2025 年 7 月 22 日，在第八届智能辅助驾驶大会上，地平线芯片产品总监沈建指出，随着电子电气架构向中央集成与计算阶段演进，辅助驾驶算法与芯片面临更高要求，尤其是端到端与大模型技术的应用，使得芯片需具备高算力、高带宽和低延迟特性。他介绍到，地平线通过提升单芯片算力、优化系统效率及降低功耗等措施，积极应对这些挑战。

沈建还表示，地平线在芯片架构上不断创新，历经三代演进至 Nash 架构，实现了 CNN 和 Transformer 处理性能的显著提升，并解决了 Memory Wall 问题。此外，地平线的征程 6 系列芯片全阶覆盖高、中、低三档市场，其中 J6P 芯片算力高达 560 TOPS，将于年内量产。

沈建｜地平线芯片产品总监

以下为演讲内容整理：

地平线是全场景辅助驾驶领域的全球领导者。公司以技术为导向，现有研发人员超 2000 人，专利数量也有 2000 余项。公司在国际挑战赛及顶级学术会议上屡获佳绩，相关成果在辅助驾驶领域广受行业认可。商业化方面，截至今年第一季度，征程系列出货量已突破 800 万套，成绩斐然。

市场占有率方面，2023 年，公司在自主品牌辅助驾驶解决方案市场中市占率位居行业第二。至 2024 年，公司市占率进一步提升，超过 33%，每三台配备辅助驾驶系统的车辆中，就有一台采用地平线的解决方案。

关于当前的行业发展趋势，从产品维度来看，目前市场可划分为高、中、低三档。低阶即入门级产品，该领域已基本成为红海市场，其核心诉求在于安全与性价比。中阶产品方面，随着去年及今年辅助驾驶普及进程的加速，预计在 2025 年至 2026 年，中阶产品出货量将发生质变，渗透率也将迅速提升。高阶产品领域，国内企业与特斯拉在高阶辅助驾驶的探索上从未停歇。

得益于各大厂商在端到端与大模型技术方面的努力，行业在各类场景及 corner case 上取得了显著进步，用户体验也大幅提升。然而，与人类驾驶水平或理想体验相比，仍存在一定差距，需持续努力与探索。

图源：演讲嘉宾素材

从多个维度分析，我们认为有三点至关重要。一是安全，无论高中低档产品，均需将安全置于首位。二是辅助驾驶的渗透率，当前及未来两三年内，其渗透率预计将维持高位，这意味着对域控制器及一体机的成本要求将日益提升。三是随着渗透率的提高，辅助驾驶的使用人群将不断扩大，进而对用户体验提出更高要求。若用户体验持续优化，则辅助驾驶的普及程度将进一步提升，这也是全行业共同追求的目标。

系统层面，电子电气架构历经多年演进，已从分布式架构发展至区域控制，进而迈向中央集成与中央计算阶段。电子电气架构的变革有效降低了整车的成本。此外，为提升辅助驾驶体验，各类异构计算单元的 ECU 正逐步向中央计算的 SoC 方向演进。这一演进对于降低成本及提升辅助驾驶体验具有实际意义。

回归辅助驾驶算法与芯片本身，在 2024、2025 年相关讨论中，" 端到端 " 与 " 大模型 " 是两个高频词汇，其中涉及 VLM、VLA 等技术。这些技术在提升辅助驾驶体验方面发挥了显著作用，但其代价亦不容忽视。这些模型的参数规模极为庞大，基本达到零点几亿级别，领先的技术模型参数规模更已达到数亿级别。如此庞大的模型参数对芯片性能提出了更高要求。此外，当前多数系统的帧率仍处于 10～20 帧水平，但预计在未来将逐步提升至更高帧率。因此，从算力层面来看，芯片需满足日益增长的性能需求。

值得注意的是，无论是端到端技术还是大模型，其底层架构均基于 Transformer。Transformer 作为一种带宽敏感型网络，随着参数量和帧率的增加，对芯片带宽的要求也显著提升。我们认为下一代芯片需具备高算力、高带宽和低延迟三大核心特性。

针对以上问题，我们认为首先需实现单芯片算力的有效突破。提升单芯片算力最直观的思路是先提升单代芯片性能，之后通过 Chiplet 技术等横向扩展手段，进一步增强整体性能。当前，提升单代算力较为直接的方式是采用先进制程工艺。目前，这一方向仍将持续推进，例如从现有的 7nm 制程向 5nm、4nm 乃至 3nm 制程演进。然而，制程升级带来的性能提升红利正在逐步减弱，因此需要依靠系统协同来实现算力的有效突破。

此外，算力提升并非仅依赖于增加加速器的计算能力，更重要的是确保数据能够及时、高效地传输至加速器，从而提升整体系统效率，实现较高的帧率表现。这是单代芯片性能提升的关键所在。

