地平线创始人余凯

北京车展期间，地平线打算把自己往前推一步。

地平线发布中国首款舱驾融合整车智能体芯片“星空”、整车智能体操作系统KaKaClaw咖咖虾，以及全场景辅助驾驶系统HSD V1.6，相比之前在产业链的的角色，这次地平线的野心显然更大了。

过去几年，地平线最清晰的标签是智驾芯片公司。车企需要算力，需要辅助驾驶量产方案，地平线提供征程系列芯片和配套软件。但这一次，它讲的不再只是芯片算力，变成了舱驾融合、中央计算、操作系统和整车计算平台。

它意味着，地平线正在试图从供应商的位置向上走，除了给车企提供某个零部件，也希望成为智能汽车时代的底层平台。

用更直白的话说，地平线不想只卖芯片了，它想进入汽车的“操作系统层”。

一、从智驾芯片，到汽车的“操作系统层”

地平线这次最核心的产品，是“星空”芯片。

星空基于5nm车规制程，星空6P芯片BPU算力达到650 TOPS，内存带宽273GB/s，可以同时支持座舱数字交互和高阶辅助驾驶模型部署。通过统一内存架构和统一底软，地平线称其能够让空间占用缩小50%，单车综合成本降低1500至4000元，研发交付周期从18个月缩短至8个月。

余凯的判断是：智能汽车行业不会长期保持今天这种百花齐放的底层技术格局。整车品牌可以很多，但芯片和软件平台不会太多。

他用PC、手机和数据中心AI计算作类比。他认为，历史上底层硬件芯片平台和软件平台往往最早收敛，因为这类业务研发投入高、周期长。以地平线为例，每一代芯片从项目启动到车型量产，基本都要三年以上。

地平线总裁朱威（左）、地平线创始人&CEO 余凯（中）、地平线副总裁、首席架构师苏箐（右）

地平线副总裁兼首席架构师苏箐还有一个更具体的判断，他认为汽车和手机市场很像：“车的平均单价约是手机的10倍，销量约是手机的1/10，市场体量大致相当。手机行业最后收敛成安卓生态、苹果自研生态，以及高通、MTK等少数芯片玩家。汽车底层技术也会经历类似收敛。”

这解释了地平线为什么要做舱驾一体、AI OS和智能体框架。单看它们是新产品，如果合在一起看，的确有点做平台的意味。

余凯回顾公司名字“Horizon Robotics”时说，地平线从第一天起想做的就是“Horizontal platform for robotics”，也就是为机器人打造计算平台。汽车只是这个目标的第一个落脚点，而计算平台的核心一直是两件事：芯片和操作系统。

在这个逻辑下，地平线做舱驾一体的逻辑，是认为汽车不该有两个大脑、三个大脑。未来汽车会走向统一计算芯片和统一操作系统。谁掌握芯片和OS，谁就更接近智能汽车产业链的“平台位”。

 二、舱驾一体不是省钱故事

外界讨论舱驾一体时，最容易落到成本逻辑：一颗芯片替代两颗芯片，少用DDR，少用电源和外围器件。但地平线想讲的不只是降本。

苏箐解释“星空”时表示，“判断一件事要不要做，不是先问市场需不需要，而是看集成度能否提高、元件数能否减少、在当前工艺和投资水平下能否做出来。”

他认为，计算系统的本质是对信息的处理。系统能获得的信息范围越大，访问频率越高，决策能力就越强。舱驾分离时，座舱和智驾像两个割裂系统，各自有内存、算力、缓存和预留资源。系统切得越碎，浪费越多。

所以，舱驾一体不只是省DDR，而是把座舱、智驾等相关信息压到同一个内存和缓存平面里，让计算资源统一调度。地平线试图把“舱驾一体”从成本故事，改为架构层面的故事。

这背后还有汽车产品定义权的变化。苏箐提到，机械部件的体验在十年周期里变化并不大，但计算机不同，十年前的手机今天已经很难忍受。车上的计算系统从交付那一刻开始，就必须为未来三到五年的软件复杂度和体验升级预留空间。

