“陳總，我說一個我們團隊的例子。
上半年我們投入了很多資源去開發一個超高擬真度的極端場景模擬器，目標是復現一些現實中極難遇到的CornerCase（極端情況）。
想法是好的，但實際開發過程中發現，對算力需求極大，構建成本很高，而且生成的場景在多樣性上還是有限製。
反觀另一個小組，他們聚焦優化現有的模擬場景庫，引入了更多真實路采資料轉化的場景，雖然單個場景的擬真度沒那麼炫酷，但對模型訓練的效率和效果提升非常顯著。
回頭看，我們那個‘高大上’的專案，投入產出比可能確實不如後者。”
陳預設真地聽著，追問了一句：
“那麼，現在那個超高擬真度專案狀態如何？後續計劃是什麼？”
負責人回答：
“我們已經暫停了進一步的大規模投入，轉向研究如何將其中部分技術，比如更精細的感測器物理模擬，拆解應用到現有模擬平台中，提升整體保真度，而不是追求單個場景的極致。”
“嗯，及時調整方向，把資源用在刀刃上，這個決策是對的。”陳默肯定了這種反思和調整。
這時，首席演演算法專家顧南舟也舉了舉手，他雖然年輕，但在技術上有一種純粹的執著：
“陳總，我覺得在模型疊代上，我們有時候過於追求刷榜了。
（指在公開資料集上取得更高排名）
為了在某個榜單上提升零點幾個百分點，可能會耗費團隊幾周的時間去調參和整合。
但這些提升，很多時候在真實路測中感受並不明顯，甚至可能因為過擬合導致在未知場景下表現更差。
我覺得，我們的評價標準，應該更貼近實際使用者體驗和係統整體表現，而不是單純的榜單分數。”
“說得好！”陳奇驚立刻表示贊同。
“這就是典型的‘過程’和‘結果’錯位。
我們優化的是榜單分數這個‘過程指標’，但真正的‘結果’應該是路上開得更好、更安全。
我建議，以後模型疊代的評價，權重應該向大規模影子模式測試、閉環模擬測試和關鍵場景通過率傾斜，降低公開資料集刷榜的權重。”
李鵬飛也深有感觸：
“南舟和奇驚提到了一個關鍵點。
我們做研究出身的人，容易陷入對單項技術指標的極致追求。
但在工程化、產品化的過程中，必須要有係統思維和使用者視角。
一個單項99.9%優秀的模組，如果與其他模組協同不好，可能最終係統表現還不如一個各項都95分但協同順暢的方案。
我們的‘結果’，最終要體現在整車智慧駕駛係統的綜合體驗和安全效能上。”
討論再次深入。
大家結合具體專案，反思了是否存在為了追求技術先進性而偏離使用者真實需求的情況，是否存在為了滿足內部考覈指標而做了“偽工作”的現象。
陳默引導大家聚焦“價值創造”，強調無論是技術突破、流程優化還是專案管理，最終都要落腳到對產品競爭力、使用者體驗和商業成功的貢獻上。
在這個過程中，他也巧妙地穿插問及了當前技術方向的進展，尤其是與即將到來的旗艦轎車啟界S5相關的部分。
確實沒辦法，他現在有集團層麵的工作，還要分管IT和知止資本，最關鍵的是數碼技術BU也剛剛站穩腳跟。
自己的精力被分得太散，很多彙報性的材料根本來不及看。
“說到結果導向，我們S5專案的智駕係統，目前進展到哪一步了？
特別是你們一直在攻堅的BEV Transformer和OccupancyNetwork的融合感知方案，在真實路測中的表現如何？”
陳默看似隨意地問道，實則切中了當前最核心的技術進展。
蔣雨宏作為產品線總裁，宏觀把握最清晰，他接過話頭：
“陳總，S5的智駕係統，硬體平台您很清楚，是遠超M5的代際提升。
軟體和演演算法上，我們基於BEV的感知方案已經非常成熟，在M5的ADS2.0上得到了充分驗證。
針對S5，我們重點在推進BEV Transformer與OccupancyNetwork的深度融合。”
他頓了頓，組織了一下語言，繼續說道：
“簡單說，傳統BEV像是一張精準的2.5D地圖，能知道障礙物在哪裏、是什麼。
而OccupancyNetwork則更像是構建一個3D的‘佔據柵格’，它不關心物體具體是什麼分類，隻關心這個空間位置有沒有被佔據。
這對於處理未知障礙物、異形物體、或者被部分遮擋的目標非常有效。”
卞金麟補充了技術細節：
“目前融合模型在內部測試中表現搶眼。
特別是在城區複雜路口，對於突然闖入的自行車、三輪車、甚至小動物這些長尾場景，識別率和反應速度比純BEV方案有顯著提升。
而且OccupancyNetwork對於可通行空間的判斷也更準確，為後續的規控決策提供了更可靠的環境認知基礎。”
李鵬飛從演演算法層麵印證：
“我們基於海量中國路況資料訓練的融合模型，對於‘鬼探頭’、施工路障、臨時停靠的車輛等經典CornerCase，通過率已經超過了95%。
而且，這套框架的泛化能力很強，隨著我們資料閉環不斷注入新的邊緣案例，模型還在持續進化。”
陳奇驚則從工程落地角度彙報：
“架構上，我們已經完成了新模型在S5域控製器上的部署和優化，充分利用了新一代AI晶片的算力。
雖然模型更複雜，但通過運算元融合、模型量化等技術，推理延遲控製在了預期範圍內，能夠滿足S5對高階智駕功能的實時性要求。”
顧南舟也難得地多說了幾句：
“我們在Occupancy的時序一致性上也做了很多優化，避免相鄰幀間佔據區域的‘閃爍’，這讓預測模組能更穩定地推斷動態物體的運動趨勢。
另外，針對S5強調的‘極致流暢’體驗，我們在決策規劃演演算法中引入了更細粒度的人工勢場法，讓車輛在擁堵跟車、自動變道等場景下的動作更像‘老司機’，減少頓挫感。”
看女頻小說每天能領現金紅包🧧