第684章啟發和顛覆
陳默抬起頭，目光灼灼，帶著一種破釜沉舟的銳氣：
“現在，我建議，目標不變，啟界M5在2019年Q4量產時，依舊要實現這些功能。
這是我們對姚總的承諾底線。”
“但是——”陳默的聲音陡然拔高，“技術路線，必須切換！切換到我們剛剛討論的BEV Transformer架構上！”
“為什麼？”他自問自答。
“因為隻有這條路，才能讓我們在實現眼前L2.5目標的同時，為後續L3、L4的快速疊代打下不可撼動的基礎。
才能在特斯拉、小鵬們還在優化他們的傳統感知架構時，建立起真正的代差優勢。
才能對得起我們‘華興技術’這塊招牌，才能在後期的競爭中立於不敗之地。”
“這不僅僅是技術路線的選擇，”陳默的語氣變得無比鄭重，“這是戰略，是車BG智慧駕駛業務未來五年的根基，是決定我們能否在智慧汽車時代真正掌握靈魂的關鍵一役。”
至於為什麼一開始沒有確定好技術路線，這還真不能怪陳默。
是，他是重生者，但他都重生這麼多年了，很多事情早已不記得。
這次要不是蔣雨宏和卞金鱗兩人聯合當起了大召喚師，讓他死去的記憶忽然攻擊他，也不會有這檔子事...
...
會議室裡，姚塵風放下筆的“啪嗒”聲把卞金鱗從回憶中拽了出來。
他開了口，語氣帶著商人的敏銳：
“雨宏，金麟，你們的技術路徑我非常認同也非常支援。
不過，我關心的是使用者體驗的‘顯性化’。
特斯拉的NOA，使用者一用就知道好，變道果斷不墨跡。
我們的ALC，92%成功率聽起來不錯，但剩下的8%是什麼情況？
使用者會不會覺得‘傻’或者‘慫’？
這個‘好用’的臨界點在哪裏？
營銷上怎麼包裝這個‘L2.5’？
叫‘準L3’還是‘高階L2’？
這直接影響使用者預期和口碑！”
蔣雨宏正要回答，一直沉默品茶的陳默卻放下了茶杯。
杯底與桌麵接觸，發出一聲輕微的脆響，瞬間吸引了所有人的注意。
蒜鳥蒜鳥，本人陳默，向來隻裝高階局。
“姚總的顧慮很實際。”陳默的聲音不高，瞬間成為會議室的中心，“使用者體驗是檢驗技術的唯一標準。關於ALC的決策魯棒性，還有BEV感知落地難的問題，我最近看了一些前沿論文和開源專案，有點不成熟的想法，可以丟擲來供大家探討。”
“第一，關於感知。”陳默的指尖在桌麵上虛點，彷彿在勾勒無形的藍圖，“BEV是方向沒錯。
但傳統基於攝像頭和雷達點雲生成BEV特徵圖，再去做目標檢測、分割的方法，對算力和實時性要求極高。
並且對非常規障礙物（比如掉落的輪胎、倒下的樹、形狀怪異的施工設施）的識別能力，存在理論瓶頸。
我在想，是否可以引入一種更‘直接’的表達方式——佔用網路（OccupancyNetwork）。”
“佔用網路？”李鵬飛下意識地重複了一句，這位計算機視覺領域的頂尖專家，鏡片後的眼睛瞬間亮了起來，身體也不由自主地坐直了。
這個概念對他而言不算陌生，但從未在量產自動駕駛領域被認真討論過。
它太新，也太“重”了。
“對，”陳默點頭。
“它不關心前方障礙物是車、是人、是錐桶還是別的什麼具體類別。
它隻關心一個最本質的問題：車輛前方及周圍的三維空間裏，哪些體素（Voxel）被佔用了？
是剛性佔用（如牆壁）還是柔性佔用（如灌木叢）？
是可穿越的還是不可穿越的？”
他一邊說，一邊拿起桌上的白板筆，轉身在旁邊的白板上快速勾勒起來。
寥寥幾筆，畫出一個粗糙的車輛前方視角，然後打上密集的三維網格。
“輸入多視角攝像頭影象，甚至融合低線束鐳射雷達的稀疏點雲，通過一個精心設計的3D卷積神經網路，直接輸出一個稠密的三維佔用柵格圖。
每一個小格子（體素）都有一個概率值，表示它被佔據的可能性。
同時，還可以預測每個被佔據體素的運動狀態（速度向量）。”
陳默的筆尖在網格上移動：
“這樣，無論前方是一個標準車輛，還是一堆怪異的建築垃圾，甚至是一團濃霧（如果能部分穿透），係統都能感知到‘有東西佔著這個空間，可能會動’。
避障是最核心的需求，知道‘有東西’且‘它怎麼動’，往往比精確知道‘它是什麼’更重要，尤其是在極端CornerCase下。
而且，這種表達天然適合後續的軌跡規劃和碰撞檢測，因為它直接描述了空間的佔用情況。”
他放下筆，看向已經完全被吸引的李鵬飛和卞金麟：
“這或許能繞過傳統目標檢測對長尾類別識別的依賴，提升對異形障礙物的泛化能力。
當然，計算量巨大是現實挑戰，需要演演算法創新和硬體加速的協同。
但方向，我認為值得探索。
鵬飛，你在諾基亞搞高精地圖和SLAM，對空間建模理解很深，怎麼看？”
李鵬飛深吸一口氣，眼中閃爍著震撼和興奮的光芒，彷彿被一道閃電劈開了思維的迷霧。
他緊緊盯著白板上那個簡陋的網格圖，大腦以前所未有的速度運轉起來。
忽略物體類別，直指空間佔用的本質。
這思路太顛覆了！簡直是給感知領域開了另一扇窗。
他之前的研究一直糾結於如何提升目標檢測的精度和魯棒性，卻從未想過可以換個角度，直接描述空間的“滿”與“空”、“動”與“靜”！
“陳總...您這想法...”李鵬飛的聲音因為激動而微微發顫。
“太...太有啟發性了！
它跳出了物體識別的框架，直指自動駕駛最核心的空間安全性問題！
對！異形障礙物、未知物體...
這些困擾業界多年的難題，在佔用網路的框架下，可能被極大緩解。
計算量確實是座大山，但稀疏卷積、模型蒸餾、專用硬體...
這些都是可以攻克的路徑！
我...我立刻組織感知團隊進行預研和可行性驗證。
這可能是解決BEV落地痛點的關鍵鑰匙！”
看女頻小說每天能領現金紅包🧧