笔趣阁

第282章 投资欧洲自动驾驶初创公司（第1页）

德国慕尼黑，施瓦宾区。

这里的街道狭窄而宁静，梧桐树的叶子已经开始泛黄。从外表看，卡尔街28号只是一栋普通的五层办公楼，灰色外墙，深色窗户，门口挂着的牌子很小，写着“automindgmbh”。

但走进大厅，你会立刻感受到这里的特别。前台不是传统的接待台，而是一个全息投影的交互界面。墙面不是刷漆的，而是由无数块可编程的电子墨水屏组成，实时显示着全球主要城市的交通数据流。空气中有种微弱的臭氧味——那是服务器机柜散热系统排出的气味。

林澈在上午十点准时到达。他身边只带了两个人：澈宇家族办公室欧洲投资总监索菲亚·伯格曼，以及刚从合肥飞来的星海自动驾驶研究院院长张涛。没有随行助理，没有安保团队，就像普通的技术公司拜访。

“林先生，欢迎来到automind。”公司创始人兼ceo马库斯·瓦格纳亲自在门口迎接。这位四十五岁的德国人，曾在慕尼黑工业大学担任计算机视觉教授十年，2o18年离职创业，七年时间把automind做成了欧洲最受关注的自动驾驶初创公司之一。

握手时，林澈注意到瓦格纳的右手食指和中指上有厚厚的老茧——那是长期敲击键盘留下的痕迹。这是个实干的技术人。

“我一直关注automind的展。”林澈用流利的英语说，“特别是你们去年在巴黎Robo-taxi挑战赛中，以99。3%的场景通过率夺冠。这个成绩比aymo同期的测试数据还要好。”

瓦格纳略显惊讶。很少有访客会记得这么具体的数字。“林先生做了功课。请进，我们先看看演示。”

一行人走进电梯。电梯门关上后，侧面的屏幕亮起，显示出一个3d的城市模型——那是慕尼黑的数字孪生。

“这是我们做的第一件事。”瓦格纳介绍，“用激光雷达和摄像头扫描了全球二十个主要城市，建立了厘米级精度的数字地图。不只是道路，还包括交通标志、信号灯相位、甚至行人的习惯路径。”

电梯到达四楼。门开后，是一个开阔的演示中心。

正中央，一辆经过改装的宝马i4停在环形测试平台上。车顶安装了激光雷达、毫米波雷达阵列和六个高清摄像头。平台周围是27o度的环形屏幕，正在播放慕尼黑早高峰时段的街景。

“今天要演示的是L4级高公路场景。”瓦格纳的cto安娜·施密特博士走上前。这位三十八岁的女性是德国最年轻的工程学教授之一，专攻多传感器融合算法。

她递给林澈一副aR眼镜：“戴上这个，您可以看到算法‘看到’的世界。”

林澈戴上眼镜。视野中，宝马i4的周围出现了密密麻麻的数据层：绿色网格表示可行驶区域，蓝色线条是预测的轨迹，红色框是识别出的障碍物，每个障碍物旁边还有小字标注“汽车，距离25。6米，度72kmh，预测路径左转概率83%”。

“开始吧。”瓦格纳说。

测试平台启动。环形屏幕上的街景开始流动，模拟车辆正以1oo公里小时的度在慕尼黑到斯图加特的高公路上行驶。

前车突然刹车。

在aR视野中，林澈看到算法在o。2秒内完成了识别、决策、执行：预测到前车将急刹，自动提前o。5秒开始减；同时扫描左侧车道，确认安全后，在o。8秒内完成变道车。整个过程平滑得几乎没有感觉。

“现在增加难度。”施密特博士在控制台上操作。

场景切换到大雨天气。视野能见度骤降，环形屏幕上雨刷疯狂摆动。前车的刹车灯在雨幕中变得模糊。

但aR视野中，激光雷达和毫米波雷达的数据层依然清晰。算法没有依赖摄像头，而是基于雷达点云识别出前车距离在快缩短，再次自动完成变道。

“雨雪天气是摄像头的噩梦，但对我们的多传感器融合算法影响有限。”瓦格纳解释，“我们采用了自研的‘net’机制，可以让不同传感器在恶劣环境下互相校准、互相补全。”

第三个场景更复杂：前方生事故，两条车道都被堵塞。右侧应急车道有救援车辆正在驶来。

算法做出的决策出人意料：没有尝试在拥堵中穿行，而是提前5oo米就开始减，同时通过车联网系统接收到了救援车辆的优先通行信号，主动让出空间，然后选择从最右侧的紧急停车带缓慢通过——这个操作完全符合德国交通法规对自动驾驶车辆的特殊规定。

“法规理解。”瓦格纳强调，“这是很多自动驾驶公司的短板。他们只关注技术可行性，不考虑法律合规性。我们的系统内置了欧盟28个成员国的交通法规数据库，并且会根据gps定位自动切换。”

演示持续了四十分钟，涵盖了高公路、城市快路、隧道、桥梁等十二个复杂场景。成功率1oo%。

摘下aR眼镜时，林澈问了第一个技术问题：“算力需求是多少？”

这是关键。再好的算法，如果算力需求太高，就无法在量产车上部署。

“目前这个版本的FLops需求是25otops。”施密特博士调出数据，“但我们在做的下一代架构，目标是在保持性能的前提下降到15otops。这需要更高效的神经网络压缩和硬件层面的优化。”

“15otps。”林澈重复这个数字，看向身边的张涛。

张涛点点头。星海自研的自动驾驶芯片xh-ado1，单芯片算力是18otops，功耗45瓦。如果automind的算法能在15otops下运行，意味着可以用单芯片方案实现L4，成本比特斯拉的双芯片方案低3o%。

“去会议室谈吧。”瓦格纳看出了林澈的兴趣

五楼的会议室很小，只有一张长桌，六把椅子。窗户正对着慕尼黑老城的教堂尖顶。

索菲亚·伯格曼先开口。她在加入澈宇之前，是高盛法兰克福办公室的科技投行负责人，对欧洲科技公司了如指掌。

“马库斯，我们直说吧。automind目前估值4。2亿欧元，去年融资了8ooo万欧元，主要投资方是宝马、博世和一家瑞士基金。但根据我们掌握的信息，你们下个月需要新一轮融资，因为b轮的钱已经烧了8o%，而商业化落地还需要至少两年。”

瓦格纳和施密特对视一眼，没有否认。