地平线的 BPU（VS CPU VS GPU) 全称为 Brain Processing Unit，是地平线公司自主研发的智能计算架构。你可以把它理解为地平线芯片的“大脑构造”，专门为了处理人工智能算法（特别是深度学习神经网络）而设计。

BPU 架构并不是单一的硬件设计，而是一个不断进化的技术体系。它通过算法、编译器、硬件三者的深度协同，旨在解决 AI 计算中“算力大但效率低”的痛点。

截至 2025 年底，BPU 架构已经发展到了第四代。以下是 BPU 架构的详细演进、核心技术及特点解析：

🚀 BPU 架构的演进史：从感知到世界模型

BPU 的每一次迭代都以著名数学家命名，代表了其处理数据的核心数学逻辑和应用场景的升级。

表格

🧠 核心技术特点：BPU 为什么快？

BPU 架构之所以能在能效比上具有竞争力，主要得益于以下几个关键设计：

1. 软硬结合的“交响乐”设计

地平线将 AI 计算比作一场交响乐：

• BPU 硬件是“乐团”，提供基础算力；
• 编译器是“指挥”，负责调度资源；
• 算法是“乐谱”，决定计算逻辑。
  BPU 架构不仅仅是硬件，而是通过编译器的深度优化，让硬件资源（如存储、计算单元）能完美适配 Transformer、CNN 等主流神经网络，减少资源浪费。

2. 独特的存储与数据流架构（以纳什为例）

为了解决大模型计算中的“内存墙”问题（即数据搬运速度跟不上计算速度），BPU 采用了创新的设计：

• 三级片上存储架构： 极大增加了芯片内部的高速缓存，减少访问外部内存的次数，显著降低功耗和延迟。
• 多脉动立方加速引擎： 允许数据在不同的计算引擎间灵活流动，无需反复读写内存，特别适合 Transformer 这种计算密集型模型。

3. 超异构计算

BPU 不是单一的处理器，而是集成了多种计算单元：

• AI 加速核心： 专门处理矩阵运算。
• 浮点向量加速单元： 提高通用计算的灵活性，满足高精度算子需求。
• 数据变换引擎： 专门处理数据格式的转换，减轻主核心的负担。

4. 第四代黎曼架构的突破（2025年发布）

最新的黎曼架构针对未来的端到端大模型和通用机器人进行了跨越式升级：

• 高维数据降维： 基于黎曼流形理论，通过数学方法将复杂的高维感知数据“降维”处理，大幅提升模型效率。
• 全浮点计算支持： 从 Tensor（张量）计算扩展到 Vector（向量）全浮点计算，精度更高，能更好地支持大语言模型（LLM）上车。
• 性能飞跃： 相比前代，关键算子算力性能提升 10倍，面向大语言模型的能效提升 5倍。

🛠️ 软件生态：天工开物

硬件架构需要软件来释放潜力。地平线配套了 天工开物工具链，这是 BPU 架构的重要组成部分：

• AI 驱动编译： 最新的编译器引入了 AI 策略，能自动寻找最优的代码执行路径，编译速度从小时级缩短到分钟级。
• 模型压缩与量化： 能够将庞大的神经网络模型（如 PyTorch 训练的模型）高效地转换为 BPU 能识别的格式，同时尽量保持精度不损失。

📌 总结

地平线 BPU 架构不仅仅是一个芯片设计，它是一套以数据为中心的计算哲学。

• 早期（伯努利/贝叶斯）： 解决“看清楚”的问题，主打 CNN 视觉处理。
• 中期（纳什）： 解决“想得深”的问题，主打 Transformer 和博弈规划。
• 未来（黎曼）： 解决“懂世界”的问题，主打端到端大模型和通用人工智能。

如果你在使用地平线的芯片（如征程 5 或 旭日 X3），你实际上就是在利用 BPU 架构中特定的加速引擎来处理 AI 任务。