机器人赛道火热的当下，整个行业都在铆足劲，争夺量产级商业化机器人的首个落地者席位，自动驾驶与机器人的探索边界正在模糊，小鹏与特斯拉也从智驾切入了机器人赛道。
同样横跨智驾与具身智能的地平线选了另一条更小众但更宽敞的路：它不造车和机器人的硬件躯体，而是将目光聚焦到：能驱动智能硬件的AI大脑。
这一战略选择，也在地平线上周落幕的首届技术生态大会上得到了印证。大会的主题定为“向高，同行”，地平线给出更深层次的解释为：要从「向高而行」走向「向高同行」，通过推动底层计算技术向更高性能演进，以及搭建一个开放的通用型机器人计算平台，和行业玩家一同前进，加速生态进入智能汽车和通用机器人时代，打造机器人时代的Wintel。
成为机器人时代的Wintel，并非临时的赛道选择。早在成立之初，地平线就锚定了“为未来无处不在的机器人提供计算平台”的方向，这也正是“地平线机器人”这一名称的由来。
个人电脑时代前，不同架构计算机需适配专属操作系统，软硬件割裂严重，用户与开发者苦不堪言。英特尔凭借处理器技术、微软依托Windows系统组成Wintel联盟，以统一标准打破兼容壁垒，吸引海量厂商与开发者参与，最终占据全球PC市场超80%核心份额。
移动互联网时代，Arm架构以低功耗优势适配移动设备需求，谷歌Android系统则降低开发门槛，二者组成的生态打破了PC时代的技术垄断，支撑起全球99%的智能手机发展，更催生出App生态、物联网等全新产业形态。
在这些过往的历史背后，可以看到一个清晰的轨迹：时代的真正变革，都始于一个能让全行业共赢的基座底座。
余凯认为，汽车自动驾驶赛道已经临近交卷，但机器人赛道则是刚刚开始，自动驾驶是单个赛道，可以分出名次，但是机器人的应用场景是一万条赛道，有很多种可能的成功。
从趋势来看，具身赛道爆发的浪潮正在重演过去的Wintel联盟，未来智能竞争的核心，并非某个孤立的硬件形态，而是能串联并驱动无数躯壳的底层“机器大脑”。
01
最像特斯拉的供应商
这场跨越智能驾驶到具身智能的浪潮，从终端科技企业蔓延到了产业链上游的供应商企业。
同样以汽车自动驾驶方案商起家、覆盖智能驾驶与具身智能、自研软硬件、平台化生态的多重耦合，让地平线成了最像特斯拉的一家供应商。
在技术路径研发上，地平线与特斯拉坚定自研“芯片+算法”的选择多有不谋而合。特斯拉自研FSD芯片适配自身算法需求，地平线则通过自研征程芯片与算法软硬结合打造了HSD方案，HSD智驾系统在拟人感与流畅度上的亮眼表现，更是让其被称为中国版的FSD。
战略布局上的趋同同样明显，特斯拉将智能驾驶技术快速复用到Optimus机器人身上。而在上周的地平线技术生态大会上，余凯也抛出过一个观点：不论机器人亦或是各类具身智能，最终都需要一个通用的、适用于物理世界的AI基座模型。如果做不好自动驾驶，恐怕就无法在机器人时代占据一席之地。
在他看来，智能驾驶大模型是物理AI基座以及具身智能的开端，而这一点在地平线的创立之初埋下过伏笔。
余凯回忆，在十年前地平线创立之初，公司就被命名为地平线机器人（Horizon Robotics），并在创立之初就立志要做“机器人大脑”。起初，规划了两条并行赛道：一个是汽车自动驾驶；另外一个是车规级系统之外各类机器人的丰富应用场景。
尽管后来收缩战线，全力聚焦在汽车自动驾驶上，但地平线做机器人的梦想从未熄灭，地平线内部也始终保留着一支小团队深耕机器人技术。现如今，地平线已经成为中国最大的消费类机器人计算平台，连接着超100家上下游合作伙伴与10万余名开发者。
当下，以一个技术基座赋能汽车、机器人乃至更多物理AI场景，进而衍生生态，已成为众多头部科技企业的共识。同时，这种技术同源的底层关联，也注定了深耕智驾的玩家会自然延伸至具身智能领域的叙事走向。
特斯拉如此，小鹏如此，十年前就锚定了机器人赛道的地平线机器人亦是如此。尽管各家在这个过程中各有差异，但最终都走向具身智能的步伐也称得上是一场科技圈共识的殊途同归。
但剥开技术路径的相似性，两者的核心定位又各有自身特色，特斯拉的技术闭环最终指向「芯片-整车-机器人」的全链条掌控，并追求更趋封闭的生态模式，本质是对自身核心能力的深度强化与壁垒巩固。
