陈奇惊的呼吸微微一滞。

图神经网络（gnn）在自动驾驶交互预测领域确实是前沿方向，特斯拉内部也有预研，但远未到量产落地阶段。

非参数贝叶斯在线学习？

这更偏向理论研究，实时性要求极高的车载规控系统目前几乎不可能承受其计算开销。

顾南舟的问题，像一把精巧的钥匙，瞬间捅开了他理论认知与实际工程落地之间的那层窗户纸，暴露了一个他心知肚明却尚未完美解决的痛点。

他坦诚地承认了当前方案的局限性，并简要探讨了gnn的潜力与当前硬件瓶颈，也直言非参数贝叶斯在实时性上的巨大挑战。

他看到屏幕那端的顾南舟快速在笔记本上记录着什么，脸上没什么表情。

蒋雨宏紧接着抛出了第二个问题，这次是关于华兴mdc平台。

“假设你加入团队，负责在mdc610平台上重构时空联合规划器。

平台提供异构算力：昇腾npu负责bev特征提取与目标跟踪，鲲鹏cpu负责高精度地图匹配与定位，同时gpu资源需共享给占用网络推理。

如何设计你的算法模块调度框架，确保在城区复杂十字路口场景下（感知目标＞50个），规控环路时延稳定低于100毫秒？

请具体说明关键路径优化策略及可能引入的延迟风险点。”

这完全是一个基于华兴自研硬件平台的实战沙盘推演！