这对车企来说很现实。今天选算力，不能只看今天够不够，而要看第三年、第五年够不够。未来同样一辆车，传统机械和内饰部分的成本权重会被压缩，计算系统的权重会提高。

三、地平线要“外卷”，但用户愿意付钱吗？

地平线现在面对的矛盾，也是整个汽车供应链的矛盾：车企强降本，供应商高研发，用户又希望体验越来越好。

余凯把这种局面称为“三输”：车厂同质化竞争，价格压力传导给供应商；供应商利润被压缩后，很难持续开发新技术；最后消费者得到的也不会是更好的产品，而是被成本压扁的体验。

所以他提出，地平线要做“外卷型企业”。所谓外卷，不是参与价格内卷，而是通过智能化创造新增价值。比如一辆16万元的车，能不能因为智能化卖到19万元，并且用户愿意开心付钱？在余凯看来，这件事必须做到。只有车厂卖出更高价值，供应商有利润继续研发，消费者觉得钱花得值，系统才能转起来。

在L3、L4讨论上，余凯也不太看重标签。他认为真正重要的是“智驾里程占比”。如果用户从上车到下车都在使用自动驾驶，即便外界把它叫L2，也不影响它的商业价值。

这也是地平线判断智驾收费的前提，余凯认为，智驾里程占比超过50%是一个心理拐点，说明用户开始更信任自动驾驶。只有到了这个阶段，企业才有资格讨论C端收费。

这套逻辑指向一个更远的商业模型：未来三到五年，地平线仍然是To B公司；但如果自动驾驶走向L4，C端按里程付费可能出现。余凯用了一个生活化比喻：如果一段自动驾驶里程带来的自由感，只需要付出一瓶农夫山泉的钱，用户未必不会接受。

四、开放生态中的边界难题

地平线现在的矛盾在于，它一边往全栈走，一边强调开放生态。

当它只做芯片时，边界很清楚：方案商、集成商和车企都知道它的位置。但当地平线同时发布芯片、操作系统、HSD和整车解决方案时，外界自然会问：它会不会挤压合作伙伴？

余凯的回应是，开放生态是“强者的游戏”。只有一家企业在芯片、供应链、软件、行业资源等方面都能赋能别人，生态伙伴才有理由跟它合作。

他以轻舟智航为例，称双方是互相成就。轻舟在地平线J6M平台上成长很快，而J6M在对应档位上缺少直接竞争对手，出货量很大。轻舟是平台受益者，地平线也是生态受益者。

这种平衡在大众合作上体现得更明显。余凯说，地平线和大众经过两年多合作，已经建立信任。今年大众将有七到八款车型搭载地平线通过酷睿程交付的L2++系统。他甚至判断，大众在智能化上已经从相对落后进入“同向而行”，未来两三年通过与地平线合作，有可能成为领先者。

余凯说，地平线对自身角色的定位，是要成为“全球车企底层技术的赋能者”。

这套关系的关键，是地平线必须掌握一个微妙平衡：既要足够强，能够定义底层平台；又不能过度前台化，把生态伙伴的空间全部吃掉。

五、汽车智能化仍是系统工程

在大模型热潮下，自动驾驶公司都要回答一个问题：如果大模型公司进入物理AI和自动驾驶，原有智驾公司会不会被降维打击？

苏箐对此表示，所有人都在寻找一颗黄金子弹，但星空不是黄金子弹，大模型也不是。真正的产品不是解决一个炫酷问题，而是把用户体验里的坑一个个填掉。

余凯也补充说，车载计算和普通大模型问答不同。汽车是“失之毫厘，谬以千里”的系统，关乎生命安全。软件、硬件、可靠性、稳定性都需要长期打磨。他用iPhone举例：没有人会认为iPhone有某个单独的“银子弹”，但交互流畅性是苹果长期投入形成的护城河。

这也是地平线当前路线的底层逻辑。它并不否认大模型的重要性，KaKaClaw咖咖虾本身也可以接入不同模型能力。但在汽车场景中，模型只是系统的一部分。芯片、操作系统、交互、功能安全、数据闭环和工程交付共同决定最终体验。

这正是汽车智能化最难的地方，它看起来像AI问题，最后往往变成系统工程问题。

从智驾芯片走向整车计算平台，是地平线的一次位置上移，也是一场风险更高的扩张。它需要更高研发投入、更强工程交付、更复杂的生态关系，也需要在车企降本压力背景下找到新的商业闭环。

