“我们把这些功能，作为我们下一代量產车的核心卖点。让成千上万的雷霆汽车，行驶在真实的道路上。”

“它们会成为一个个移动的数据採集器，每天为我们传回海量的、真实的驾驶数据。再用这些数据，去餵养和训练我们的深度学习模型，逐渐提升我们的智能驾驶系统。”

马宇腾的声音在安静的会议室里迴荡，屏幕那头的塞巴斯蒂安·特隆陷入了长久的沉默。

这位骄傲的斯坦福教授，无人驾驶领域的先驱，此刻正用一种全新的眼光审视著马宇腾的提议。

adas这个词並不新鲜。

许多车企都在做类似的事情，但他们只是將adas作为一种昂贵的选配功能，一种营销噱头。

但马宇腾的逻辑完全不同。

他不是在做功能，他是在部署一个庞大的、移动的、活生生的数据採集网络。

每一辆行驶在路上的雷霆汽车，都將成为这个网络的神经末梢。

功能是表，数据是里。

用l2级別的功能吸引用户购买，再用用户在真实世界產生的数据，去反哺、叠代、进化出更高级別的智能。

这是一个完美的商业和技术闭环。

特隆终於明白，马宇腾並非要他放弃对l4的追求，而是给了他一条通往l4级別智能驾驶更加可行的道路。

这条道路，由海量的数据和真实的道路铺就，而非实验室里空想的算法。

“我明白了。”特隆的声音再次响起时，已经没有了之前的雄心万丈，反而多了一份工程师的踏实和严谨。

“数据是燃料，算法是引擎。没有足够的燃料，再强大的引擎也只是摆设。”

他看向镜头，眼神中是棋逢对手的兴奋。

“给我一年时间。我会给你一个目前市场上最强大的adas功能。”

“我等你的好消息。”马宇-腾微笑著点头。

视频会议结束，屏幕熄灭，將马宇腾的身影重新投入到办公室的寂静之中。

他没有立刻起身，而是靠在椅背上，指尖无意识地敲击著桌面。

他相信特隆的技术团队能给他交出一份完美的答卷。

但一个更现实的难题，摆在了他的面前。

成本。

特隆口中“市场最好的”adas系统，背后是昂贵的硬体堆砌。

目前的车载毫米波雷达集成度较低，其中的射频晶片主要採用砷化鎵工艺，且工作在24ghz频段。

这导致毫米波雷达体积大、成本昂贵。

一个性能可靠的毫米波雷达，採购成本就要数千元。

而一颗能支撑起深度学习算法实时运算的图形处理晶片，价格更是惊人。

再加上摄像头、传感器和配套的控制器，整套系统的硬体成本，轻鬆突破两万元人民幣。

他脑海中浮现出雷霆汽车目前最热销的车型“秦”和“宋”。

这两款车凭藉著顛覆性的外观，不错的性能以及亲民的价格，正在市场上大杀四方。

但它们的成功，恰恰建立在极致的成本控制之上。

整车的利润，可能都覆盖不了一套完整的adas硬体。

本章未完，点击下一页继续阅读。（1 / 2）