采访 / 崔大宝

来源 / 节点财经

过去几年，我们见证了电动化和智能化对汽车工业的改造。不过，两者有很大区别，电动化聚焦于动力形式的改变，并未触及汽车核心形态与功能逻辑的重构。

相比较，随着AI技术的突破，智能驾驶技术将成为变革的关键核心。它不仅改变汽车的驾驶模式，更有望重塑汽车在人们生活中的定位。地平线创始人余凯认为，未来10年我们会看到非常快速的产品和技术能力的升级。

余凯对未来 10 年的乐观预判，并非停留在行业畅想 ，地平线早已将“加速技术落地”纳入行动，早在 2024 年发布城区 NOA 系统 HSD 后，仅一年便推动其迭代升级。9 月 22 日至 25 日，北京举办的“HSD 先锋体验日”，正是这场技术落地的集中呈现，发布会围绕地平线在刚面市的高阶辅助驾驶方案Horizon SuperDrive，这是地平线新推出的城区辅助驾驶系统，对标特斯拉FSD，将首发搭载在奇瑞星途品牌的汽车上。

地平线副总裁、战略部&智驾产品规划与市场部负责人吕鹏

具体来看，“一段式端到端+强化学习”的领先架构是此次HSD升级的最大亮点，凭借该技术，HSD大幅提升了辅助驾驶的安全性、高效性和舒适性。此外，通过引入强化学习机制，HSD系统的场景理解与推理能力大大增强。

“传统的两段式端到端会导致响应延迟增加、信息传递损失、横纵向不协调等难题。而地平线HSD打造真正的一段式端到端，有很强的防御性驾驶能力，和专业司机开得非常像，推动辅助驾驶迎来拟人化体验拐点。”地平线副总裁、战略部&智驾产品规划与市场部负责人吕鹏表示。

HSD 的技术突破，只是地平线迈向“无人驾驶”长期目标的一步。从更长远的产业布局来看，地平线已明确了通往 2030 年的路线图：余凯提出，未来 3 年（即 2028 年）要实现“脱手开”的专业司机水平，2030 年达到顶级车手能力，2035 年进一步超越最优秀人类驾驶员。这一规划并非空想，而是建立在当前技术迭代的逻辑之上。

吕鹏认为，长期来看，智驾会进入 “iPhone 时刻”，行业会高度收敛，消费者不会接受 “不好用的智驾”，只有技术、迭代、口碑都领先的玩家能存活，就像 4G 时代高通占据主导地位一样。所以最终谁能赢，要看谁能在 “标配化” 到来前，把产品力和规模化能力做到极致。

市场数据印证了地平线的行业地位：据高工智能汽车监测，在中国自主品牌乘用车智驾计算方案市场中，地平线以 33.97% 的份额稳居第一，相当于每 3 辆自主品牌智驾车中，就有 1 辆采用其方案。与此同时，截至 2025 年 8 月，地平线征程家族芯片量产出货已突破 1000 万套，合作版图覆盖全球超 40 家车企及品牌，其中包括中国前十大车企。

与此同时，地平线自研智能辅助驾驶系统 HSD 也将在今年四季度量产交付。此外，HSD已与全球多家汽车品牌超10款车型达成合作意向。未来3-5年，HSD计划实现千万量产目标，让更多用户享受到安全、舒适、高效的全场景辅助驾驶体验。

那么地平线HSD在技术路线上有哪些特别之处，未来智能驾驶行业将驶向何方？以下是《节点财经》等对话地平线副总裁，战略部&智驾产品规划与市场部负责人吕鹏内容经整理如下：

01 智能化是汽车行业的未来

问：电动化与智能化对汽车产业的影响有何不同？

吕鹏：电动化主要改变了汽车的动力形式，推动了产业在能源供给、动力系统等方面的升级；而智能化会深刻改变汽车的形态，其中智能驾驶技术的突破是核心，最终有望让汽车成为 “第三空间”，释放人们在行驶过程中的精力。