但这个答案能否成立，还需要更多量产项目和用户使用数据来验证。（作者｜李玉鹏，编辑｜杨林）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

Momenta CEO 曹旭东

很长一段时间里，自动驾驶行业喜欢讨论路线之争。

端到端、世界模型、VLA、大模型、强化学习、无图、轻图……每隔一段时间，行业都会出现一个新的关键词。车企发布会上的技术名词越来越密集，供应商之间的表达也越来越接近。乍一看，大家都在往同一个方向走。

但 Momenta CEO 曹旭东认为，真正的差距并不在这些单点技术名词上。

在北京车展期间的交流中，他多次提到一个判断：自动驾驶行业真正的壁垒，已经不再是某个单点算法，而是架构、体系和组织能力。算法可以被学习，人才会流动，技术概念也会快速扩散，但一家企业能不能把数据变成能力，把能力变成产品，把产品变成商业闭环，才是决定行业格局的核心。

他用了一个很形象的比喻：数据不是金矿，而是“含矿量很低的铁矿石”。拥有海量原始数据，只是价值源头的10%，剩下90%的价值，来自如何把贫矿变成富矿，再把富矿变成钢铁、发动机，最终装到车上。

这也是 Momenta 在这轮自动驾驶竞争中想强调的东西：自动驾驶的下半场，不是堆数据和喊模型，而是体系战争。

过去两年，中国智能驾驶供应商开始密集进入国际车企体系。Momenta 已经与奔驰、大众、丰田、本田、日产、通用、福特等全球主流品牌建立量产合作关系。曹旭东说，和国际 OEM 合作，最常见的挑战是“中国速度”和“国际标准”的冲突，但只要围绕用户价值共创，很多矛盾可以找到创新性的解法。

与此同时，自动驾驶也被他放进了一个更大的坐标里：物理 AI。

在曹旭东看来，自动驾驶很可能是物理 AI 最先跑通规模化闭环的领域。因为它已经率先实现了数据闭环和商业闭环，而这两者一旦互相正反馈，就可能推动能力快速跨越人类水平。机器人也会走向类似方向，但距离规模化闭环还需要更长时间。

“物理 AI 是需要门票的。”曹旭东说，这张门票不是一个漂亮的技术概念，而是能支撑长期研发的现金流业务。

以下是北京车展期间与 Momenta CEO 曹旭东的交流内容整理，略经编辑：

“原始数据只是价值源头的10%，剩下90%来自体系”

问：Momenta一直强调数据驱动。现在行业里也有一种说法，数据本身并不难，难的是用好数据。你怎么看？

曹旭东：数据这件事情，不是单单的数据本身。你可以认为数据是矿石，而且是含矿量很低的铁矿石。你要真正把数据用起来，首先要把贫矿变成富矿。

比如我刚才分享的，高速上三只小狗排队横穿高速，这样的场景真的是万中无一。你怎么把这个数据挑出来？这本身就是大海捞针级别的难度。

但这只是第一步。你要把贫矿变成富矿，再从富矿变成钢铁，钢铁又变成发动机，发动机最终装到车上，这才是最终价值。

所以，整个数据飞轮是一个体系能力。拥有原始数据，哪怕拥有海量原始数据，也只是价值源头的10%，剩下90%来自体系。

问：那 Momenta 是怎么把数据真正用起来的？

曹旭东：我们的大模型细节不能说太多，但可以分享一个大致过程。它分为预训练和 Post-Training 两个阶段。

预训练阶段，数据来自我们量产车的大规模数据。现在我们已经有80万台量产车，这些量产数据里包括大量长尾场景。我们会通过 World Model Pre-Training 预训练模型。

预训练让模型具备物理常识，但有物理常识不代表它是一个好司机。大量数据里面有好的驾驶行为，也有很多不好的驾驶行为。这一点和数字 AI 里的大模型训练类似，海量数据可以让模型具备世界常识，但不意味着它有好的行为。

所以还需要 Post-Training，把模型的行为激发出来，或者说对齐到人类好的驾驶行为上去。

“单点算法没有长期壁垒，真正的差距在体系和组织”

