第848章 启界进展2 (2/3)

 2019年的特斯拉正在为AP算法挣扎，小鹏刚推出ACC自适应巡航，蔚来的NOP还在实验室阶段。

    而此刻，他面前的系统已经初步具备城市道路领航能力。

    虽然还达不到2024年华兴ADS2.0的水平，但已经比同期对手领先至少两年。

    “第二突破是算力平台。”卞金麟接话调出硬件架构。

    “自研昇腾310芯片组成域控制器，总算力达到200TOPS，功耗仅45W。

    相比MObileye方案，算力提升4倍，功耗降低60%。”

    他展示了一个有趣的对比：芯片散热片面积只有信用卡大小，而竞争对手产品还需要配备主动风扇。

    会议室响起惊叹声。

    芯片架构出身的徐平身体前倾：“良率怎么样？车规认证通过了吗？”

    “首批1000套模块良率92%，已通过AEC-Q100认证。”

    蒋雨宏自信回应，“本月开始小批量装车测试。值得一提的是......”

    他看向陈默，“陈总建议的冗余设计发挥了作用，上周有颗芯片出现软错误，备份系统立即接管，全程无感切换。”

    最后展示的是实车路测视频。

    搭载ADS系统的M5原型车在鹏城滨海大道自主行驶，流畅完成匝道汇入、拥堵跟车、主动变道等操作。

    当系统在暴雨中稳稳停在校车后方时，几位部门负责人不自觉鼓起掌来。

    视频右下角实时显示着系统决策逻辑：当检测到校车闪烁停车灯时，系统不仅减速，还自动向左侧偏移了0.5米。

    这是陈默根据“校车避让法则”提出的安全策略。

    “目前主要挑战是长尾场景。”蒋雨宏切换到最后页。

    “特别是中国特有的异形交通参与者，比如拉管子的三轮车、移动早餐车等，系统识别率只有83%。

    上周在宝安测试时，有辆卖烤红薯的三轮车被误判为静止障碍物，导致不必要的急刹。”

    “解决方案呢？”徐平追问。

    这个问题很关键，误判可能导致用户对系统失去信任。

    “我们建立了百万级场景库，通过强化学习持续优化。”卞金麟展示数据平台。

    “每天云端处理超过100万公里虚拟里程。另外......”

    他看向陈默，“陈总建议的众包数据采集方案已上线，首批100台测试车每天回传3PB数据。有个意外收获：我们发现外卖骑手的行驶轨迹是预测城市交通流的绝佳样本。”

    陈默微微颔首。

    这个方案借鉴了前世特斯拉的影子模式，

    但更符合中国路况。

    他注意到徐平眼中闪过赞许光芒，这种低成本获取真实数据的智慧，正是华兴最擅长的。

    相比之下，前世这个时期的特斯拉还在依赖北美数据训练

本章未完，请点击下一页继续阅读