问：城区辅助驾驶经历了哪三个阶段？各阶段有何特点？

吕鹏：第一、规则阶段：通过 AI 模型算法感知物体、识别检测框，再针对检测物体编写大量规则生成行车轨迹。该阶段在高速场景表现尚可，但在城区复杂场景下效果差，且需庞大团队维护，还易出现 “翘翘板问题”（某场景规则优化影响其他场景）。

第二、混合系统阶段：将规则写的规控算法改为模型，与感知模型形成两段式拼接。但底层驾驶能力无大突破，行业多关注停车场自动找出口等技术点，未本质提升系统的自动驾驶能力，且两段式系统存在信息传递损失等问题。

第三、稠密模态系统阶段：开发范式依赖更多数据、更大模型、更好算力支撑以提升性能，核心是学习老司机的驾驶行为。该阶段的系统无 “开城” 概念，可在任意区域行驶，能与人类驾驶行为对齐，同时兼顾物理安全与心理安全。

问：目前智能驾驶与真正的自动驾驶之间还存在哪些差距？

吕鹏：当前智能驾驶仅做到模仿老司机的行为，是走向自动驾驶的重要基础，但仍需解决多方面的理解与推理问题。

比如，场景判断难题，无法准确判断前方车辆是死车还是排队车，在某些场景下无法自主脱困，也难以识别 “被困” 状态；非标准场景适应差：面对全球大量非标准交通场景，系统会像人类一样犹豫，无法顺畅应对。

02 中国版FSD的技术路线是什么？

问：HSD 的核心技术路线是纯视觉吗？为什么还会兼容激光雷达？

吕鹏：是的，地平线自身对于激光雷达并不排斥。但HSD 的开发范式是纯视觉路线，目前大家体验的版本就是纯视觉系统。从技术研发逻辑出发，我们希望先 “丢掉激光雷达这个拐杖”，倒逼团队把纯视觉技术的性能上限拉到足够高 —— 如果早期依赖激光雷达，研发人员容易满足于七八分的成果，难以突破技术瓶颈，只有聚焦纯视觉，才有可能未来解决 100% 的驾驶场景问题。但基于客户的需求，我们会兼容激光雷达，部分车企认为搭载激光雷达增加技术溢价的同时实现安全冗余。简单来说，车企需要激光雷达，我们就提供带激光雷达的方案；车企不需要，纯视觉方案也能稳定工作。

问：HSD 和特斯拉 FSD 在控车逻辑上有哪些共同特点？能解决哪些传统系统的痛点？

吕鹏：两者共同特点是控车行为高度贴近人类驾驶习惯，能解决传统系统的 “尴尬延时问题”，例如：

在 “内部路进入公开道路需过人行道” 场景中，传统系统可能出现 “感知到行人减速→行人见车减速准备走→系统延迟后加速再急刹” 的尴尬循环；而 HSD 和 FSD 经过大量路测，可避免此类情况，控车动作连贯自然。

问：“防御性驾驶” 是 HSD 和 FSD 的重要共性，具体体现在哪些场景？能带来什么价值？

吕鹏：两者的防御性驾驶主要体现在 “提前识别风险并主动减速”，覆盖多种高频风险场景：

盲区场景：遇到路口盲区、高速旁半挂卡车盲区、“鬼探头” 风险区域（如遮挡物后方）时，会主动减速，而非保持原速冲过，避免驾驶员因 “未知盲区” 产生恐慌。

这种防御性驾驶的核心价值是构建 “心理安心感”，避免因系统 “只保物理安全、不顾心理预期” 导致驾驶员忍不住接管，大幅提升系统的可信赖度。

问：特斯拉 FSD 进入国内后，最大的弊端是什么？HSD 作为本土系统如何规避这一问题？

吕鹏：特斯拉 FSD 在国内的最大弊端是无法使用国内数据训练，导致其虽具备 “老司机的驾驶能力”，却 “不熟悉中国交通环境”，典型问题包括：对宽非机动车道识别有误：对非标红灯识别不足。

HSD 作为本土自动驾驶系统，依托国内海量交通场景数据训练，可最大程度规避上述 “环境不适应” 问题，对国内非机动车道、非标信号灯等特殊交通元素的识别和判断更精准。

