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“autod gbh”。
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autod。”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，2018年离职创业，七年时间把autod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autod的发展。”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993的场景通过率夺冠。这个成绩比wayo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270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级高速公路场景。”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256米，速度72k\/h，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100公里\/小时的速度在慕尼黑到斯图加特的高速公路上行驶。
前车突然刹车。
在ar视野中，林澈看到算法在02秒内完成了识别、决策、执行：预测到前车将急刹，自动提前05秒开始减速；同时扫描左侧车道，确认安全后，在08秒内完成变道超车。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速缩短，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