陈默引导大家聚焦“价值创造”，强调无论是技术突破、流程优化还是项目管理，最终都要落脚到对產品竞爭力、用户体验和商业成功的贡献上。

在这个过程中，他也巧妙地穿插问及了当前技术方向的进展，尤其是与即將到来的旗舰轿车启界s5相关的部分。

確实没办法，他现在有集团层面的工作，还要分管it和知止资本，最关键的是数位技术bu也刚刚站稳脚跟。

自己的精力被分得太散，很多匯报性的材料根本来不及看。

“说到结果导向，我们s5项目的智驾系统，目前进展到哪一步了？

特別是你们一直在攻坚的bev+transforupancy network的融合感知方案，在真实路测中的表现如何？”

陈默看似隨意地问道，实则切中了当前最核心的技术进展。

蒋雨宏作为產品线总裁，宏观把握最清晰，他接过话头：

“陈总，s5的智驾系统，硬体平台您很清楚，是远超m5的代际提升。

软体和算法上，我们基於bev的感知方案已经非常成熟，在m5的ads 2.0上得到了充分验证。

针对s5，我们重点在推进bev+transforupancy network的深度融合。”

他顿了顿，组织了一下语言，继续说道：

“简单说，传统bev像是一张精准的2.5d地图，能知道障碍物在哪里、是什么。

而occupancy network则更像是构建一个3d的『占据柵格』，它不关心物体具体是什么分类，只关心这个空间位置有没有被占据。

这对於处理未知障碍物、异形物体、或者被部分遮挡的目標非常有效。”

卞金麟补充了技术细节：

“目前融合模型在內部测试中表现抢眼。

特別是在城区复杂路口，对於突然闯入的自行车、三轮车、甚至小动物这些长尾场景，识別率和反应速度比纯bev方案有显著提升。

而且occupancy network对於可通行空间的判断也更准確，为后续的规控决策提供了更可靠的环境认知基础。”

李鹏飞从算法层面印证：

“我们基於海量中国路况数据训练的融合模型，对於『鬼探头』、施工路障、临时停靠的车辆等经典corner case，通过率已经超过了95%。

而且，这套框架的泛化能力很强，隨著我们数据闭环不断注入新的边缘案例，模型还在持续进化。”

陈奇惊则从工程落地角度匯报：

“架构上，我们已经完成了新模型在s5域控制器上的部署和优化，充分利用了新一代ai晶片的算力。

虽然模型更复杂，但通过算子融合、模型量化等技术，推理延迟控制在了预期范围內，能够满足s5对高阶智驾功能的实时性要求。”

顾南舟也难得地多说了几句：

“我们在occupancy的时序一致性上也做了很多优化，避免相邻帧间占据区域的『闪烁』，这让预测模块能更稳定地推断动態物体的运动趋势。

另外，针对s5强调的『极致流畅』体验，我们在决策规划算法中引入了更细粒度的人工势场法，让车辆在拥堵跟车、自动变道等场景下的动作更像『老司机』，减少顿挫感。”