问：地平线的智能驾驶系统采用了哪些核心技术？如何实现优势？

吕鹏：完整的端到端技术：直接输出横纵向联合规划的轨迹，模仿老司机的直觉驾驶行为，实现 95% 日常驾驶场景下的轻松通行，保证行驶丝滑度与类人性，构建心理安全。

强化学习技术：弥补端到端技术在罕见场景的不足，提升系统的理解、推理能力以及对稀疏场景的判别、思考能力，应对 5% 需要思考决策的复杂场景（如识别风险、判断路况）。

两者结合，让系统同时具备直觉驾驶与推理决策能力，架构简洁（传感器、图像和导航作为输入，直接输出交通轨迹），且性能优异。

问：端到端系统相比传统混合架构系统有何优势？

吕鹏：驾驶体验更优：能模仿老司机驾驶行为，行驶动作丝滑，无频繁点刹、重刹，可避免让驾驶员慌张，也能符合其他交通参与者的预期，减少因动作异常引发的矛盾。

系统架构更简洁：采用统一模型，以数据驱动实现，无需复杂的多模块拼接，降低了系统复杂度。

信息传递更完整：避免了传统两段式系统（感知模型 + 规则 / 规控模型）中间信息传递的损失，能保留类似人类驾驶时的高维感知。

具备防御性驾驶能力：大幅缩短系统延时，通过连续多帧图像数据学习生成轨迹，能提前识别风险并进行防御性驾驶动作，规避 95% 以上的安全问题。

03 开放与合作，技术才是硬道理

问：很多车企都在自研智驾，地平线如何界定和车企的关系？怎么平衡开放与融合？

吕鹏：地平线一直保持灵活开放的态度，核心是 “不与车企争主导权，按需提供支持”：如果车企有自研能力，我们可以卖芯片支撑其自研；如果车企自研有困难，我们的完整解决方案能帮它快速落地智驾功能。我们很清楚自己的定位 —— 做好专业供应商，而不是和车企竞争 “车圈苹果”。因为智驾需要 “资源饱和攻击”：地平线每年投入大几十亿，只聚焦这一件事，团队所有人每天都在琢磨智驾技术；但车企要操心渠道、营销、造型等太多业务，实际投在智驾上的资金和精力有限，很难像我们这样聚焦。所以我们坚信，能做 “车圈苹果” 的车企是少数，我们就把供应商的角色做透。

问：为什么说 “车圈苹果” 很难做成？核心门槛是什么？

吕鹏：核心门槛在于基因、资源聚焦度和主战场经验这三点：第一基因，智驾是 AI 驱动，顶尖 AI 人才更愿意加入 “AI 基因纯粹” 的公司，多数车企缺乏吸引这类人才的企业文化；第二是资源，智驾需要大团队全情投入，但车企资源要分给多业务，智驾只能占一小部分，难以支撑技术突破；第三是经验，能同时具备 “软件基因 + 百万级量产能力 + 主流市场验证” 的车企极少，很多车企连第一曲线（传统造车）都没扎稳，很难做好智驾这个第二曲线。

问：现在智驾体验差距越来越小，90 分和91 分之间微小的差距，地平线怎么吸引更多车企订单？

吕鹏：我们不纠结短期的分数差异，核心靠 “迭代速度 + 产品力本质突破”。

首先是迭代效率，我们有 10 年软硬结合的积累，能实现 “芯片设计、软件算法、硬件开发并行推进”—— 传统模式下，车企拿到新芯片到上车要 1 年多，我们在芯片流片前就完成硬件设计，芯片落地后能快速上车验证，把开发周期从 “以年为单位” 缩到 “以小时为单位”。

其次是产品定位，我们不只为车企做 “有智驾功能” 的产品，而是聚焦 “消费者日常愿意用”—— 比如让用户上车 5-10 分钟就觉得 “这个系统比我开得好”，解决传统智驾 “仅解决有无、没解决好用” 的痛点。而且现在智驾才处于 20% 的发展阶段，市场格局远没定，未来比拼的是长期的迭代速度、组织能力和资金投入，我们的聚焦模式能在长期竞争中拉开差距。

