物理 AI 的终极形态:地平线与具身智能的文明级跃迁

一、引言

      2026 年 4 月 22 日，地平线发布中国首款舱驾融合整车智能体芯片 “星空” 系列、整车智能体操作系统 “卡卡虾” 及量产端到端智驾系统 HSD V1.6，完成从芯片供应商到物理 AI 基础设施提供商的战略升级。数字 AI 仅能投影虚拟世界，而余凯提出的 “物理 AI” 核心正是具身智能 ——AI 直接感知、建模并作用于真实物理环境。

      据 Grand View Research 数据，2025 年全球具身智能市场规模达 46.7 亿美元，预计 2026-2033 年复合增长率 39.7%，2033 年将增至 676.3 亿美元。2026 年是具身智能从实验室走向规模化商用的关键节点，中国企业在人形机器人量产落地方面处于全球领先地位。地平线选择智能汽车作为首个大规模落地场景，通过 “芯片 + OS + 智驾” 全栈布局，构建整车智能体并向通用机器人延伸。

二、具身智能的科学本质

      现代具身智能理论认为，智能根植于物理实体与环境的持续互动，核心是 “感知 – 决策 – 行动 – 再感知” 的闭环反馈系统。传统 VLA 模型采用 “视觉到动作” 的黑盒映射，缺乏对机器人本体和物理世界的显式建模，泛化能力受限。

      Gilday 等人（2025）通过对 56 款参数化机器人手的系统研究证实，在 VLA 架构中显式注入 “具身先验”（运动学结构、动力学特性等），可显著提升三维空间理解和跨本体控制能力。机器人形态本身蕴含智能，优化机械结构可将部分计算任务 “卸载” 到物理世界，降低系统复杂度。因此，具身智能是算法智能与物理智能的深度融合，两者通过闭环耦合共同构成完整的智能系统。

三、地平线的具身智能全栈布局

（一）BPU 架构与芯片基座

      地平线自主研发的第六代 BPU 架构专为具身计算优化，集成 3D 感知、世界模型和运动控制加速器。星空 6P 芯片采用 5nm 车规级制程，提供 650 TOPS AI 算力和 273GB/s 内存带宽，单芯片整合自动驾驶、智能座舱及 MCU 功能，实现每车 1500-4000 元硬件降本。截至 2026 年 4 月，地平线征程系列芯片累计出货超 1000 万片，以 47.7% 的市占率蝉联自主品牌 ADAS 市场冠军。

（二）HoloBrain 与地瓜机器人生态

      2026 年 2 月 13 日，地平线开源中国首个具身智能基座模型 HoloBrain-0，首创显式注入具身先验的架构，可灵活适配多种机器人形态，并推出 0.2B 参数的端侧版本。

      2024 年 1 月拆分成立的独立子公司地瓜机器人，定位为机器人时代的基础设施提供商。截至 2026 年 4 月，其累计融资超 3.7 亿美元，成为连接地平线技术底座与产业应用的关键桥梁。

（三）RoboOrchard 开源基础设施

      同步开放的 RoboOrchard 框架提供 “数据 – 训练 – 部署” 全链路交钥匙方案，开源核心算法及全套科研基础设施，大幅降低具身智能研发门槛，吸引全球开发者共建生态。

四、整车智能体：首个亿级规模商业化实践

      智能汽车是人类历史上首个实现亿级规模商业化的具身智能系统（全球累计保有量超 14 亿辆），其高可靠性要求和复杂环境交互使其成为技术验证的最佳平台。地平线提出的 “整车智能体” 概念，通过舱驾融合架构打破传统域控制壁垒。

      卡卡虾操作系统实现跨域资源调度，支持自然语言指令统一控制智驾与智舱功能。HSD V1.6 作为国内首个量产端到端智驾系统，据地平线发布会披露，目前用户选择率达 77%，智驾里程占比逼近 50% 的关键分水岭。HSD 积累的海量具身数据和工程经验，经系统适配与算法重构后可迁移至其他机器人领域，形成 “汽车先行，技术反哺” 的独特优势。

五、结论与展望

      地平线的具身智能战略走出了一条差异化路径：以智能汽车为突破口，通过软硬一体全栈技术实现规模化落地，再依托地瓜机器人平台向通用机器人领域拓展。其核心优势在于：软硬协同的极致性能、汽车领域的量产验证经验、开放共赢的生态体系。

      未来 3-5 年，地平线将推动舱驾融合技术和整车智能体的大规模普及，同时逐步向工业、家庭服务及人形机器人领域延伸，打造覆盖多场景的物理 AI 生态。从更长远看，地平线致力于成为“物理 AI 时代的 Wintel”，为所有物理智能体提供底层计算平台和操作系统，引领人工智能从数字世界走向物理世界的文明级跃迁。

参考文献

1. Gilday, K., et al. (2025). Embodied manipulation with past and future morphologies through an open parametric hand design. Science Robotics, 10(99), eads6437. https://www.science.org/doi/10.1126/scirobotics.ads6437
2. Zhang, Y., Tian, J., & Xiong, Q. (2025). A review of embodied intelligence systems: a three-layer framework integrating multimodal perception, world modeling, and structured strategies. Frontiers in Robotics and AI, 12. https://doi.org/10.3389/frobt.2025.1668910
3. Horizon Robotics. (2026). HoloBrain-0: An embodied vision-language-action foundation model with explicit embodied priors. arXiv preprint arXiv:2602.12062. https://arxiv.org/abs/2602.12062
4. Grand View Research. (2026). Embodied AI market size, share & trends analysis report, 2026-2033. https://www.grandviewresearch.com/industry-analysis/embodied-ai-market-report
5. NVIDIA Corporation. (2026). What is embodied AI? https://www.nvidia.com/en-au/glossary/embodied-ai/
6. Brooks, R. A. (1986). A robust layered control system for a mobile robot. IEEE Journal on Robotics and Automation, 2(1), 14-23. https://ieeexplore.ieee.org/document/1087032
7. Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460. https://doi.org/10.1093/mind/LIX.236.433
8. Bank of America Institute. (2026). Physical AI, part 2: Humanoid robots. https://institute.bankofamerica.com/transformation/physical-ai-part-2.html
9. Wang, X., et al. (2025). Embodied AI: From LLMs to world models. IEEE Circuits and Systems Magazine, 25(4), 1-18. https://doi.org/10.1109/MCAS.2025.3603693
10. Ghasemipour, S. K., et al. (2025). Self-improving embodied foundation models. Proceedings of the 39th Conference on Neural Information Processing Systems. https://openreview.net/forum?id=KXMIIVUB9U