地平线征程智驾芯片量产突破1500万片的消息前阵子在我们做汽车电子的人眼里算是一个不太喧哗但分量很重的里程碑。常年在圈子里跑项目的人都明白一颗车规级芯片从流片回来到被各路主机厂接受、装车、跑完耐久、再通过OTA持续迭代中间隔着无数个熬到凌晨的联调夜晚。1500万不是实验室里的数字它意味着马路上已经有大量搭载征程芯片的车在跑这比任何PPT都更有说服力。这篇我打算聊得细一点征程家族各代产品到底在解决什么问题它的BPU架构和OpenExplorer工具链为什么能帮车企快速落地从选型到量产上车有哪些容易被忽略的工程细节顺便也把网络搜索里那些“地平线文件夹能不能删”“地平线游戏报错0x80004005”的坑一并说清楚。如果你是做智驾、座舱、域控制器或者单纯对汽车电子感兴趣这篇文章可以帮你在半小时内把这条产品线的脉络理顺。1. 1500万片背后的征程家族各代产品在解决什么问题1.1 从征程2到征程6代际演进逻辑地平线的产品迭代放在“量产落地”这条主轴上特别好理解每一代芯片出来都是在回答当时智驾产业最卡壳的那个问题。征程2是地平线真正意义上打开前装市场的一代产品。它的算力放在今天看并不夸张但胜在功耗低、成本可控、开发周期短刚好满足了2019年前后主流车企对L2级辅助驾驶和驾驶员监测功能的需求。当时很多车型需要一颗能同时跑车道保持、自适应巡航、AEB这些基础功能的芯片征程2精准地切进了这个空档帮地平线拿到了第一批前装定点项目。征程3则是把征程2的能力做了一次系统性的补全。它更强调多路摄像头的接入能力、对APA自动泊车这类场景的支持以及和前视一体机方案的适配。我见过不少Tier1基于征程3做基础域控把行车和泊车放到同一个控制器里成本压得很低。如果说征程2只解决“有没有”的问题那征程3解决的是“够不够顺”的问题。征程5的问世把国产智驾芯片的算力档位直接提到了128TOPS这个主流区间。它的目标非常明确服务高速NOA、城市NOA、行泊一体这类需要大模型、多传感器融合的场景。到了这个阶段地平线已经从一个“做辅助驾驶的芯片商”变成了“能打高阶智驾的主流供应商”。征程6又是一次平台化的跃迁。它不是用一颗芯片打天下而是从入门级J6B到旗舰级J6P把L2到高阶智驾全部覆盖最高算力做到560TOPS。这种“一个家族服务所有档位”的打法是量产破1500万的重要底气。1.2 1500万片的含金量算一笔时间账很多人可能觉得1500万这个数字跟手机SoC动辄破亿的出货量相比不算什么。但车规芯片的量产逻辑和消费电子完全是两个世界。一颗手机芯片从立项到量产可能只要一年多但一颗车规级智驾芯片从设计、流片、车规认证、DV/PV测试再到装车量产整个周期往往要跨越好几年。而且整车的生命周期很长一颗芯片一旦被定点主机厂通常要求供应商承诺十年以上的供货保障。这意味着每一颗征程芯片后面都牵着一整套长期交付体系封测、替续料、文档管理、工程变更、售后支持任何一个环节出问题影响都会被放到极大。另一个容易忽略的维度是行驶数据。1500万台车每天在路上跑积累下来的真实工况、长尾场景、corner case是任何实验室都模拟不出来的财富。智驾算法最怕的不是模型不够深而是没喂够真实数据。量产规模越大数据飞轮转得越快算法迭代也就越快这是一个典型的正循环。1.3 产品的覆盖形态从L2到旗舰智驾征程系列的覆盖面从产品形态上也能看出1500万是怎么堆出来的代际主要定位典型应用方向公开算力参考征程2L2辅助驾驶/入门ADAS前视单目、APA、DMS早期L2方案征程3中阶ADAS前视一体机、行泊一体基础版面向L2征程5大算力高阶智驾高速NOA、城市NOA、行泊一体128TOPS征程6系列全阶智驾平台从入门L2到旗舰全场景智驾最高560TOPS也就是说从10万级入门家用车到30万级以上的旗舰车型从只负责L2辅助驾驶的前视一体机到承担城市NOA的中央计算平台征程都有对应的产品。