2025年7月22日，在第八屆智能輔助駕駛大會上，地平線芯片產品總監沈建指出，隨著電子電氣架構向中央集成與計算階段演進，輔助駕駛算法與芯片面臨更高要求，尤其是端到端與大模型技術的應用，使得芯片需具備高算力、高帶寬和低延遲特性。他介紹到，地平線通過提升單芯片算力、優化系統效率及降低功耗等措施，積極應對這些挑戰。
沈建還表示，地平線在芯片架構上不斷創新，歷經三代演進至Nash架構，實現了CNN和Transformer處理性能的顯著提升，并解決了Memory Wall問題。此外，地平線的征程6系列芯片全階覆蓋高、中、低三檔市場，其中J6P芯片算力高達560 TOPS，將于年內量產。
沈建｜地平線芯片產品總監
以下為演講內容整理：
地平線是全場景輔助駕駛領域的全球領導者。公司以技術為導向，現有研發人員超2000人，專利數量也有2000余項。公司在國際挑戰賽及頂級學術會議上屢獲佳績，相關成果在輔助駕駛領域廣受行業認可。商業化方面，截至今年第一季度，征程系列出貨量已突破800萬套，成績斐然。
市場占有率方面，2023年，公司在自主品牌輔助駕駛解決方案市場中市占率位居行業第二。至2024年，公司市占率進一步提升，超過33%，每三臺配備輔助駕駛系統的車輛中，就有一臺采用地平線的解決方案。
關于當前的行業發展趨勢，從產品維度來看，目前市場可劃分為高、中、低三檔。低階即入門級產品，該領域已基本成為紅海市場，其核心訴求在于安全與性價比。中階產品方面，隨著去年及今年輔助駕駛普及進程的加速，預計在2025年至2026年，中階產品出貨量將發生質變，滲透率也將迅速提升。高階產品領域，國內企業與特斯拉在高階輔助駕駛的探索上從未停歇。
得益于各大廠商在端到端與大模型技術方面的努力，行業在各類場景及corner case上取得了顯著進步，用戶體驗也大幅提升。然而，與人類駕駛水平或理想體驗相比，仍存在一定差距，需持續努力與探索。
圖源：演講嘉賓素材
從多個維度分析，我們認為有三點至關重要。一是安全，無論高中低檔產品，均需將安全置于首位。二是輔助駕駛的滲透率，當前及未來兩三年內，其滲透率預計將維持高位，這意味著對域控制器及一體機的成本要求將日益提升。三是隨著滲透率的提高，輔助駕駛的使用人群將不斷擴大，進而對用戶體驗提出更高要求。若用戶體驗持續優化，則輔助駕駛的普及程度將進一步提升，這也是全行業共同追求的目標。
系統層面，電子電氣架構歷經多年演進，已從分布式架構發展至區域控制，進而邁向中央集成與中央計算階段。電子電氣架構的變革有效降低了整車的成本。此外，為提升輔助駕駛體驗，各類異構計算單元的ECU正逐步向中央計算的SoC方向演進。這一演進對于降低成本及提升輔助駕駛體驗具有實際意義。
回歸輔助駕駛算法與芯片本身，在 2024、2025 年相關討論中，“端到端”與“大模型”是兩個高頻詞匯，其中涉及 VLM、VLA 等技術。這些技術在提升輔助駕駛體驗方面發揮了顯著作用，但其代價亦不容忽視。這些模型的參數規模極為龐大，基本達到零點幾億級別，領先的技術模型參數規模更已達到數億級別。如此龐大的模型參數對芯片性能提出了更高要求。此外，當前多數系統的幀率仍處于10～20幀水平，但預計在未來將逐步提升至更高幀率。因此，從算力層面來看，芯片需滿足日益增長的性能需求。
值得注意的是，無論是端到端技術還是大模型，其底層架構均基于Transformer。Transformer作為一種帶寬敏感型網絡，隨著參數量和幀率的增加，對芯片帶寬的要求也顯著提升。我們認為下一代芯片需具備高算力、高帶寬和低延遲三大核心特性。
圖源：演講嘉賓素材
針對以上問題，我們認為首先需實現單芯片算力的有效突破。提升單芯片算力最直觀的思路是先提升單代芯片性能，之后通過Chiplet技術等橫向擴展手段，進一步增強整體性能。當前，提升單代算力較為直接的方式是采用先進制程工藝。目前，這一方向仍將持續推進，例如從現有的7nm制程向5nm、4nm乃至3nm制程演進。然而，制程升級帶來的性能提升紅利正在逐步減弱，因此需要依靠系統協同來實現算力的有效突破。
此外，算力提升并非僅依賴于增加加速器的計算能力，更重要的是確保數據能夠及時、高效地傳輸至加速器，從而提升整體系統效率，實現較高的幀率表現。這是單代芯片性能提升的關鍵所在。