问：地平线有出海或和国际车企合作的计划吗？当前面临哪些机遇和挑战？

吕鹏：短期我们会优先聚焦中国市场的智驾落地。因为海外消费者对智驾的需求比国内滞后 3-5 年，而且国际车企的规划周期太长（1-2 年），很容易出现 “量产即落后” 的问题。我们的芯片从量产到上车很快，但国际车企的流程会拖慢节奏。不过长期来看，中国是智驾 “最好的健身房”，只要我们在国内把产品打磨到领先水平，未来出海是水到渠成的事。现在我们已经在支持中国车企出海，积累了海外市场的经验，等海外智驾需求爆发时，我们的技术和快速迭代能力，能解决国际车企 “规划周期长、技术易落后” 的痛点，合作自然会落地。

问：地平线如何看待 L4 级自动驾驶？和哈啰出行合作后，还会拓展更多类似合作吗？

吕鹏：首先，我们认为 L4 不能直接 “一步到位”，必须建立在规模化 L2 + 量产的基础上，这和特斯拉的路线一致。Waymo 早期直接攻坚 L4，但多年来仅能在五六个城市运营，无法规模化，而 L2 + 的规模化能通过数据驱动快速迭代技术。当前 L2 + 到 L4 还需解决 “安全指标提升 3-4 个数量级” 等问题，但如果保持每年 10 倍速的迭代速度，3-5 年内可能看到 L4 落地的关键突破。其次，和哈啰出行的合作只是开始，未来会拓展更多类似合作。如今特斯拉路线让行业看到 “L2 + 规模化反哺 Robotaxi” 的可行性，过去 Robotaxi 几百辆车就已是上限，现在依托 L2 + 的技术和数据积累，能推动 Robotaxi 真正走向规模化，所以我们会联合更多出行平台等合作伙伴，加速这一进程。

04 智能驾驶行业未来驶向何方？

问：为什么判断未来 10 年智能驾驶会有快速的产品和技术升级？未来智能驾驶技术迭代的核心方向是什么？

吕鹏：未来智能驾驶技术迭代将围绕 AI 范式展开，核心方向包括：持续推进端到端模型的优化；不断增加算力支撑；扩大数据规模并提升数据利用效率；增大模型参数量以提升性能；优化基础设施以提高开发效率；统一传感器平台，借助 Scaling Law 等方式发挥数据规模优势，实现系统快速迭代，目标是每年让系统性能提升 10 倍，逐步缩小与真正自动驾驶的差距。

问：未来行业竞争格局会怎么变？

吕鹏：长期来看，当智驾进入 “iPhone 时刻”（类似 4G 替代 3G），行业会高度收敛。比如 3G 时代，智驾是 “选配”，90 分和 70 分的产品都能存活；但到了 “智驾成为标配” 的阶段（像 4G 成为手机刚需），消费者不会接受 “不好用的智驾”，这时只有技术、迭代、口碑都领先的玩家能存活，就像 4G 时代高通占据主导地位一样。所以最终谁能赢，要看谁能在 “标配化” 到来前，把产品力和规模化能力做到极致。

05 体验与安全为王，地平线的产品哲学是什么？

问：地平线在智能驾驶产品开发上遵循怎样的安全哲学和理念？

吕鹏：安全哲学：不仅保障用户物理安全（将用户从 A 点安全运到 B 点），更注重心理安全，让用户在乘坐过程中不慌张、有安心感，避免因系统行驶动作异常引发用户恐慌。

产品理念：以用户体验为核心，让系统真正 “好用”，吸引用户日常使用；重视老司机式的防御性驾驶，通过提前规避风险场景，减少进入危险场景的概率（比在危险场景中处理更重要）；构建全生命周期安全保障，依托千万台系统出货量积累的主观评测和版本回灌验证系统，结合多年在芯片质量、安全、流程等方面的认证，以及 AI 算法开发验证，确保系统在全生命周期内的安全稳定。