企业官网建设流程全解析

跟黄畅约在下午，地点是他办公室旁边那间专门用来接待访客的会议室。墙上挂着一张产品演进图，从征程2一直画到征程6，下面压着一行小字：做面向未来的智能计算。聊了不到半小时我就意识到，外部关于地平线的讨论大多聚焦在“芯片”两个字上，但在黄畅的语境里，芯片只是整个技术版图里的一块地基。他把地平线的完整能力称为“武器库”，而且很笃定地补了一句：这个武器库，多到用不完。

这篇文章不打算写常规的专访稿，我想把这次对话里真正有价值的东西梳理出来——地平线的技术版图到底怎么分层，BPU架构为什么被反复强调，征程6的排兵布阵背后是什么逻辑，以及从芯片到解决方案中间那段最难走的路是怎么铺平的。如果你关注智能驾驶、车载计算平台，或者正在为自己的产品做技术选型，这篇内容值得花几分钟读完。

1. 地平线的“武器库”到底装的什么：从一次展厅对话说起

黄畅带我看了展厅里的一整面墙。上面按时间轴排列着征程系列芯片，从早期的征程2到2024年发布的征程6家族，旁边还摆着几块域控制器参考硬件。他指着墙说，外界经常把地平线简单理解为“做自动驾驶芯片的公司”，但芯片只是最底层的那一层。地平线的完整能力栈可以分成四层：核心计算架构（BPU）、芯片产品矩阵、工具链与软件开发平台、以及面向量产交付的软硬一体解决方案。

这四层就是黄畅说的“武器库”。芯片是其中最显眼的部分，但它并不单独存在。没有BPU架构的持续迭代，芯片就是普通的ASIC；没有工具链和软件开发平台，芯片很难被客户用起来；没有量产级的解决方案，芯片就无法变成一辆车上真正跑通的功能。黄畅把这一整套体系比作“弹药与枪械的关系”：芯片是枪，架构是造枪的图纸，工具链是教你怎么用枪，而解决方案是直接上战场打靶。

为了把这段对话梳理得更清楚，我把地平线的武器库按层级拆成了下面这张表。这也是整篇文章的骨架。

黄畅专门强调了一点：这四个层级不是静止的，每一层都在滚动迭代。比如BPU架构已经走到第三代，工具链几乎每个季度都有版本更新，芯片矩阵也在不断补齐。他说“多到用不完”不是指数量上的堆砌，而是指任何一个客户进来，不管他是想自己写算法的技术型车企，还是希望直接拿到一套能上车的完整方案的传统厂商，地平线都能拿出对应的组合。

这个判断在我后来的交流里得到了印证。地平线的客户群体差异极大：有新势力车企，需要开放的工具链支持自研算法；有传统主机厂，更希望地平线直接把感知、规划、控制打包成交付方案；还有做机器人、做智能硬件的公司，看中的则是征程芯片在功耗和算力上的平衡。如果地平线只有芯片，后面两类客户根本服务不了。黄畅说，武器库的意义就在这里——不同客户带着不同问题来，你手里得有对应答案。

2. BPU架构的三代演进：为什么算力不是唯一的武器

聊到芯片设计，黄畅的语速明显快了起来。他反复提到一个词：BPU架构。这是地平线最核心的家底，也是理解“武器库”绕不开的一层。

BPU的全称是Brain Processing Unit，可以理解为专门为AI计算设计的处理器核心。通用CPU适合处理逻辑控制，GPU适合大规模并行吞吐，但两者在车规级场景下都有短板：要么功耗太高，要么能效比不够理想。BPU的思路是围绕神经网络计算的访存模式、算子分布、量化策略去做定制化设计，让每一瓦电、每一平方毫米的芯片面积都尽量用在AI推理上。

地平线的BPU已经走完了三代演进。第一代“伯努利”用在征程2和征程3上，主攻深度学习算法在嵌入式场景的密集计算效率；第二代“贝叶斯”用在征程5上，大幅增强了Transformer类网络的支持能力；第三代“纳什”用在征程6P上，采用双核架构，强调大算力下的灵活调度和低延迟。黄畅说，这三代演进背后有一个一以贯之的判断——AI算法还在快速变化，芯片架构必须能接住变化，而不是押注某一个固定网络结构。

这里有个特别容易误解的点，黄畅主动拿出来聊了：很多人习惯用“算力”去衡量一颗芯片好不好，但算力只是理论天花板，实际能跑出多少有效算力，取决于架构和算法的匹配程度。他打了一个比方：算力是发动机的排量，架构是传动系统的效率。排量大的车不一定跑得快，关键要看动力能不能高效传递到车轮上。放在芯片上，就是算力能不能被目标算法真正用起来。

