地平线黎曼架构发布：征程7芯片如何重塑汽车智能？

当一辆汽车在繁忙的城市街道上自主导航，实时避开行人、车辆和障碍物时，其背后的“大脑”正以每秒万亿次的计算速度处理海量数据。这颗大脑的核心，正是AI芯片。近日，中国AI芯片领军企业地平线发布了第四代BPU架构——黎曼，并宣布其将搭载于征程7系列芯片。这一消息如一道惊雷，在汽车科技界掀起巨浪：算力性能提升10倍、能效优化5倍、全场景智能支持……这些突破是否意味着智能驾驶即将迎来质变？征程7芯片又将如何赋能未来汽车，彻底改变我们的出行方式？

在汽车产业飞速迈向智能化的今天，AI芯片已成为决定车辆“智商”的关键。地平线作为中国边缘AI芯片的先锋，自2015年成立以来，一直专注于自动驾驶和物联网领域的技术创新。其自主研发的BPU（Brain Processing Unit）架构，从第一代伯努利到第二代纳什，再到第三代，始终推动着计算效率的进化。而黎曼架构的推出，不仅是技术迭代的延续，更是一次面向未来的全面跃迁。它承载着地平线对全场景智能驾驶的愿景，旨在应对日益复杂的交通环境和用户需求。

BPU架构的本质是为神经网络计算量身定制，与通用CPU或GPU相比，它在处理感知、决策等AI任务时更具能效优势。黎曼架构作为第四代BPU，在多个维度实现了突破性进展。首先，关键算子算力性能提升了10倍。算子是AI模型中的基本运算单元，如卷积、矩阵乘法等，算力提升意味着芯片能在相同时间内处理更复杂的计算。对于智能驾驶系统，这直接转化为更快的环境感知速度——例如，征程7芯片可以实时融合摄像头、雷达和激光雷达的数据，在毫秒级内识别障碍物、预测轨迹，从而提升行车安全性和流畅度。这种算力飞跃，使得高级别自动驾驶（如L4）不再依赖云端计算，增强了系统的实时性和可靠性。

其次，高精度算子支持数量增加了超过10倍。在AI计算中，算子精度直接影响模型输出的准确性。更多高精度算子支持，意味着芯片能更好地处理浮点运算，减少误差累积。这对于安全至上的自动驾驶至关重要，尤其是在处理高分辨率图像或复杂传感器数据时。例如，在夜间或雨雪天气中，高精度计算能确保车辆准确识别低对比度物体，避免误判。此外，这也为Transformer等先进AI模型提供了硬件基础，支持更强大的感知算法，如多目标跟踪和场景理解。

黎曼架构的另一大亮点是从Tensor支持进化到Vector支持，实现了全浮点计算。Tensor是多维数组，常用于深度学习；Vector则是向量，更适合并行处理。Vector支持允许芯片同时处理多个数据点，大幅提高计算吞吐量。全浮点计算则保证了数值范围的广泛性和精度，适用于需要高动态范围的场景，如图像识别中的亮度变化或语音处理中的频率分析。这一进化，使得芯片在运行复杂模型时，既能保持高速，又能降低功耗，为车载AI应用提供了更高效的基础。

能效优化是黎曼架构的核心设计目标之一。面向大语言模型优化，能效提升了5倍。随着AI模型规模的扩大，能效成为芯片设计的关键挑战。5倍提升意味着在相同功耗下，芯片能完成更多工作，这对于电动汽车的续航和热管理具有积极影响。在汽车应用中，这不仅支持更高效的语音助手和自然语言交互，还能为舱内监控、驾驶员状态检测等功能提供动力。例如，征程7芯片可以实时分析驾驶员疲劳程度，并通过语音提醒干预，提升行车安全。

从伯努利架构到纳什架构，再到黎曼架构，地平线的技术演进始终围绕全场景智能驾驶展开。黎曼架构全面支持NOA（导航辅助驾驶）和交互式博弈，使车辆能在复杂交通环境中进行智能决策。交互式博弈指车辆与其他交通参与者（如其他车辆、行人）的动态互动，需要芯片实时预测行为并做出响应。在城市道路中，征程7芯片能处理无保护左转、行人横穿等场景，通过计算最优策略，确保安全通行。这种能力，将NOA从高速公路扩展到城市环境，推动智能驾驶的普及。

编译器升级也是此次发布的重要一环。地平线编译器历经三代打磨，天工开物OpenExplorer已进化到4.0版