徐平這位華興的二把手，最擅長的就是布局未來，最不能容忍的就是錯失戰略機遇。
「好。」徐平拍板，「這事我親自抓。王宏斌，政策與標準專利部所有資源向此傾斜，成立專項攻堅組。需要協調什麼資源，直接找我！目標：鵬城首批牌照，必須要有華興的名字。」
如今，目標達成。
這張提前一年攥在手裡的牌照，是陳默為華興智能駕駛搶跑埋下的第一塊基石，也是他重生歸來，扭轉前世軌跡的無聲宣言。
「王總監，辛苦了。這個頭開得漂亮！」徐平臉上露出滿意的笑容，手指在紫砂壺上輕輕摩挲。
「牌照拿到了，接下來就是真刀真槍上戰場了。
雨宏，金麟，該你們了。
啟界M5能不能在明年年底如期亮出我們的『智能獠牙』，就看你智能駕駛產品線的真本事了。
兩周前立項會定下的調子，落地方案進展如何？」
壓力瞬間傳導。
所有人的目光聚焦到蔣雨宏和卞金麟身上。
蔣雨宏推了推鼻樑上的金絲眼鏡，這位海思麒麟970的主架構師，也是華興智駕的技術領袖，身上有股子一般只能在年輕人身上才能看到的銳利。
他沒有立刻回答徐平，而是目光轉向陳默，帶著請示和確認的意味。
陳默微微頷首。
蔣雨宏這才點開面前的筆記本，沉穩的聲音在會議室響起：
「徐總，姚總，陳總。
根據兩周前戰略會議明確的『全系標配高速NOA，高階能力按需訂閱』的核心定位，以及陳總提出的『空間釋放、純電優先、智能領先』整車協同要求，智能駕駛產品線已初步完成技術路徑重構和資源調整。
下面由我和卞總分別匯報。」
「首先，是基礎能力與量產保障。」蔣雨宏切換PPT，畫面顯示出一個清晰的系統架構圖，核心是「感知-預測-規劃-控制」的鏈路。
「目前，我們基於量產車規級硬體平台，當然當前以德州儀器TDA4系列為主，下一代平台正在聯合海思預研中，全力攻堅L2.5級功能包，目標是在2019年Q4啟界M5量產交付時，實現穩定可靠的落地。」
他雷射筆的紅點精準移動：
「縱向控制強化： 全速域自適應巡航（ACC），覆蓋0-130km/h，目標是在標準工況下，如高速跟車、擁堵緩行，實現媲美甚至優於特斯拉AP（AutoPilot）2.5系統的平順性和跟車邏輯。
目前算法核心已凍結，正在結合實車標定數據進行大規模仿真和封閉場地測試。
關鍵指標 —— 跟車時距穩定性、加減速平順性、對切入切出車輛的識別響應速度，這些指標的仿真數據達標率超過95%。
實車測試達標率約85%，剩餘難點在大雨、濃霧等極端天氣下的傳感器衰減補償策略優化。」
「橫向控制優化： 車道居中巡航（LCC）與智能限速。
LCC核心是車道線識別與保持的魯棒性，尤其是在車道線模糊、缺失或臨時施工路段。
我們採用了多源融合（攝像頭+毫米波雷達）定位結合高精度地圖（HD Map）輔助的方案，預計在鵬城複雜高架道路的實車測試中，百公里人工接管次數能降至3次以下，接近行業標杆水平。
智能限速功能已打通導航地圖數據與交通標識識別（TSR），能自動根據路牌或電子眼信息調整巡航車速。」
「場景化高階功能嘗試： 打燈自動變道（ALC）。
這是高速NOA的核心體驗點之一，也是用戶感知最強的功能。
核心挑戰在於變道決策的時機判斷比如安全間隙、鄰車道車速預測和執行平順性。
我們基於強化學習框架構建了決策模型，結合多目標雷達的精準測速測距，目前在高精度地圖覆蓋的高速路段，變道成功率達到92%。
下一步重點是提升複雜車流環境下的決策魯棒性和執行流暢度，消除用戶的突兀感。」
「泊車領域突破： 全場景自動泊車（APA）與遙控泊車（RPA）。
APA已支持垂直、水平、斜列等多種車位，基於環視攝像頭與超聲波雷達融合感知，車位識別成功率和泊入成功率均達到98%以上。
RPA功能在手機藍牙連接穩定範圍內，可實現直線前進/後退遙控，解決狹窄車位上下車痛點。
這部分相對成熟，是提升用戶便利性和科技感的重要抓手。」
蔣雨宏的匯報條理清晰，數據紮實，既展現了進展，也不迴避挑戰。
他最後總結道：
「L2.5功能包是我們在啟界M5上實現『全系標配高速NOA』承諾的基石，是必保項。
當前資源投入占比約60%，預計在Q3完成全部功能凍結和車規級驗證。」
徐平聽得頻頻點頭，姚塵風則在筆記本上快速記錄著什麼，眼神專注。
蔣雨宏看向身旁的卞金麟：「金麟，你補充下技術底座和前瞻布局。」
卞金麟，這位哈工大博士出身的車控專家，氣質更為內斂，但開口便是硬核技術：「好的，雨宏。我補充三點核心底座能力建設。」
「第一，感知架構升級。 我們堅定推進『BEV（鳥瞰圖）感知』作為下一代主航道。」
卞金麟的PPT切換到複雜的神經網絡結構圖。
「傳統『前融合』或『後融合』在處理多傳感器（攝像頭、毫米波雷達、未來雷射雷達）異構數據時存在信息損失或延遲問題。
BEV感知將不同視角、不同模態的原始數據，通過Transformer等網絡結構，統一轉換到車輛上方的鳥瞰視角坐標系下，生成統一的、稠密的環境表徵。
這更符合自動駕駛的決策需求。」
他展示了仿真環境下的BEV感知效果，車輛、車道線、可行駛區域等元素清晰直觀。
「目前，我們的BEV感知原型在nuScenes數據集上的目標檢測mAP值已提升至52.7%，接近行業頭部開源方案水平，但距離量產落地還有距離，主要在實時性和車規級晶片的部署優化上。
投入占比約25%。」