算力的提升并非無限制的，其最終需滿足車載部署的實際需求。鑒于當前車載散熱系統中冷卻液溫度大多維持在65度左右，這對芯片能效提出了極高要求。在輔助駕駛芯片中，NPU的功耗最高，因此設計高效能的NPU成為關鍵。此外，通過采用近存計算技術及優化后端物理實現，亦可進一步降低功耗，從而實現算力的有效提升。
此外，還存在Memory Wall問題。隨著算力提升以及集成度增高，這一問題將愈發嚴峻。針對此問題，我們的思考主要圍繞兩個維度展開。
一是關注片內的SRAM和Cache。算力提升需以數據有效傳輸為支撐，而片內的CPU Cache以及NPU SRAM等模塊雖具備極高的數據傳輸速率，但容量相對有限。為解決這一問題，需依賴外部存儲器如DDR，其特點在于容量較大，可滿足當前大模型的存儲需求。然而，DDR的速率與片上SRAM存在較大差距，因此提升外部存儲帶寬成為關鍵任務。
圖源：演講嘉賓素材
二是架構層面。當前市場上較為常見的架構是DSA，例如地平線的BPU以及的昇騰系列均屬于此類架構。DSA架構的特點在于能效表現優異，但其設計主要面向特定領域，因此在通用性方面相較于通用GPU存在一定差距。為應對場景的多樣性需求，當前DSA架構也在逐步融入通用性加速單元。例如，GPU廠商在面向深度學習領域時，開發了GPGPU結合Tensor Core的方案，該方案在通用性方面表現良好，但在能效和性能上仍不及DSA架構。
而，鑒于行業共同目標均是推進更高級別的輔助駕駛技術發展，為適應未來場景的多樣性以及算法的通用性需求，通用計算架構與專用計算架構的融合將成為趨勢。地平線現有的BPU基于DSA架構，但未來將向融合通用計算能力的方向演進。
后摩爾時代，單純依靠工藝提升芯片性能的難度正日益增大。以業界情況來看，在更先進的A14、A16等制程上，廠商已轉向通過DTCO方向來挖掘性能潛力。對于輔助駕駛芯片而言，同樣需要采取類似策略，通過芯片底層定制標準單元、實現高性能物理設計，以及優化芯片架構中計算單元與總線的協同，從而將芯片性能發揮到極致。系統層面亦可借鑒此思路，集成更多加速模塊。同時，在算法層面，推動算子與芯片的協同設計，開展更多定制化代碼設計，以進一步提升性能。通過上述多維度的協同優化，不僅能夠提升性能，還能在一定程度上降低能耗，進而減少散熱與供電成本，實現系統整體優化。
在過去十年間，地平線在這一領域進行了諸多實踐。2016年，地平線提出了“智能計算時代的新摩爾定律”。彼時，業界普遍認為芯片片上算力即代表實際算力，但時至今日，客戶在評估芯片性能時，更傾向于通過實際測試板卡來驗證，這反映出芯片實際性能的發揮不僅取決于芯片本身的計算能力，還涉及編譯器優化、算法優化等多個層面。因此，唯有實現軟硬件協同優化，才能充分釋放芯片性能。
自2016年起，地平線的芯片架構歷經三代演進，從初代的Bernoulli架構，到后續的Bayes架構，再到2021年推出的Nash架構。目前，地平線量產的征程6系列芯片即基于Nash架構打造。
關于Nash架構的特性，回顧BPU六年來的發展歷程，其在CNN處理性能上實現了246倍的提升，在Transformer處理性能上則提升了27倍。此外，該架構新增了VPU，旨在增強芯片的通用性。同時，針對Transformer中常用的特定超越函數，我們采用了硬件固化設計，以此進一步提升Transformer的整體性能。在存儲系統方面，Nash架構引入了全新的三級存儲層次結構，通過協同總線與外部DDR存儲器的優化配合，有效解決了Memory Wall問題。
圖源：演講嘉賓素材
隨著J6B芯片近期完成回片測試，我們的征程6系列已實現全階通關成熟，全面覆蓋高、中、低三檔市場。其中，中階的征程6E與征程6M兩款芯片已于去年年底實現量產，高階和低階的產品也將很快量產。征程6B也已牽手，將于2026年年中量產。
在高階產品領域，地平線將持續突破創新，致力于為客戶提供極致體驗。而征程J6B芯片則聚焦于夯實基礎性能，將安全性能作為核心標配，嚴格遵循安全第一的重要準則。
此外，征程J6P芯片的算力高達560 TOPS，配備18個A7八核處理器，內部CNN總線帶寬達到1Tb/s，圖像處理帶寬性能達5.3Gpixel/s，同時內置MCU以幫助客戶降低成本，其帶寬超過200G。搭載征程6P的HSD城區輔助駕駛方案，將于Q3在奇瑞星紀元E05首發量產。