俞興對於餘凱這樣一位百度高層的表現很驚愕。
你還是百度的嗎？
不對不對，想出來創業的了是吧。
俞興應付著忽然變得異常的熱情，念頭在心裡直打轉，見他對鐳射雷達有著超出尋常的興趣，也就打電話給靈罡公司的李一帆，讓他過來一起見見百度深學院idl的副院長。
說是副院長，但院長李豔紅明顯是象徵性的，所以，他就是idl實質上的院長，但說到實質院長，這樣一個部門在百度內部調集資源也頗受掣肘。
等到李一帆趕到，他瞧見的是繞著原型車嘖嘖稱奇的餘凱。
俞興的介紹只到一半，看見正主到來便順水推舟的收尾：“李總說他們有把握做出效能接近velodyne 64線雷達的產品，還能降低很多成本，如果百度有需要，到時完全可以合作。”
餘凱已經知道現在裝車的是靈罡的32線樣機，聞言問道：“李總的實驗室裡已經在做64線了？”
李一帆搖頭答道：“不，我們正在做40線的雷達。”
餘凱奇道：“40線？大家現在都在用64線啊。”
谷歌、百度包括美國一些類似專案的研究都在使用velodyne 64線雷達，而它上一代的產品便是面前“九州”原型車上的32線，如果靈罡公司想要發展鐳射雷達的業務，搞出來一個40線無疑會加大客戶的相容工作，直接增加了銷售難度。
李一帆解釋道：“我們做了測試對比，現在的32和64的線束分佈不夠合理，40線反而更平衡，我們用velodyne 64線掃描50米外一米七的行人，最多隻能掃出來5條線，但實驗室裡的40線能做到6條線。”
今天這臺靈罡32線不是第一次裝車測試，包括velodyne 64線也有多次的測試對比，就目前的研究來看，鐳射雷達的一大需求是掃描時成像範圍中間區域的密度要足夠高。
餘凱這麼一聽，更加驚奇：“這是怎麼做到的？”
百度有自動駕駛的研發團隊，也採購了velodyne 64線雷達，雖說不是他的主攻方向，但也知道大體脈絡。
李一帆看了眼俞總，見他沒有反對，說道：“velodyne的線束是均勻分佈，但我們實際上車測試之後嘗試車輛正前方和兩側區域採用不同的解析度，效果反而更好，能讓關鍵區域的點雲密度有顯著提升。”
他頓了頓，有些自矜的笑道：“這樣非均勻分佈的設計下來，40線雷達在關鍵區域幾乎能等效83線了。”
這顯然不容易。
餘凱由衷的稱讚道：“果然是術業有專攻！”
李一帆這時卻是一嘆：“但問題也不少，路漫漫其修遠兮啊。”
餘凱極其體會這句話裡的情緒，但他今天在碳矽集團這邊遇到意料之外的驚喜，反而頗覺精神振奮，笑著說道：“在路上就很不錯，路雖遠，行則將至。”
他沒有多感慨，直接問了個更為專業的問題：“你們是和碳矽一起做出行方案嗎？你們對鐳射雷達的點雲資料是怎麼處理的？”
鐳射雷達每秒會生成超過百萬個點雲資料，對於這種資料的實時處理是一個關鍵問題。
李一帆用點頭回應第一個問題，隨後說道：“碳矽和靈罡成立了聯合實驗室，我們現在是對點雲資料做預處理，先體素化把三維點雲轉換成稀疏體素網格，降低資料維度。”
“這樣使用3d cnn處理，再做多檢視投影，把3d點雲投影到多個2d視角，再用2d cnn提取特徵。”
“餘總應該知道鐳射雷達對計算資源的要求很高，我們目前考慮是用兩階段處理策略，高頻低精度的實時位姿估計，低頻高精度的全域性地圖最佳化，這樣就能平衡計算資源和精度需求。”
餘凱這會念頭轉得極快，立即說道：“這樣多階段處理框架下模組間的資訊割裂與動態場景適應性不足是很棘手的問題，一個動態場景裡，前一幀的點雲分割錯誤就會導致後續幀的目標跟蹤軌跡偏移。”
“點雲稀疏吧，體素化處理就進一步降低了解析度，影響目標檢測精度，模組處理吧，又會重複計算，計算資源的利用上存在結構問題。”
他看著凝神的李一帆，探討道：“我覺得還是需要新的深度學習模型，聽說斯坦福那邊在搞直接處理原始點雲的路徑，是考慮對稱函式建模來解決點雲無序性問題。”
李一帆下意識的挑眉：“這就直接改變主流點雲處理的技術路徑了！”
餘凱點頭：“是啊，就是不知道能不能搞成，要是能搞成，還是很有里程碑的意義的。”
兩人探討交流的語速很快，聊的又是行業最頂尖的開拓。
俞興插不上話，只倚在車頭前默默抽菸，琢磨餘副院長這一趟所能透露的意義。
他知道百度在ai方面的黃埔軍校，也考慮過積極的引進，但沒感覺到現階段的迫切需求，不過，從餘凱的表現來看，百度的“趕早集”屬性怕不是又想發作了。
半晌之後，餘凱的談興終於有所滿足，再次看向俞總，還是忍不住的說道：“俞總，你們怎麼現在就搞這樣的東西了？”
俞興反問：“不該搞嗎？餘總要是感興趣，我們這邊中午可以抽時間開個小會，把實驗室的人喊過來一起聊聊。”
餘凱沒有絲毫猶豫的說道：“好，那就打擾了。”
他在百度漸漸苦悶，好不容易碰見同行者，真像是沙漠裡碰見旅人，儘管沒瞧見綠洲，心裡仍然激動和振奮。
而且，不同於百度，碳矽集團是一家車企，如此階段的技術佈局，所謀甚大。
餘凱心裡癢癢的，乾脆直接打電話請了兩天假，推遲迴京的時間。
中午小會，餘凱過了一把癮，既有在百度遇到過的問題，也有沒遇到過的，既有百度嘗試過的方向，也有沒考慮的角度。
畢竟，百度只是家網際網路公司，不少地方還沒法從實際出發。
會議在下午一點鐘結束，一直沒吃的午飯就到食堂解決。
餘凱有俞興和李一帆作陪，再想著這半天的見聞與交流，仍舊重複著表達了他的感慨：“俞總啊，智慧駕駛這一塊對大公司來說都是一個極大的挑戰，他們都必須容忍和接受一群最聰明的頭腦做一些流程不好量化、roi也難以計算的工作。”
這還是他發自內心的疑惑。
什麼樣的大公司在做智慧駕駛的研究？
谷歌，蘋果，百度，是這樣一批公司在試水。
而這種公司面臨的就是他提到的很嚴重的問題，方向摸不準，流程搞不透，預期弄不清。
所以，即便如李豔紅，他實際的投入和興趣也沒表面上那麼高。
本章未完，請點選下一頁繼續閱讀！