起一直坚持的软硬结合路线有关，具体来说是芯片硬件与算法软件同步设计、协同优化。

“车载芯片的迭代周期约为四年，企业需要提前数年判断未来算法的发展方向，再以此定义芯片硬件架构。”刘文尧解释，一旦对未来算法趋势判断失误，芯片造出来后就会缺乏市场竞争力，“因此我们自研了BPU（Brain Processing Unit，神经网络处理器）架构，用对AI算法的理解反过来指导芯片的设计。”

依托BPU架构，地平线形成了征程系列车载智能计算方案，涵盖底层芯片、算法模型和开发平台。

大模型进入智能驾驶后，地平线将征程系列芯片与端到端AI模型结合。传统智驾系统通常需要经过感知、预测、规划等环节分段处理，端到端模型可以直接根据摄像头采集的实时画面生成驾驶决策，减少信息传递中的损耗。刘文尧表示，软硬协同可以让系统在较低功耗下实时处理道路数据，使车辆在复杂路况中的响应更快，决策更接近熟练驾驶员的判断。

从产品布局看，地平线已形成从入门辅助驾驶到城区高阶辅助驾驶的产品矩阵。基于征程6P打造的一段式端到端辅助驾驶系统HSD于2025年量产落地。2026年7月，搭载征程6P芯片的HSD 600域控制器通过UL Solutions的ISO 26262功能安全产品认证，达到ASIL D等级。一系列专业认证意味着这套智驾系统在底层硬件与系统安全上通过了汽车工业最严苛的验证，具备大规模安全上路的硬实力。

实地测试，在真实场景中验证能力

地平线认为，产品成熟度需要在真实道路中持续验证，实验室数据只能覆盖部分场景。近期，记者乘坐搭载征程6系列芯片的测试车辆，在复杂城市道路进行了实测。

在一处道路错位的非对称十字路口，测试车辆顺利汇入对向错位车道，并完成对横穿行人和电动车的避让。

“这种路况非常考验系统的综合应对能力。”地平线工作人员向记者解释，车辆需要具备精准的“路口找路”能力，迅速识别正确的驶入车道，同时处理交叉车流，以及与行人、电动车之间的交互博弈。所谓交互博弈，指车辆与其他交通参与者相互试探、让行的动态过程。

在狭窄的断头路与窄道口，测试车辆演示了“多点腾挪掉头”。空间不足时，车辆可自主倒车寻找角度，多次切换挡位完成掉头。地平线工作人员表示，这项能力来自大模型对现实空间的实时理解，并直接输出行驶轨迹，没有依赖预设的人工规则。

记者乘坐搭载征程6系列芯片的测试车辆进行了实测千龙网发现新商学记者姜萌摄

记者体验发现，测试车辆在加减速与变道时控制较为平稳，减少了传统智驾系统常见的生硬提速和急刹。“我们以前偏好在极具挑战的小路或人流密集的街区做试驾展示，现在更关注普通用户每天都会遇到的驾驶场景，把核心精力放在打磨行车质感和安心感上。” 地平线工作人员表示，他将其概括为拟人、体感舒适、决策笃定，希望车辆没有明显的机械感，也不会出现方向盘乱甩或犹豫不决的情况。

实测也显现出当前技术在极端长尾场景中的能力边界，也就是在现实中发生概率很低的复杂特殊路况下，系统仍存在局限。在一条窄路上，面对一辆斜停在路面中间的大型货车，测试车辆识别后停留数秒，未能自主规划出路线绕行通过，最终由随车技术人员接管。随行技术人员表示，此类长尾场景仍是辅助驾驶尚未完全攻克的部分。当系统判断不确定时，会优先停车并提示司机介入，不会贸然通行。刘文尧坦言，辅助驾驶从覆盖率80%提升到99%所需的时间，可能比此前从10%做到80%还要长，场景越复杂，迭代越难。

在地平线看来，智驾技术最终需要解决现实中的通勤安全和驾驶疲劳。技术参数之外，系统的价值还在于稳定驾驶，提前防范盲区风险，让出行更轻松、安心。

这些测试既呈现了现有能力，也暴露了仍需解决的长尾场景。这些积累为地平线向更多新场景延伸提供了依据。

技术同源，把智驾能力延伸至机器人

从智能驾驶向机器人延伸，是当前人工智能产业探索的方向之一，也是地平线尝试复用既有技术能力的下一步探索。具身智能已连续两年写入《政府工作报告》，“十五五”规划纲要将具身智能等列为新的经济增长点。国务院《关于深入实施“人工智能+”行动的意见》也提出，大力发展智能网联汽车、智能机器人等新一代智能终端。政策层面越来越重视人工智能技术在真实场景中的验证和规模化应用。

在地平线机器人实验室，记者看到原本用于车辆行驶的AI计算能力被用于机械臂、机器人等具身智能设备。面对堆叠乱序的快递纸盒，机械臂可识别纸盒结构，抓取并折叠封箱。另一侧，工业机器人正在完成零部件的精细插接等操作任务。

在地平线机器人实验室，机械臂正在实操演示。千龙网发现新商学记者姜萌摄

“高度智能化的汽车，本质上是一台四轮移动机器人。”地平线研究院副院长苏治中表示，汽车与通用机器人在底层技术栈上同源同构，都需要完成环境感知、决策规划和运动控制。因此，车辆在道路上积累的视觉感知、空间理解、运动规划等能力，可以迁移到机器人等新场景。

不过，从技术成熟度看，苏治中解释，目前实验室中演示的机械臂多固定在工位台架上，尚未安装在可移动的机器人本体上，原因在于机器人大脑的成熟度仍低于运动控制能力，在开放、非结构化环境中完成通用操作，还有不少技术难关。在他看来，人形机器人真正进入工厂、走进家庭，目前仍处于早期阶段。

这类能力迁移也反映在芯片和模型布局上。地平线的征程系列芯片面向汽车，地平线孵化并分拆出的地瓜机器人则运营面向机器人的旭日系列芯片，两者均基于BPU架构。地瓜机器人方面介绍，旭日系列芯片累计出货已超过800万片，旭日S600发布半年内获得优必选、北京人形机器人创新中心等20余家客户采用。同时，地平线将智能驾驶开发中积累的能力拆解为负责运动控制的小脑模型与负责操作学习的大脑模型，并向行业开放。

在苏治中看来，无论未来机器人形态如何变化，底层能力仍会围绕认知、决策和控制展开，而智能驾驶已经完成了这一能力体系的大规模验证。

除机器人外，这套车规级的计算与感知能力也在向更多商用场景渗透。目前，地平线正将相关方案输出至无人物流车、家庭智能体以及电动两轮车等领域，并通过开放芯片与算法工具链，与上下游生态伙伴合作。

从更广的产业视角看，跨场景延伸背后是产业界对人工智能演进规律的一项判断。AI需要走出数字世界，在真实物理世界中接受检验与迭代。地平线创始人兼CEO余凯此前在2026亚布力论坛第22届夏季年会上表示，“数字世界的AI如果得不到真实世界的反馈，永远走不到AGI（通用人工智能）。自动驾驶汽车、各类智能机器人进入物理世界，在真实环境中不断感知、执行任务、积累经验，将为AI提供数字世界无法给予的反馈。”

从1500万套智驾芯片出发，地平线正在探索一条路径，把经过大规模真实场景验证的人工智能能力，拓展至更多物理世界的新场景。（千龙网发现新商学记者姜萌）

如需咨询相关问题或提供新闻线索，可通过以下方式联系我们。

联系电话：84686896

合作邮箱：faxianxinshangxue@163.com