这也是地平线坚持自研BPU而不是直接买现成IP的原因。买IP看起来省事，但IP设计之初并不针对智能驾驶场景，车规级对功耗、延迟、安全性的要求，通用IP很难同时满足。更重要的是，算法演进的速度非常快，2023年城区智驾还在用CNN为主的结构，2024年Transformer已经成为主流，端到端模型也开始上车。如果芯片没有架构层面的灵活性，很快就跟不上算法变化。

我在对话中追问了一个具体的例子：征程5的贝叶斯架构是怎么应对Transformer兴起的？黄畅说，贝叶斯架构在设计之初就对Transformer类算子做了预研和硬件优化，包括对长序列注意力计算所需的访存密集型操作做专门的流水线设计，所以当行业集体转向BEV+Transformer方案时，征程5没有手忙脚乱。这种“提前半步踩点”的能力，不是靠堆算力堆出来的，而是来自对算法趋势的判断和架构层面的前瞻设计。

第三代纳什架构则更激进。它的双核设计听起来不算特别新鲜，但黄畅强调，纳什的双核不是简单的“两颗芯拼一起”，而是通过总线互联、任务调度、缓存一致性的协同设计，让两颗核在跑复杂任务时能动态拆分负载。比如城区场景里，感知和规控可以分别跑在不同核上，也可以把一个大模型切分到两核并行推理，灵活度比固定流水线高很多。对车企客户来说，这种灵活性意味着同样的硬件能适配不同风格的自研算法，延长了芯片的生命周期。

3. 征程6矩阵的排兵布阵：从入门到旗舰的覆盖逻辑

聊到征程6系列，黄畅没有先讲旗舰芯片，而是先讲了一个行业现象：很多芯片公司喜欢做一颗旗舰大芯片，再围绕它做各种“阉割版”。从产品管理角度看，这是最高效的打法——一颗芯片打天下，成本摊得很薄。但在汽车市场，这种打法会碰到一个很现实的问题：旗舰芯片贵、功耗大、对周边配套要求高，十万元级的车型根本用不起；而把它做成缩水版，性能和价格又往往卡在尴尬的位置。

地平线选择了另一条路：直接做一个完整的家族——征程6B、征程6E、征程6M、征程6P，算力从几十TOPS到五百多TOPS，覆盖入门级前视一体机到城区高阶智驾的每一个主流档位。黄畅说，这个产品矩阵的排布逻辑跟车型价位强相关，不是拍脑袋做的。

征程6B主打性价比，目标场景是前视一体机和基础L2功能，客户看重的是成本控制和低功耗；征程6E和征程6M走中阶路线，能支撑高速NOA和部分城区场景，面向二十万元上下的主流车型；征程6P是旗舰，560 TOPS算力，专门服务城区全场景智驾，匹配带激光雷达或不带激光雷达的高阶方案。四个档位各司其职，客户选型时几乎不用纠结“性能溢出”或“性能不够”的问题。

我特意问了黄畅一个尖锐的问题：做矩阵意味着每颗芯片都要定制、都要摊销研发成本，这在商业上划算吗？他的回答很直接：芯片的研发成本固然高，但如果一个矩阵能让客户在多个价位段、多个车型上复用同一套软件栈，研发投入就会被摊薄。换句话说，地平线的矩阵逻辑不是靠单颗芯片走量，而是靠“一套软件栈覆盖全系车型”来放大价值。

这个“软件复用”的说法，在随后聊到征程6E和征程6M时得到了具体解释。这两颗芯片在定位上有所区分，但都基于同代BPU架构，在指令集和工具链层面保持一致。这意味着，客户用征程6M开发的视觉感知算法，迁移到征程6P上做高阶智驾时，不需要从零开始重写。对大型车企来说，这个价值非常明确：同一套技术底座，可以从小车到大车、从低配到高配逐级铺开，人力投入只需一次。

黄畅还提到一个细节：征程6家族里，不同芯片虽然算力跨度很大，但都留出了针对智能驾驶场景的专用接口和硬件加速单元，比如对于多传感器接入、安全岛设计、隔离执行环境的支持。这些看着不炫酷，但在整车量产中反而至关重要——芯片不是拿来跑分跑的，是要在车里每天工作十几个小时、连续工作五六年的，可靠性、可扩展性和成本控制比峰值算力更决定一款芯片能不能真正大批量上车。

4. 藏在芯片背后的“弹药”：工具链、参考方案与量产方法论

聊到工具链的时候，黄畅引用了业内一句流传很广的吐槽：“芯片好做，工具链难搞。”很多做AI芯片的公司，硬件参数亮眼，但开发工具难用得让人绝望。模型转换报错、量化精度掉点、部署性能达不到预期，这些问题是几乎所有芯片公司都要过的鬼门关。地平线在这方面投入的人力，在黄畅看来，比芯片设计本身还重。