地平线则明确是要做生态的技术底座，更像是供应商界不造车、不造机器人的特斯拉。
02
「BPU + 编译器 + 基座模型」如何撑起万条赛道？
“不做终端、只做底座”的定位选择，让地平线必须回答一个比特斯拉更复杂的问题：当具身智能呈现出“一万条场景赛道”的分散性时，如何为万种机器人提供稳定、高效、通用的技术底座？
地平线要提供的不能只是一个脑子本体，必须是一个高效的脑子，并且要有足够冗余的技术领先空间保证各类赛道的快速迭代。
地平线在技术生态大会上给出的答案是：从「软硬一体」的路径选择，到「BPU+编译器+基座模型」的铁三角搭建。
“没有芯片的操作系统是空中楼阁，脱离操作系统的芯片是一堆废铁”，智驾史的教训让地平线从创业之初就认准了软硬结合的路径。
在自动驾驶进入交卷期，地平线交出了城区辅助驾驶系统(HSD)的量产答案后，余凯依旧认为，在L5级自动驾驶需求被满足之前，智能驾驶一定是软硬结合路线，才能带来更高系统效率。
这个逻辑，同样被地平线复用在机器人领域，通过“BPU计算IP+编译器+基座模型”三大支柱构成大脑能力的底层技术基座。可以完成拥有高算力到高效使用算力，最后完成场景化的完整AI计算闭环，余凯称之为——智能计算“新摩尔定律”。
如果把AI计算比作一曲交响乐，BPU是「交响乐团」，编译器是「指挥」，基座模型则是「通用曲谱」，地平线的自研芯片，则是让乐队稳定发挥的熟悉舞台。
作为算力引擎，地平线的BPU已经迭代至第四代。
第一代伯努利架构主要攻坚定点计算，可支撑芯片在ADAS领域实现低功耗高效运行，并应用于征程2、征程3芯片。第二代的贝叶斯架构聚焦预测能力，可支撑高速NOA场景，应用于征程5芯片。第三代纳什架构引入博弈决策应对城区复杂路况的智驾难点，并推动征程6在12个月内实现百万级出货量。
生态大会披露的第四代黎曼架构则更聚焦通用智能，通过算子利用率优化让核心性能提10倍，高精度算子支持数量增加10倍，能效比提升5倍，能适配更高算力需求的具身智能产品。
余凯将「黎曼架构」称为地平线走向通用机器人计算的终极架构，黎曼架构将搭载于征程7，对标特斯拉的下一代AI5芯片。
硬件决定算力上限，编译器则是让算力高效的关键。
算力空转早已是AI行业挥之不去的共性痛点。有不少车企花大成本搭载了数百TOPS算力的芯片，但在实际运行城区NOA功能时，硬件利用率不足一半。
机器人领域更甚，工业机器人的运动控制算法往往只用到芯片算力的三成，剩余算力要么因指令调度混乱闲置，要么被冗余的计算流程消耗。
这种“硬件堆得狠，实际用得笨”的现状，更深层的问题在于编译环节的天然瓶颈：多数通用编译器首次执行算法时，需耗费大量时间进行编译与缓存。而当编译器完成适配时，复杂场景的计算需求又早已发生变化。
针对传统编译器的瓶颈，地平线引入了AI驱动的优化策略，天工开物OpenExplorer4.0版本，强化学习优化编译，编译速度从小时级缩短至分钟级，性能提升20%。同时，地平线自有的软硬协同的调度能力，可以把空转的算力真正用在刀刃上，HSD系统的决策延迟从300ms（毫秒）压到160ms。
具身智能基座模型则是实现机器人产品能力输出的桥梁，地平线近期发布的HoloBrain（大脑）和HoloMotion（小脑）是最新的落地成果。
HoloMotion针对运动控制，可以适配任意动作、地形，在S100/S600芯片上以50赫兹高帧率运行，让机器人爬坡、转弯更稳。目前，地平线的HoloMotion已在GitHub开源，并获得斯坦福、清华等机构的使用。
HoloBrain则负责更深度的思考和学习，基于「大规模人类数据预训练+VLA模型空间感知增强+世界模型强化学习」的架构，可实现媲美人类的空间感知能力与精细操作水平。
三大技术支柱的最终融合，指向地平线正以更强大、更通用的计算底座，从智能汽车迈向机器人时代，构建属于机器人的Wintel式生态。
03
成为具身智能的土壤
地平线选择开源核心技术大脑，既是对“成为机器人时代Wintel”初心的践行，也藏着其在智能驾驶赛道沉淀出的产业思考。
在过去的智能驾驶研发中，余凯意识到：单纯烧钱投入高昂的训练成本，未必能换来理想结果。
