('“第二，预测与规划模块的transformer化。”卞金麟目光扫过年轻的顾南舟。

“南舟团队主导，正在将transformer强大的序列建模和长距离依赖捕获能力，引入行为预测（预测周围车辆/行人轨迹）和运动规划（生成自车安全、舒适、符合交规的轨迹）模块。

初步实验表明，在复杂交互场景（如无保护左转、环岛通行）下，其生成轨迹的合理性和安全性显著优于传统基于规则或简单mlp网络的方法。

这是提升高速noa和未来城区noa上限的关键。”

顾南舟推了推眼镜，小脸上满是认真，用力点了点头。

“第三，数据闭环系统搭建。”卞金麟语气凝重：

“这是智能驾驶进化的生命线。

我们正在构建覆盖‘车端数据采集-加密回传-云端分布式存储与处理-场景挖掘与问题诊断-仿真场景生成-模型训练/评估-ota更新’的完整闭环。

首批路测牌照的获取至关重要，意味着我们能合法合规地在鹏城开放道路采集宝贵的cornercase（极端场景）数据。

目前云端数据处理平台已初步搭建，标注工具链在完善，仿真引擎基于carla和自有场景库在扩展。

这是长期投入，占比约15%。”

汇报完毕，卞金麟看向徐平和姚尘风：

“徐总，姚总，以上就是智能驾驶产品线围绕启界m5量产目标和未来演进的技术布局与进展。

核心挑战在于：量产l2.5功能的最后10%体验打磨、bev感知的实时性突破、以及数据闭环的规模化和效率提升。

资源上...确实非常紧张。”

他最后一句，点出了关键。

会议室内陷入短暂的沉默。

进展是喜人的，但挑战也是巨大的，尤其是时间窗口如此紧迫。

至于卞金鳞为什么没看向陈默，还得从一周多之前的一个会议说起。

当时卞金鳞刚做完技术路径的汇报，就听到了一个声音。

“卞总，”陈默的声音不高，却清晰地回荡在寂静的会议室里，他的目光落在卞金麟身上。

“刚才你们汇报的感知融合方案，核心是不是还在沿用‘前融合+后融合’的传统架构？

激光雷达点云、摄像头像素、毫米波雷达目标，先各自做目标识别和轨迹预测，然后再进行时间戳同步和决策层融合？”

卞金麟被问得一愣，下意识地回答：“是...是的，陈总。这是目前行业主流，也是相对成熟的方案，特斯拉的hydranet、小鹏的xpilot3.0架构都是基于这种思路做优化...”

“主流？成熟？”陈默打断了他，嘴角似乎勾起了一个极淡的弧度。