这个覆盖面在市面上并不多见也是它能走到1500万的重要原因。2. 核心技术拆解架构、算力效率与OpenExplorer工具链2.1 BPU架构为什么智驾芯片要专门做神经网络加速智驾场景和通用计算有一个本质差别你不需要一台什么都能干的“万能处理器”你需要的是在严格功耗和成本约束下把神经网络推理跑得又快又稳的专用计算单元。地平线把这一块叫BPU也就是专用神经网络处理单元。拿日常生活打个比方。CPU像一个大饭店的总厨什么菜都会做但一个人同时炒几十个菜必然手忙脚乱GPU像一群普通厨师能做大量标准菜但遇到某些特殊工序还是要排队等BPU则像是一条专门为某几道招牌菜定制的后厨流水线每道工序都提前排练过出餐速度和稳定性自然不一样。智驾里最吃算力的BEV感知、Transformer骨干网络、目标检测和分割模型就是地平线BPU反复打磨的“招牌菜”。BPU的架构也在持续演进。征程2和征程3时代用的是伯努利架构主要服务CNN类模型征程5换装贝叶斯架构对Transformer做了硬件级适配到了征程6的纳什架构又进一步面向端到端模型和大参数模型做了调度优化。这种“跟着算法走”的硬件演进策略让芯片不会轻易在新技术浪潮面前过时。2.2 有效算力TOPS不是唯一指标行业里聊芯片很容易陷入“算力军备竞赛”好像TOPS越高就越强。但真正做过项目的人都清楚一颗芯片的峰值算力和实际跑模型时能释放出来的有效算力完全是两回事。峰值TOPS更像发动机的最大马力你得踩到极限转速才能拉到但日常开车看的是轮上功率、油耗、平顺性。智驾芯片一样实际跑一个BEV模型时决定帧率和高低的不只是算力还有内存带宽、数据搬运效率、算子调度、量化精度、功耗和散热。我见过有芯片标称算力很高但部署一个主流模型之后帧率反而提不上去的情况原因往往不是算力不够而是数据通路瓶颈把计算单元饿死了。地平线比较强调的是“有效算力”这个概念让模型跑得更快、更省、更稳而不是单纯堆数字。征程5用128TOPS的算力实现了很多当年号称200TOPS方案才能跑出来的功能这就是架构和工具链协同优化的结果。2.3 OpenExplorer工具链开发者上手的第一道门对开发者来说工具链往往比芯片本身更能决定项目成败。地平线把整套开发工具链命名为OpenExplorer中文名叫“天工开物”覆盖了从模型训练、量化、编译到部署运行的完整闭环。一个典型的部署流程是这样的先用PyTorch或ONNX训练好模型导出为标准格式在OpenExplorer里做模型校准把FP32浮点模型转成INT8定点模型用工具链编译生成芯片可执行的指令序列在开发板上跑集成测试用profiler定位性能瓶颈。整个过程里开发者基本不需要手写底层算子工具链会帮你处理计算图切分、内存分配、指令调度这些脏活累活。但也不是完全无脑实战中最常遇到的问题就是量化后精度掉点。想避免这个坑校准数据集一定要有代表性不能拿几张网图随便跑同时要尽量避免使用工具链不支持的特殊算子。我的经验是在方案选型阶段别只看芯片标称算力把SDK文档、例程、社区问答翻一遍如果工具链资料完整、社区活跃度高项目后期的排障效率会高出一大截。3. 从选型到量产智驾芯片落地的工程化实操3.1 芯片选型评估清单别只盯着算力表经常有刚入行的朋友问我选智驾芯片该看什么。我通常给的答案很直接先看算力但千万别只看算力。算力是必要条件不是充分条件。我自己的评估维度基本是这几项评估维度核心关注点我的个人经验场景匹配是否覆盖目标功能先确定做L2还是NOA再谈选型工具链成熟度部署效率与排障成本文档质量比算力数字更重要参考方案是否有成熟Tier1配合有现成方案可以省很多时间长期供货可持续供应能力车规项目动辄十年稳定压倒一切成本BOM是否可控功耗、散热、外围器件都要一起算3.2 车规认证与可靠性量产前必须过的几道硬门槛在消费电子领域芯片有一点偶发问题可能重启就行但车规领域不行一台车上了路失效可能导致安全事故。