在智能汽车赛道上，自研一度成为车企的执念。从智驾芯片到算法系统，不少主机厂试图构建全链路闭环。
有行业数据显示，即便是头部车企，独立完成高阶智驾系统开发的周期平均超过1年甚至更久，且研发投入是生态合作模式的3倍以上。更现实的是，真正能实现技术落地并盈利的自研案例寥寥无几，多数投入最终陷入"研发-落后-再研发"的循环。
一汽奔腾副总经理杨兴龙在大会上的感慨道：“固守封闭体系无异于刻舟求剑，在智能化浪潮下，协同才是时代必然。”
香港大学数据科学研究院助理教授李弘扬抛出相似观点：开源不是最终目的，而是生态共建。
共鸣之下，地平线推出了HSD Together模式。
跳出了传统卖芯片附赠参考算法的浅层合作框架，升级为全栈式算法服务体系。地平线将自身投入巨额研发打造、且经过市场验证的全场景智驾系统（HSD）作为成熟"样板间"，向合作伙伴开放。提供白盒或黑盒授权，开放范围甚至涵盖最核心的基座模型。
余凯将HSD Together模式形容为：该模式就像前面有一匹好马，地平线会扶客户上马，甚至陪客户走一段路。
而在机器人赛道，自研执念的代价变得更加沉重。
与汽车单一场景不同，机器人涵盖家庭服务、工业制造、医疗辅助等数十个品类，若每个企业都从头搭建底层架构，不仅会重复消耗行业资源，更会错失通用机器人浪潮的窗口期。
并且，人工智能时代的技术突破逻辑已完全不同于传统软件时代——传统软件研发更像标准化工程，进度、结果都可预见管理，而AI技术突破却带着偶发性、间歇性的特质，很多技术突破可能只是几个工程师在算法参数或模型结构上的灵光一现。
加之如今模型迭代速度已提速到以月为单位，行业整体节奏不断加快，单家企业要靠自身覆盖所有场景的研发需求，既不现实也难以跟上迭代步伐。
机器人行业的现实研发困境也更为突出：应用场景高度碎片化，从家庭扫地到户外割草，从工业搬运到服务家庭，每个场景的需求都截然不同。
多数企业都面临数据短缺、开发工具及环境匮乏的不同困境，一家做割草机器人的初创公司，可能连不同地形的障碍物数据都凑不齐。研发四足机器人的团队，往往要花数月时间搭建开发框架。
这些碎片化的难题，单靠一家企业自身从0到1的突破，需要耗费大量的时间和成本。
而一个可通用的底层方案，会带来效率大幅提升，加速生态成型。基于这种思考，地平线推出具身智能开源模型和HSD Together模式，同时，明确其生态定位：无论在智能驾驶时代亦或是机器人时代，地平线都选择只造兵器不打仗。
地平线旗下地瓜机器人CEO王丛认为，具身智能行业终将走向场景多元、生态各异的方向，注定不会是一个寡头垄断的市场。
而生态模式的分野也正源于此，一种是特斯拉式的"帝国模式"，以闭环生态掌控从芯片到整车的全链条，用极致管控定义单一品类的终极体验。
另一种则是地平线选择的生态模式，不做最高的那棵树，而是成为生态生长的土壤。二者究竟孰优孰劣，在AI智能时代，或许没有唯一的答案，所谓"不造车、不造机器人的特斯拉"，是地平线选择跳出产品竞争拥抱生态的一种答案。
在如今的具身智能B端、C端以及工业具身等明星企业中，地平线土壤上生长起来的具身智能故事正在繁衍。
张玉峰曾任地平线智能汽车事业部总裁，今年8月离开地平线后创办了聚焦于B端工业场景的无界动力。地平线智能驾驶总裁余轶南，2024年离开地平线后，创办了聚焦C端机器人产品的维他动力。
在首届技术生态大会上，余轶南、张玉峰等创始人受邀再回地平线，对机器人赛道创业做了分享。
维他动力CEO 余轶南
有前地平线人向雷峰网坦言，“余凯是一个战略型的创业者，这是与很多创业者最根本的不同，他的视角没有局限在未来的五年要做什么，而是围绕一个机遇可以把盘子做多大。”
更长远来看，基于生态的理念，地平线可以快速培育出一个“地平线系”，提升具身智能产业链的协同效率，最终达成地平线的生态赋能者定位。
在这次生态大会上，有一位业者向雷峰网传达了一个非常有意思的论点：如果百度是中国自动驾驶的黄埔军校，那么，地平线或许就是未来中国PhysicalAI的黄埔军校。雷峰网(公众号：雷峰网)雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。