为什么工具链如此重要？黄畅给出的解释很朴素：芯片只有被开发者用起来才有价值，而开发者最在意的是从拿到芯片到跑通模型的链路到底顺不顺。地平线的开发者平台支持主流AI框架的模型导入，提供了从模型迁移、量化、编译到板端部署的完整工具链，目标是让客户把在GPU上训练好的模型快速搬到征程芯片上跑，而不是花三个月重建部署流程。

但黄畅也坦承，工具链的成熟是个持续打磨的过程，不是发布即完美。早期征程平台就遇到过模型适配的问题——某些新奇的网络结构在GPU上跑得好好的，迁移到征程芯片后因为算子支持不完整，性能和精度都不太理想。这些坑不能靠芯片公司拍胸脯保证，只能靠真实项目和开发者反馈一点点填平。这也是地平线愿意和大量车企深度绑定的原因：每家客户都在替工具链做压力测试，问题暴露得越早，解决得越快。

聊到芯片之外，黄畅主动讲了地平线的方案级产品——Horizon SuperDrive（HSD）。这是软硬一体的城区智驾方案，底层是征程6P，上层是地平线自研的感知、规划、控制算法。它的出现意味着地平线不再只是一家“卖芯片的”，而是能够以方案提供商的身份去服务那些不想自己写全栈算法的车企。

这两条业务线——卖芯片+工具链，和卖芯片+算法方案——如何兼容？这是我在对话里追问最多的地方。黄畅的回答是：不冲突，因为服务的是两类不同客户。技术能力强的新势力，往往希望保留自研算法能力，拿芯片+工具链就够了；更看重交付速度和首发节奏的传统车企，则更需要地平线把算法也一起打包做好。地平线两种模式都做，但对客户保证同一个底座：哪怕客户买的是全栈方案，算法模型也设计成可解耦、可替换的，不会把客户锁死在一套黑盒里。

这种“开放但保留深度介入能力”的打法，在量产方法论上体现得更明显。黄畅说，智驾方案落地最难的不是把芯片装上车，而是让系统在真实交通环境里持续变好。他举了个例子：城区道路上的长尾场景——逆行车、三轮车、施工围挡——用再强的算力也无法穷举全部规则。地平线的做法是建立数据闭环：车端不断把corner case上传到云端，云端做数据挖掘和模型重训，再把新模型推送回车端。这个循环能不能转起来，直接决定城区智驾好不好用。芯片公司在里面扮演的角色，不只是提供计算平台，还要陪着客户把这条链路跑通。

5. 武器库的边界与下一步：从汽车延伸向更广的智能计算

当天聊到最后一个话题，是竞争与边界。黄畅并没有回避外部竞争压力，他特别提到英伟达在智能驾驶市场的强势——Orin已经大量上车，Thor也在陆续量产。但他认为，地平线和英伟达并不是同一个打法的玩家。英伟达的强项是通用GPU生态，算力规格够高，工具链生态成熟，适合做高算力平台；地平线的强项则是对智能驾驶场景做深度定制，在同样性价比档位上，功耗控制和成本优势更明显。

黄畅说了一句让我印象很深的话：汽车是一个极度讲究匹配度的市场，不是所有车型都需要500 TOPS以上的超大算力，更多的车需要在成本、功耗、性能之间找到最优解。地平线武器库的完整意义，就是用芯片矩阵覆盖住这个“匹配度”需求，而不是只做金字塔尖的那一款产品。

但地平线的野心没有停在汽车。黄畅透露，征程系列正在向机器人、具身智能等领域延伸，地平线还专门向开发者开放了机器人开发套件RDK。在他看来，机器人和智能车在底层技术上高度同源，都需要感知环境、做规划决策、实时控制，只是载体形态不同。地平线积累的这套架构、工具链和计算平台能力，挪到机器人上逻辑是通的。

聊到这里，黄畅停了片刻，然后说了一段关于技术路线的话。大意是：做智能计算平台的厂商，最大的风险不是对手太强，而是押错技术方向。地平线能做到今天，很大程度上是因为每一步都踩在了算法演进的节奏上——CNN时代押注了高效密集计算，Transformer时代提前布局了大算子架构，端到端开始兴起时，征程6P的算力和调度设计又刚好接得住。这种对节奏的感知，比单点技术能力更难复制。

他说完这段话，我忽然理解了他开头那句“武器库多到用不完”的另一层含义——地平线的储备不光是今天已经量产的芯片、工具链和方案，还包括那套能持续识别技术变化、并及时把架构和产品调整到位的体系。后者才是整个武器库真正难被超越的地方。

如果这篇文章对你有一些启发，那我的建议是：观察地平线时，别只盯着某颗芯片的参数，把眼光放到BPU架构的持续演进、工具链的易用性、以及软硬一体方案的量产闭环这几个维度上——那才是这个行业真正比拼内力的地方。