特斯拉的noa，用户一用就知道好，变道果断不墨迹。

我们的alc，92%成功率听起来不错，但剩下的8%是什么情况？

用户会不会觉得‘傻’或者‘怂’？

这个‘好用’的临界点在哪里？

营销上怎么包装这个‘l2.5’？

叫‘准l3’还是‘高阶l2’？

这直接影响用户预期和口碑！”

蒋雨宏正要回答，一直沉默品茶的陈默却放下了茶杯。

杯底与桌面接触，发出一声轻微的脆响，瞬间吸引了所有人的注意。

蒜鸟蒜鸟，本人陈默，向来只装高端局。

“姚总的顾虑很实际。”陈默的声音不高，瞬间成为会议室的中心，“用户体验是检验技术的唯一标准。关于alc的决策鲁棒性，还有bev感知落地难的问题，我最近看了一些前沿论文和开源项目，有点不成熟的想法，可以抛出来供大家探讨。”

“第一，关于感知。”陈默的指尖在桌面上虚点，仿佛在勾勒无形的蓝图，“bev是方向没错。

但传统基于摄像头和雷达点云生成bev特征图，再去做目标检测、分割的方法，对算力和实时性要求极高。

并且对非常规障碍物（比如掉落的轮胎、倒下的树、形状怪异的施工设施）的识别能力，存在理论瓶颈。

我在想，是否可以引入一种更‘直接’的表达方式——占用网络（occupancynetwork）。”

“占用网络？”李鹏飞下意识地重复了一句，这位计算机视觉领域的顶尖专家，镜片后的眼睛瞬间亮了起来，身体也不由自主地坐直了。

这个概念对他而言不算陌生，但从未在量产自动驾驶领域被认真讨论过。