周景明手指在键盘上飞掠，调出被攻击前后的数据对比。“核心控制算法和地图未受影响。但用于适应IIHS特殊路面附着系数（盐碱地残留、薄雪混合）和部分弯道曲率的车辆动力学标定参数，以及融合定位的视觉特征库索引，被注入了随机噪声。如果使用被污染的版本，车辆在测试中可能会对路面摩擦系数判断失准，或在特定弯道产生定位漂移，导致控制系统做出错误决策。”
“恢复需要多久？”陈宇飞问。
“完全清洗和验证，至少需要八小时。”安全工程师额头冒汗，“但明天上午九点，第一项测试就开始了。”
“来不及了。”周景明忽然开口，他盯着被污染的数据流，眼神锐利如手术刀，“我们不能用有风险的数据。但我们可以……不用它们。”
“什么意思？”
“IIHS这次新增的测试场景，特别是极端天气和复杂路形，对车辆的环境感知与车身姿态联合预测要求极高。我们原本的标定策略偏保守，是为了兼顾全工况。但既然对手‘帮’我们‘简化’了问题……”周景明快速调出一个全新的算法框架草图，“我们可以临时切换到一个更激进的‘自适应融合感知’模式。这个模式不完全依赖预先标定的精确路面参数和固定视觉特征，而是让系统在测试初期，用更短的时间、更高的算力消耗，实时学习当前路面的微观特征和测试场地的独特视觉元素，动态构建一个临时的、高精度的局部环境模型。相当于让车辆在测试中‘现场学习’。”
“风险呢？”沈悠问。
“第一，学习期存在不确定性，初期几项测试表现可能不稳定。第二，算力负荷极大，可能影响其他并发任务的响应速度。第三，这是未经大规模实车验证的激进方案，一旦学习逻辑出现偏差，可能导致车辆对风险判断过度或不足。”周景明语速极快，“但优势是，它不依赖可能被污染的静态标定数据，而且，如果学习成功，车辆对IIHS这种独特测试环境的适应能力，可能远超依赖固定参数的对手。”
“成功率？”
“理论成功率，基于现有架构推演，大约65%。实车……未知。”
房间内再次陷入寂静。窗外冻雨敲打着玻璃，沙沙作响。
沈悠看向陈宇飞，陈宇飞看向林薇，林薇看向周小雨，最后，所有人的目光重新汇聚到沈悠身上。
“切换算法。”沈悠的声音在寂静中响起，斩钉截铁，“周景明，你全权负责。需要什么支持？”