Solarex1. 从学术到产业：余凯的技术信仰与商业抉择
1999年的南京大学校园里，一个计算机系研究生正对着实验室的CRT显示器调试神经网络代码。在那个连GPU加速都还未普及的年代，这个名叫余凯的年轻人已经预见到："让机器像人类一样思考"的梦想终将通过神经网络实现。二十年后，当他在北京亦庄的地平线总部回顾这段经历时，这段看似超前的学术坚持，恰恰成为他日后创业路上最重要的精神底色。
技术创业最危险的陷阱，就是过早追求商业化变现而放弃技术深耕。余凯的特别之处在于，他始终保持着学者式的技术信仰，却又具备企业家必备的商业决断力。
2006年在NEC研究院期间，余凯主导开发了当时世界上最快的图像识别系统。这个项目让他深刻认识到：算法突破必须与硬件优化结合，才能发挥最大效能。这段经历埋下了日后地平线"算法+芯片"协同设计理念的种子。2012年回国加入百度后，他推动建立了中国互联网行业首个深度学习研究院（IDL），这个决定背后是他对产业需求的敏锐洞察——AI技术必须走出实验室，在真实场景中迭代。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 创业维艰：地平线的五次生死考验
2015年地平线创立时，正值AI创业第一波热潮。与多数选择算法赛道的公司不同，余凯坚持要做AI芯片这个"硬骨头"。这个决定让公司在前三年几乎拿不到任何融资，最困难时连工资发放都成问题。但回头看，正是这种"反共识"的选择，让地平线避开了后来算法公司的惨烈竞争。
2.1 技术路线之争：通用芯片还是专用架构？
2017年，公司内部爆发激烈争论：是跟随英伟达做通用GPU，还是自主研发专用AI架构？余凯最终拍板选择后者，理由是：
- 自动驾驶对能效比要求严苛（需<5W/TOPS）
- 专用架构可针对CNN/Transformer优化
- 车规级芯片需要确定性的实时响应
这个决定导致公司流失了1/3的工程师，但也锻造出一支真正理解车载场景的硬核团队。2018年流片成功的征程1.0芯片，能效比达到当时业界领先的4TOPS/W，验证了技术路线的正确性。
2.2 现金流危机：2019年的生死抉择
当账上现金只够维持6个月时，余凯面临痛苦选择：
- 继续维持AIoT业务（年收入约8000万）
- 或All in自动驾驶芯片（零收入但市场潜力大）
他最终选择后者，进行了公司成立以来最大规模的业务重组：
- 裁撤4个产品线