地平线机器人业务布局进展如何？

端到端和世界模型，软硬件耦合成就高阶智驾新标杆。

1.端到端技术的先行者，软硬一体或为智驾终局的标准答案

2016 年，地平线就率先提出了智能驾驶端到端的演进理念，2022 年提出行业领 先的智能驾驶感知端到端算法 Sparse4D，在 2023 年发表端到端智能驾驶大模型 UniAD，并且积累了基于交互博弈的端到端深度学习算法。 硬件层面，地平线打造的新一代智能计算架构纳什 BPU，不仅是算力和功耗的 优化，还将感知、规控等各种任务统一到 Transformer 框架，实现更好的软硬协同。 回顾微软、英特尔、英伟达等计算巨头的发展历程，各个垂类领域的计算并非算 力堆砌的竞赛，而是软硬件一体的合力突破，从这一层面出发，地平线拥有软件定义 硬件的底层逻辑，具备打造从计算芯片到操作系统的“面向单一任务的计算系统”。

2.端到端配合世界模型，同时提高上限和下限

端到端算法虽然相比规则驱动具备更高潜力，但目前来看其拥有更高上限的同时， 也在降低模型下限。 一方面，端到端自身“黑盒”特性决定其无法简单通过明确的、可解释的规则约 束系统的安全边界，带来安全性挑战；另一方面，端到端无法复现复杂的、偶发的 cornercase，考验可解释性和泛用性能力，把上限提高的同时拉低了下限，即所谓的 “跷跷板效应”。 世界模型的作用开始显现：一是通过生成式大模型生成带有预测性质的视频数据， 实现 cornercase 多样化训练；二是采用强化学习的方法认识复杂驾驶环境，从视频 输出驾驶决策。

世界模型可以在感知环节输出相对完整的对驾驶环境的理解，进一步提升数据 驱动对规则算法的替代程度。 具体交互方面，地平线提出在仿真、司机行为和专家系统等传统梯度的基础上， 将世界模型作为额外的梯度来源，提供额外的损失函数，为预测未来事件提供支撑， 以及确保多个摄像头捕捉到的信息一致性。当地图信息和传感器信息输入 World Model，通过数据训练、动静推理、场景理解和场景泛化处理后，输出对动静态目标 和高维 feature 化数据的预测，即仿真、想象、演绎甚至脑补，支撑系统的交互博弈， 进而作出驾驶控制动作。仿佛有心智一般，一方面假设这个世界充满多种可能性，所 以会发送多个请求查询给到端到端的 planner，让他帮忙推演未来会发生什么；另一 方面又坚持自己的底线，拒绝触碰安全边界。

交互式博弈：为实现理解周遭及自身的运行情况，通过感知-认知-博弈-决策-行 动的循环，选择最有利的驾驶逻辑对此地平线提出“交互式博弈”，核心在于通过生 成式规控 GPM、安全性规控学习 SE ditor、混合强化学习方法 PEX，以数据驱动学 习框架的方式兼具模仿学习的效率及强化学习的闭环效果，相比模仿学习碰撞率降低 了 50%，相比强化学习舒适度提升了 20%。 我们认为，生成式规控利用生成大模型强大的理解能力，理解不同场景下的最优 行为模式，安全性规控学习则帮助定义一系列的安全规则和约束条件，混合强化学习 方法来提高提高学习效率和策略性能，统合成理解执行顺滑、安全边界清晰、运行效 率出色的模型体系。

最终目标：实现 ScaleUp（性能提升）和 ScaleOut（场景泛化）。在感知端，地 平线采用“三网合一”端到端，能够把传感器信息、包括地图、导航信息都作为一个 输入源输入到一个模型中进行训练推理。同时，基于感知端到端的优势，不仅可以输 出动静态目标信息，还能输出高维特征级信息，实现信息的无损传递，从而提升感知 端的系统上限，带来对于世界的认知能力和系统性能的全面提升。接着无损信息输入 到下游的规控，规控里面有基于神经网络的模块，也有少量基于规则的部分做安全兜 底，既能提升系统上限，也能确保系统下限。整个系统基于动静态推理与数据训练， 实现场景认知与理解，提升场景泛化能力，从而实现全域可开。

3. 从规则驱动到数据驱动，实际带来哪些直观的改善

世界模型可以为端到端路线发展减负和加速。地平线面向量产的端到端 WorldModel，已能实现降低 75%反应时延、50%的网络负载和减少 90%的动态代码 行数，同时提升 70%准召率，降低 80%压线量误判率和 20%Bbox 回归误差，随着 世界模型技术进一步发展，效果会更加显著。 此外，世界模型可以让高阶智驾形成对复杂驾驶环境的通用理解，而非对输入的 重复依赖，实现全场景覆盖、功能连贯性和体验一致性。 类似人类大脑模型在学车和开车的过程中会不断进行自我修正，最终形成经验， 去适应和处理从来没有见过的特殊情形。 以世界模型为基础，HSD 的图形化界面以“数字镜像世界”为核心理念，对标 3A 游戏大作，将物理环境实时转化为简洁、优雅的 3D 动态影像，拟真渲染出真实 且具备美感的环境孪生效果。