“它们会成为一个个移动的数据采集器，每天为我们传回海量的、真实的驾驶数据。再用这些数据，去喂养和训练我们的深度学习模型，逐渐提升我们的智能驾驶系统。”
马宇腾的声音在安静的会议室里回荡，屏幕那头的塞巴斯蒂安·特隆陷入了长久的沉默。
这位骄傲的斯坦福教授，无人驾驶领域的先驱，此刻正用一种全新的眼光审视着马宇腾的提议。
ADAS这个词并不新鲜。
许多车企都在做类似的事情，但他们只是将ADAS作为一种昂贵的选配功能，一种营销噱头。
但马宇腾的逻辑完全不同。
他不是在做功能，他是在部署一个庞大的、移动的、活生生的数据采集网络。
每一辆行驶在路上的雷霆汽车，都将成为这个网络的神经末梢。
功能是表，数据是里。
用L2级别的功能吸引用户购买，再用用户在真实世界产生的数据，去反哺、迭代、进化出更高级别的智能。
这是一个完美的商业和技术闭环。
特隆终于明白，马宇腾并非要他放弃对L4的追求，而是给了他一条通往L4级别智能驾驶更加可行的道路。
这条道路，由海量的数据和真实的道路铺就，而非实验室里空想的算法。
“我明白了。”特隆的声音再次响起时，已经没有了之前的雄心万丈，反而多了一份工程师的踏实和严谨。
“数据是燃料，算法是引擎。没有足够的燃料，再强大的引擎也只是摆设。”
他看向镜头，眼神中是棋逢对手的兴奋。
“给我一年时间。我会给你一个目前市场上最强大的ADAS功能。”
“我等你的好消息。”马宇-腾微笑着点头。
视频会议结束，屏幕熄灭，将马宇腾的身影重新投入到办公室的寂静之中。
他没有立刻起身，而是靠在椅背上，指尖无意识地敲击着桌面。
他相信特隆的技术团队能给他交出一份完美的答卷。
但一个更现实的难题，摆在了他的面前。
成本。
特隆口中“市场最好的”ADAS系统，背后是昂贵的硬件堆砌。
目前的车载毫米波雷达集成度较低，其中的射频芯片主要采用砷化镓工艺，且工作在24GHz频段。
这