所以一颗真正的车规级芯片必须从头到尾经历极其严苛的验证流程。首先是AEC-Q100这类元器件级可靠性认证需要在高温、低温、湿度、振动这些极端环境下做长期耐久测试。其次是ISO 26262功能安全标准芯片本身要满足ASIL-B甚至ASIL-D等级要求出了故障还得能安全降级。到了整车层面还要做夏季标定、冬季标定、电磁兼容测试、电源干扰测试、长期老化测试这还没算DV/PV阶段的家常便饭。更麻烦的是“偶发失效”问题。很多问题是概率性的可能十万台车里才碰到一两台但在百万辆级的出货量下就会被放大成几千例客诉。所以我一直觉得芯片量产数字背后最值钱的不是营销物料而是那些把可靠性一点点抠出来的工程手段电压波动、时钟抖动、接口时序、内存的row hammer效应每一个都有可能是隐患。这也是为什么量产规模本身就是一种信任背书。3.3 上车之后OTA与全生命周期维护芯片量产上车不是终点恰恰是另一个起点。我见过很多项目在SOP之前一切顺利但交付之后被OTA问题折磨得够呛。因为智驾功能有一个特性硬件预埋软件不断迭代。车企这几年流行“硬件预埋付费解锁”的模式前期只用L2基础功能算力预留出来等OTA推送再逐步开放高速NOA、城市NOA、记忆泊车等功能。这对芯片的要求是必须有足够的算力余量同时底层软件要支持远程升级、安全回滚、功能灰度发布。征程系列的算力冗余设计在这方面给车企留了很大的操作空间。另一个关键是数据闭环。车辆卖出后真实场景数据会回传到云端算法团队基于这些数据训练新模型再把优化后的模型通过OTA推回车上。芯片的生命周期因此从“交付即终点”变成了“持续迭代”。这也是为什么我们在评估一颗芯片时会特别关注它跟数据链路、云端的协同能力而不只是看单点算力。4. 同名不同物游戏玩家关心的“地平线”问题排查4.1 C盘里的《极限竞速地平线4》文件夹能直接删吗聊完智驾芯片回到一个搜索热词。很多网友搜“地平线”的时候其实是想问游戏《极限竞速地平线4》。C盘越来越满看到一个名为地平线4的文件夹第一反应就是删掉但这里我建议先别急着动手。如果你是从微软商店安装的游戏文件夹通常位于C:\Users\用户名\AppData\Local\Packages\Microsoft.SunriseBaseGame_*这样的路径下。这里面的文件不只是游戏本体还混着缓存和存档。直接手动删除很可能把你辛辛苦苦跑出来的进度一起带走。如果是Steam版手动删文件夹虽然大概率不会影响存档但会在系统里留下各种残留之后想重装或迁移反而更麻烦。正确做法是空间不够时优先在“设置→应用”里正式卸载游戏或者用Steam自带的“移动安装文件夹”功能把游戏整体迁到其他盘。如果你已经手动删了文件夹马上去回收站找如果回收站也被清了还可以试试云存档恢复。总而言之游戏本体可以重下存档丢了才是真的欲哭无泪。注意千万不要直接在文件管理器里剪切微软商店版的游戏目录很容易把目录权限结构搞坏导致游戏无法启动。4.2 游戏报错0x80004005常见原因与排查思路另一个高频热词是“地平线6 0x80004005”。先说结论0x80004005在Windows里是一个比较通用的错误代码经常出现在微软商店版游戏或Xbox Game Pass游戏启动时它并不特定于某一款游戏也不能直接说明游戏文件坏了。这个错误背后的原因很多常见的是Xbox相关服务没启动、系统组件受损、权限设置不对或者微软商店缓存异常。我推荐按下面的顺序排查按WinR输入services.msc找到XblAuthManager、XblGameSave、Gaming Services这几个服务把启动类型设为“自动”并手动启动按WinR输入wsreset.exe重置微软商店缓存等命令窗口跑完再重新打开游戏以管理员身份运行命令提示符执行sfc /scannow修复系统文件检查系统时间和区域设置部分游戏对时区和区域有严格要求如果以上都不行再考虑重装游戏但在卸载前务必先备份存档目录。