算力的提升并非无限制的，其最终需满足车载部署的实际需求。鉴于当前车载散热系统中冷却液温度大多维持在 65 度左右，这对芯片能效提出了极高要求。在辅助驾驶芯片中，NPU 的功耗最高，因此设计高效能的 NPU 成为关键。此外，通过采用近存计算技术及优化后端物理实现，亦可进一步降低功耗，从而实现算力的有效提升。

此外，还存在 Memory Wall 问题。随着算力提升以及集成度增高，这一问题将愈发严峻。针对此问题，我们的思考主要围绕两个维度展开。

一是关注片内的 SRAM 和 Cache。算力提升需以数据有效传输为支撑，而片内的 CPU Cache 以及 NPU SRAM 等模块虽具备极高的数据传输速率，但容量相对有限。为解决这一问题，需依赖外部存储器如 DDR，其特点在于容量较大，可满足当前大模型的存储需求。然而，DDR 的速率与片上 SRAM 存在较大差距，因此提升外部存储带宽成为关键任务。

二是架构层面。当前市场上较为常见的架构是 DSA，例如地平线的 BPU 以及华为的昇腾系列均属于此类架构。DSA 架构的特点在于能效表现优异，但其设计主要面向特定领域，因此在通用性方面相较于通用 GPU 存在一定差距。为应对场景的多样性需求，当前 DSA 架构也在逐步融入通用性加速单元。例如，GPU 厂商在面向深度学习领域时，开发了 GPGPU 结合 Tensor Core 的方案，该方案在通用性方面表现良好，但在能效和性能上仍不及 DSA 架构。

而，鉴于行业共同目标均是推进更高级别的辅助驾驶技术发展，为适应未来场景的多样性以及算法的通用性需求，通用计算架构与专用计算架构的融合将成为趋势。地平线现有的 BPU 基于 DSA 架构，但未来将向融合通用计算能力的方向演进。

后摩尔时代，单纯依靠工艺提升芯片性能的难度正日益增大。以业界情况来看，在更先进的 A14、A16 等制程上，厂商已转向通过 DTCO 方向来挖掘性能潜力。对于辅助驾驶芯片而言，同样需要采取类似策略，通过芯片底层定制标准单元、实现高性能物理设计，以及优化芯片架构中计算单元与总线的协同，从而将芯片性能发挥到极致。系统层面亦可借鉴此思路，集成更多加速模块。同时，在算法层面，推动算子与芯片的协同设计，开展更多定制化代码设计，以进一步提升性能。通过上述多维度的协同优化，不仅能够提升性能，还能在一定程度上降低能耗，进而减少散热与供电成本，实现系统整体优化。

在过去十年间，地平线在这一领域进行了诸多实践。2016 年，地平线提出了 " 智能计算时代的新摩尔定律 "。彼时，业界普遍认为芯片片上算力即代表实际算力，但时至今日，客户在评估芯片性能时，更倾向于通过实际测试板卡来验证，这反映出芯片实际性能的发挥不仅取决于芯片本身的计算能力，还涉及编译器优化、算法优化等多个层面。因此，唯有实现软硬件协同优化，才能充分释放芯片性能。

自 2016 年起，地平线的芯片架构历经三代演进，从初代的 Bernoulli 架构，到后续的 Bayes 架构，再到 2021 年推出的 Nash 架构。目前，地平线量产的征程 6 系列芯片即基于 Nash 架构打造。

关于 Nash 架构的特性，回顾 BPU 六年来的发展历程，其在 CNN 处理性能上实现了 246 倍的提升，在 Transformer 处理性能上则提升了 27 倍。此外，该架构新增了 VPU，旨在增强芯片的通用性。同时，针对 Transformer 中常用的特定超越函数，我们采用了硬件固化设计，以此进一步提升 Transformer 的整体性能。在存储系统方面，Nash 架构引入了全新的三级存储层次结构，通过协同总线与外部 DDR 存储器的优化配合，有效解决了 Memory Wall 问题。

随着 J6B 芯片近期完成回片测试，我们的征程 6 系列已实现全阶通关成熟，全面覆盖高、中、低三档市场。其中，中阶的征程 6E 与征程 6M 两款芯片已于去年年底实现量产，高阶和低阶的产品也将很快量产。征程 6B 也已牵手博世，将于 2026 年年中量产。

在高阶产品领域，地平线将持续突破创新，致力于为客户提供极致体验。而征程 J6B 芯片则聚焦于夯实基础性能，将安全性能作为核心标配，严格遵循安全第一的重要准则。

此外，征程 J6P 芯片的算力高达 560 TOPS，配备 18 个 A7 八核处理器，内部 CNN 总线带宽达到 1Tb/s，图像处理带宽性能达 5.3Gpixel/s，同时内置 MCU 以帮助客户降低成本，其带宽超过 200G。搭载征程 6P 的 HSD 城区辅助驾驶方案，将于 Q3 在奇瑞星纪元 E05 首发量产。

（以上内容来自地平线芯片产品总监沈建于 2025 年 7 月 22 日在第八届智能辅助驾驶大会发表的《软硬结合，打造智驾计算 " 芯 " 范式》主题演讲。）