第282章 投資歐洲自動駕駛初創公司（第1頁）

德國慕尼黑，施瓦賓區。

這里的街道狹窄而寧靜，梧桐樹的葉子已經開始泛黃。從外表看，卡爾街28號只是一棟普通的五層辦公樓，灰色外墻，深色窗戶，門口掛著的牌子很小，寫著“automind

gmbh”。

但走進大廳，你會立刻感受到這里的特別。前臺不是傳統的接待臺，而是一個全息投影的交互界面。墻面不是刷漆的，而是由無數塊可編程的電子墨水屏組成，實時顯示著全球主要城市的交通數據流。空氣中有種微弱的臭氧味——那是服務器機柜散熱系統排出的氣味。

林澈在上午十點準時到達。他身邊只帶了兩個人：澈宇家族辦公室歐洲投資總監索菲亞·伯格曼，以及剛從合肥飛來的星海自動駕駛研究院院長張濤。沒有隨行助理，沒有安保團隊，就像普通的技術公司拜訪。

“林先生，歡迎來到automind。”公司創始人兼ceo馬庫斯·瓦格納親自在門口迎接。這位四十五歲的德國人，曾在慕尼黑工業大學擔任計算機視覺教授十年，2018年離職創業，七年時間把automind做成了歐洲最受關注的自動駕駛初創公司之一。

握手時，林澈注意到瓦格納的右手食指和中指上有厚厚的老繭——那是長期敲擊鍵盤留下的痕跡。這是個實干的技術人。

“我一直關注automind的發展。”林澈用流利的英語說，“特別是你們去年在巴黎robo-taxi挑戰賽中，以99。3%的場景通過率奪冠。這個成績比way同期的測試數據還要好。”

瓦格納略顯驚訝。很少有訪客會記得這么具體的數字。“林先生做了功課。請進，我們先看看演示。”

一行人走進電梯。電梯門關上后，側面的屏幕亮起，顯示出一個3d的城市模型——那是慕尼黑的數字孿生。

“這是我們做的第一件事。”瓦格納介紹，“用激光雷達和攝像頭掃描了全球二十個主要城市，建立了厘米級精度的數字地圖。不只是道路，還包括交通標志、信號燈相位、甚至行人的習慣路徑。”

電梯到達四樓。門開后，是一個開闊的演示中心。

正中央，一輛經過改裝的寶馬i4停在環形測試平臺上。車頂安裝了激光雷達、毫米波雷達陣列和六個高清攝像頭。平臺周圍是270度的環形屏幕，正在播放慕尼黑早高峰時段的街景。

“今天要演示的是l4級高速公路場景。”瓦格納的cto安娜·施密特博士走上前。這位三十八歲的女性是德國最年輕的工程學教授之一，專攻多傳感器融合算法。

她遞給林澈一副ar眼鏡：“戴上這個，您可以看到算法‘看到’的世界。”

林澈戴上眼鏡。視野中，寶馬i4的周圍出現了密密麻麻的數據層：綠色網格表示可行駛區域，藍色線條是預測的軌跡，紅色框是識別出的障礙物，每個障礙物旁邊還有小字標注“汽車，距離25。6米，速度72kmh，預測路徑左轉概率83%”。

“開始吧。”瓦格納說。

測試平臺啟動。環形屏幕上的街景開始流動，模擬車輛正以100公里小時的速度在慕尼黑到斯圖加特的高速公路上行駛。

前車突然剎車。

在ar視野中，林澈看到算法在0。2秒內完成了識別、決策、執行：預測到前車將急剎，自動提前0。5秒開始減速；同時掃描左側車道，確認安全后，在0。8秒內完成變道超車。整個過程平滑得幾乎沒有感覺。

“現在增加難度。”施密特博士在控制臺上操作。

場景切換到大雨天氣。視野能見度驟降，環形屏幕上雨刷瘋狂擺動。前車的剎車燈在雨幕中變得模糊。

但ar視野中，激光雷達和毫米波雷達的數據層依然清晰。算法沒有依賴攝像頭，而是基于雷達點云識別出前車距離在快速縮短，再次自動完成變道。

“雨雪天氣是攝像頭的噩夢，但對我們的多傳感器融合算法影響有限。”瓦格納解釋，“我們采用了自研的‘cross-dal

attention’機制，可以讓不同傳感器在惡劣環境下互相校準、互相補全。”

第三個場景更復雜：前方發生事故，兩條車道都被堵塞。右側應急車道有救援車輛正在駛來。

算法做出的決策出人意料：沒有嘗試在擁堵中穿行，而是提前500米就開始減速，同時通過車聯網系統接收到了救援車輛的優先通行信號，主動讓出空間，然后選擇從最右側的緊急停車帶緩慢通過——這個操作完全符合德國交通法規對自動駕駛車輛的特殊規定。

“法規理解。”瓦格納強調，“這是很多自動駕駛公司的短板。他們只關注技術可行性，不考慮法律合規性。我們的系統內置了歐盟28個成員國的交通法規數據庫，并且會根據gps定位自動切換。”

演示持續了四十分鐘，涵蓋了高速公路、城市快速路、隧道、橋梁等十二個復雜場景。成功率100%。

摘下ar眼鏡時，林澈問了第一個技術問題：“算力需求是多少？”