我见过不少人在遇到0x80004005后直接选择重装系统结果折腾一整天最后发现只是某个服务被禁用了。遇到系统报错先记录错误码、再按优先级排查永远比上来就放大招省时省力。4.3 搜索技巧怎么避开芯片“地平线”和游戏“地平线”的乌龙地平线机器人的英文名是Horizon Robotics游戏是Forza Horizon中文一撞车搜索起来就非常痛苦。搜“地平线芯片”出来一堆游戏攻略搜“极限竞速”又可能撞见富士康子公司FIH Mobile这种乌龙我见得太多。想精准找到想要的内容核心技巧就是加限定词。查智驾芯片用“地平线机器人”“征程芯片”“征程6”“OpenExplorer”这些词结果会干净很多。查游戏用“Forza Horizon 4”“FH4”“极限竞速地平线4”基本不会混入汽车内容。这个小习惯看起来不起眼真正查资料时能帮你省下大量时间。5. 1500万之后的新阶段产业链、开发者与普通车主5.1 产业链视角可量产供应商意味着什么一款芯片能稳定出货1500万片对产业链的影响是实打实的。对主机厂来说它意味着选型风险大幅降低芯片的供货周期、良率、工具链、技术支持都经过了市场验证不用再拿真金白银去赌一个PPT产品。对Tier1和方案商来说规模化的芯片底座意味着可以做更丰富的差异化方案从入门前视到高阶NOA都能找到合适的硬件基础。与此同时上下游生态会被带动起来。围绕征程芯片的域控制器、传感器模组、底层软件、测试服务、数据闭环工具链都会因为规模化而获得更多机会。芯片量产规模越大周边生态越繁荣反过来又降低更多新项目的落地成本这是一个典型的产业正循环。5.2 开发者视角算力生态成熟带来的机会对于做智能驾驶相关开发的朋友来说1500万规模背后是大量可以学习、可以复用的经验。过去研究智驾芯片很多人只能看公开论文、查官方手册跑一次实车测试要费很大周折现在征程芯片的出货量上来之后社区里的案例、源码、踩坑记录越来越多OpenExplorer的工具链也在持续完善这对新入行的开发者来说是非常友好的。想上手的人我建议按这个路径走先花几天把BPU架构和工具链文档吃透然后跑通官方示例再把自己训练的一个小模型部署到开发板上最后再思考传感器接入、CAN通信这些系统级集成。从模型到实车把整条链路都走一遍之后你对智驾系统的理解会完全不一样。5.3 车主视角智驾普及与技术边界对普通车主来说芯片量产规模最大的意义是智能驾驶功能不再是高端车型的专属。随着征程这样的方案大规模铺开15万甚至10万级别的车也能拥有不错的L2辅助驾驶体验高速NOA、拥堵跟车、自动泊车这些功能正在快速下放。规模化带来的成本下降是任何技术普及的根本推动力。不过我也想说一句有点老生常谈但必须说的话当前阶段的智能驾驶依然属于辅助驾驶不是完全自动驾驶。系统可以帮你减轻疲劳但你仍然是车辆的最终责任人。芯片算力再强、算法再聪明也不能替代驾驶员对路况的判断。技术有边界安全没有小事。我早年就在开发板上折腾过征程芯片也踩过不少坑。印象最深的不是某一颗芯片的峰值算力而是它把整套工具链和参考设计摆在开发者面前时流露出的工程化态度。量产到1500万片背后真正值钱的不是那片硅而是那条被一次次验证过的完整链条——从编译器到安全认证从供货体系到售后支持从算法生态到OTA链路。这中间任何一环掉链子数字都走不到今天。如果这篇能帮你在搜索“地平线”的时候少花一点冤枉时间或者让你对智驾芯片这个行业多一点体感我就没白写。最后想说的是看任何产品都不要只看参数首页最显眼的那个数字多看看它能不能稳定地、成规模地跑起来。能跑起来的东西才是好东西。