陳默引導大家聚焦“價值創造”，強調無論是技術突破、流程最佳化還是專案管理，最終都要落腳到對產品競爭力、使用者體驗和商業成功的貢獻上。
在這個過程中，他也巧妙地穿插問及了當前技術方向的進展，尤其是與即將到來的旗艦轎車啟界S5相關的部分。
確實沒辦法，他現在有集團層面的工作，還要分管IT和知止資本，最關鍵的是數字技術BU也剛剛站穩腳跟。
自己的精力被分得太散，很多彙報性的材料根本來不及看。
“說到結果導向，我們S5專案的智駕系統，目前進展到哪一步了？
特別是你們一直在攻堅的BEV+Transforr和Occupancy Network的融合感知方案，在真實路測中的表現如何？”
陳默看似隨意地問道，實則切中了當前最核心的技術進展。
蔣雨宏作為產品線總裁，宏觀把握最清晰，他接過話頭：
“陳總，S5的智駕系統，硬體平臺您很清楚，是遠超的代際提升。
軟體和演算法上，我們基於BEV的感知方案已經非常成熟，在的ADS 2.0上得到了充分驗證。
針對S5，我們重點在推進BEV+Transforr與Occupancy Network的深度融合。”
他頓了頓，組織了一下語言，繼續說道：
“簡單說，傳統BEV像是一張精準的2.5D地圖，能知道障礙物在哪裡、是什麼。
而Occupancy Network則更像是構建一個3D的‘佔據柵格’，它不關心物體具體是什麼分類，只關心這個空間位置有沒有被佔據。
這對於處理未知障礙物、異形物體、或者被部分遮擋的目標非常有效。”
卞金麟補充了技術細節：
“目前融合模型在內部測試中表現搶眼。
特別是在城區複雜路口，對於突然闖入的腳踏車、三輪車、甚至小動物這些長尾場景，識別率和反應速度比純BEV方案有顯著提升。
而且Occupancy Network對於可通行空間的判斷也更準確，為後續的規控決策提供了更可靠的環境認知基礎。”
李鵬飛從演算法層面印證：
“我們基於海量中國路況資料訓練的融合模型，對於‘鬼探頭’、施工路障、臨時停靠的車輛等經典Corner Case，透過率已經超過了95%。
而且，這套框架的泛化能力很強，隨著我們資料閉環不斷注入新的邊緣案例，模型還在持續進化。”
陳奇驚則從工程落地角度彙報：
“架構上，我們已經完成了新模型在S5域控制器上的部署和最佳化，充分利用了新一代AI晶片的算力。
雖然模型更復雜，但透過運算元融合、模型量化等技術，推理延遲控制在了預期範圍內，能夠滿足S5對高階智駕功能的即時性要求。”
顧南舟也難得地多說了幾句：
“我們在Occupancy的時序一致性上也做了很多最佳化，避免相鄰幀間佔據區域的‘閃爍’，這讓預測模組能更穩定地推斷動態物體的運動趨勢。
另外，針對S5強調的‘極致流暢’體驗，我們在決策規劃演算法中引入了更細粒度的人工勢場法，讓車輛在擁堵跟車、自動變道等場景下的動作更像‘老司機’，減少頓挫感。”
