一众小米核心管理人员捉摸不透。
关于雷军请他来的目的，江倾自然心头有数，在此之前雷军已经明里暗里跟他提过数次。
他估摸着时间，是该出手的时候了。
而小米首次涉及造车，正需要他，也更舍得投入，更专注。
念及此，他缓缓抬起头，目光如电，扫过雷军，又扫过在座的高管们。
“光说没用。”
江倾的声音打破了沉默。
“雷总，把你智能驾驶团队的核心骨干，现在就叫过来。”
雷军眼中瞬间爆发出巨大的惊喜，他连连点头。
“好！马上就来！”
他立刻转头看向王滕。
“王滕，马上！把智能驾驶团队所有P8以上的工程师，十分钟内，全部给我请到这儿来！跑步前进！”
十分钟不到，会议室的门再次被推开。
十七八个穿着技术文化衫或休闲装的工程师鱼贯而入，有年轻的，也有看起来经验丰富的，脸上都带着一丝紧张与好奇。
会议室瞬间显得有些拥挤。
雷军指着江倾向他们介绍。
“这位是江倾江总，不用我多介绍了吧？今天他来给我们智能驾驶团队把把脉，大家打起精神来！”
工程师们看向江倾的眼神立刻充满了兴奋。
江倾对他们点点头，算是打过招呼，然后直接切入主题。
“咱们开门见山，我就不客套了。把你们目前的研发进度、技术路线、核心算法框架、传感器融合方案、还有遇到的最大瓶颈，挑最关键的，用最直白的话，给我讲一遍。越具体越好。”
接下来的一个多小时，成了智能驾驶团队核心成员的答辩现场。
工程师们轮流上前，在投影前快速讲解演示。
有人讲感知融合的难点，有人讲决策规划的逻辑，有人讲仿真测试的规模，也有人坦言在复杂场景，比如无保护左转、鬼探头，处理上的不稳定性。
会议室里充满了技术术语的交流，但江倾总能精准地抓住核心，用更通俗的方式确认或追问。
“也就是说，你们现在对静态物体的识别率很高，但对动态物体，特别是突然切入的目标，预测轨迹的算法还是基于概率模型，存在误判延迟？”
“对，江总，尤其是目标速度变化剧烈时……”
“仿真测试覆盖了多少极端场景？实际路测车队规模多大？数据闭环的反
本章未完，请点击下一页继续阅读！