问：今年车展上，很多车企都在强调辅助驾驶技术路线，比如小鹏的 VLA、华为乾崑 ADS。Momenta 世界模型最大的特点是什么？

曹旭东：我觉得更重要的不是单点算法，而是架构能力。

架构能力比单点算法能力更强。因为一旦涉及架构，就一定涉及取舍。不是所有创新都能放到同一个架构里面。好的架构能实现更好的积累和合力。

架构之上还有体系。这个体系包括数据迭代体系、训练体系、验证体系，也包括整个迭代体系。体系之上，则是组织和文化。

根本上，企业之间的差距来自组织、文化和体系建设。单点算法当然很重要，每一代算法架构创新都会带来大的进步。但坦率来说，在中国环境下，知识流动和人才流动都很快，仅仅靠单点算法，并不存在特别大的长期壁垒。

有壁垒的是体系和组织能力。

所以你会发现，大家说的可能是同样的单点算法方向，但最终做出来的效果可能差一代甚至两代。背后不是单点算法的差距，而是体系和组织的差距。

“中国技术出海，反向合资会是一个共赢模式”

问：现在全球汽车产业出现一种新的趋势，越来越多海外车企看重中国科技公司，甚至出现所谓‘反向合资’。你怎么看？

曹旭东：中国技术正在从中国走向世界，速度非常快。进入欧洲等海外市场时，中国技术可以给当地用户带来更领先的产品价值，但另一方面，也会对当地公司、就业和税收产生冲击。

比较好的解决方案，就是借鉴中国之前的发展模式，做反向合资。

反向合资之后，一方面让当地用户享受到中国高科技带来的好产品和好体验；另一方面，中国技术也能赋能当地企业，给当地带来更多发展机会、就业机会和税收。这是一个共赢模式。

问：Momenta 与外资车企合作时，最大的挑战是什么？

曹旭东：我们现在已经是全球品牌的共同选择。全球顶尖品牌里，德系的 BBA、大众，日系的丰田、本田、日产，美系的通用、福特，都已经是我们的量产合作客户。

挑战最常见的是，中国速度和国际 OEM 标准之间有时会矛盾和冲突。但这个矛盾和冲突，只要围绕客户和用户价值去共创，很多时候都能找到更好的创新方法，带来更好的结果。

“自动驾驶是物理 AI 的序章”

问：物理 AI 最近非常热。你觉得 Momenta 在物理 AI 里处于什么位置？

曹旭东：物理 AI 是大势所趋。

数字 AI 有很大优势。第一个优势是数据能够快速、大规模获得。比如 GPT 所需要的是互联网数据，互联网数据天然就是大规模的。第二个优势是数字 AI 的验证成本更低、周期更短。Agent 调用一个工具，可能只需要一个接口。

但机器人要调用一个工具，就要先把机械手造出来，再抓取工具、使用工具，难度和复杂度都大很多。

我们所处的世界既有数字部分，也有物理部分，而且物理部分可能更大。所以当数字世界取得巨大进展后，很多成功经验和方法自然会进入物理世界。

现在只是物理 AI 的序章刚开始。

讲到物理 AI，最核心的是两个闭环：数据闭环和商业闭环。这两者是互动的。

我有一个观察：任何一个人工智能应用，一旦接近人类水平，就会在很短时间内大幅超过人类水平。AlphaGo如此，人脸识别也是如此。前面接近人类可能花了十年、二十年，但超过人类，可能只需要一两年、两三年。

背后的逻辑，就是数据闭环和商业闭环的正反馈。先有数据闭环，才有足够好的体验；体验一旦接近甚至超过人类水平，就能实现爆发式商业化；商业化又带来数据爆发式增长；数据增长再推动模型能力继续增长。

自动驾驶正在进入这个阶段。机器人还需要一段时间。自动驾驶是物理 AI 的序章，因为它最先实现了规模化的数据闭环和商业闭环。

“物理 AI 是需要门票的，门票就是现金流业务”

问：为什么你认为自动驾驶会比机器人更早进入物理 AI 的规模化阶段？

曹旭东：自动驾驶要实现规模化 L4，我判断累计投入至少是百亿美金级别，而且这可能还是创业公司的研发效率。如果是大公司，可能不只是百亿美金，而是几百亿美金。

通用机器人需要多少钱？我的判断可能是几百亿美金到千亿美金级别，而且这也可能还是创业公司的研发效率。

所以，物理 AI 是需要门票的。这个门票就是你需要有现金流业务。

虽然现在中国具身智能资本市场非常活跃，但长期来看，靠投资、靠融资去追踪做成通用物理 AI，或者物理世界 AGI，是不现实的。一定要有现金流业务支撑物理 AI 研发。

这个现金流业务可以是自动驾驶，也可以是物理 AI 的某个方向，或者来自数字 AI 的现金流业务。无论如何，一定要有现金流业务支撑长期研发。

“一个自动驾驶大模型，可以覆盖所有垂直场景”

问：今年 Momenta 的 L4 业务有什么进展？Robotaxi 赛道玩家越来越多，Momenta 的优势是什么？

曹旭东：Momenta 的 L4 不只做 Robotaxi，也会做 Robovan，也就是物流。我们十年前的愿景里，就有物流和出行效率翻倍。实际上物流放在更前面，出行放在后面。明年我们还会做 Robotruck，今年不会做，但明年会做。

背后的底层逻辑，是我们相信一个自动驾驶大模型能够实现所有自动驾驶垂直应用，并且做得更好。

这件事我们已经在 Robotaxi、Robovan 和乘用车上验证过，并取得了很好的效果。

它带来的价值是，每一个 vertical 的研发成本会大幅降低。每个应用场景、每个垂直领域的经验和数据，又可以汇总、吸收到同一个大模型里，让每个垂直领域做得更好。

这就是平台优势。

有点像十年前互联网行业有垂直电商，也有平台电商。最后胜出的往往是平台电商，重要原因就是平台效应。

我们的判断是，自动驾驶大模型领域也存在很强的平台效应。一个大模型能够覆盖所有垂直领域，每个领域成本更低，效果也会更好。

“自动驾驶会比芯片行业更快收敛”

问：你怎么看智驾供应商格局？未来会一直是华为、Momenta 和少数玩家，还是会有更多供应商赶上来？2030年会不会迎来终局？

曹旭东：自动驾驶有非常强的规模效应和先发优势，而且这个效应会比芯片行业更强。

回顾历史，PC 芯片时代全球主要就两家，手机芯片时代全球也就两家，高通和 MTK。自动驾驶因为是软件，边际成本是零，所以规模效应更强。

它的规模效应不只是成本上的规模效应，还有体验提升上的规模效应。

另一方面，面向主机厂也有很强的先发优势。汽车行业很多业务都是敲门敲三年。从见到客户到拿下合同，国内 OEM 可能需要三年，国际 OEM 可能需要五到七年。

比如奔驰。2017年奔驰投资了我们，当时 Ola Källenius，也就是现在奔驰董事长，觉得 Momenta 很有活力，选择投资我们。但我们和奔驰的第一个量产项目真正上市，是2025年后半年，整整经历了八年时间，而且这已经算加速了。

2017年到2020年是 POC，2020年到2022年是 Pre-SOP，2022年到2024年是小批量量产开发，到了2024年才拿到奔驰所有电车和油车业务，2025年底才真正量产。

所以这个行业有非常强的规模效应和先发优势。我还是维持原来的判断：中国最终可能只有2到3家，全球可能只有3到4家，会非常快速地收敛。

“创业十年，最重要的是和志同道合的人做真正喜欢的事”

问：今年是 Momenta 成立十周年。从创业到现在，你最大的感受是什么？

曹旭东：我觉得自己蛮幸运。

一路走来，最重要的还是跟志同道合的人，去干真正喜欢的事情。这会让你的人生生机勃勃。

创业过程中有很多困难和挑战。每一年你都会觉得，今年可能是最难的一年，过了今年明年会更好。但实际上不是。

所以，如果你不享受发现问题、解决问题的过程，不享受和身边志同道合的人一起探索、面对困难、解决困难，创业中的这些困难很难坚持下去。

咬着牙坚持一年、两年、三年可能可以，但很难坚持十年。

你一定要找到志同道合的人，去干喜欢的事情，让自己的人生生机勃勃。

（作者｜李玉鹏，编辑｜杨林）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App