但無人駕駛算是一個全新的產業么？我認為不是，當無人駕駛真正成熟的時候，他必然會沖擊傳統車企，如果用戶都信任無人駕駛了，愿意自己開車的人必然會減少。
所以我今天就是想問問兩位，有沒有興趣跟我們一起參與這場車企革命。”
兩人這下明白為什么孟謙同時把他們叫來了，孟謙想要搞無人駕駛，不想把賭注壓在一家傳統車企上，所以把兩人一起叫過來完全沒毛病。
“當孟總準備進入一個行業的時候，肯定已經有所準備了吧？”王川福以對孟謙的了解很肯定的說道。
孟謙笑了笑，示意繼續看PPT，“剛才也說了，無人駕駛需要激光雷達和毫米波雷達，這是因為激光雷達可以準確測量視場中物體輪廓邊沿與設備間的相對距離，精度可達到厘米級別，而對于激光雷達不夠直接快捷的缺點，毫米波雷達又可以彌補。
所以圍繞激光雷達和毫米波雷達我們做了大量研究，針對無人駕駛，我們研制了這一款64線激光雷達，兩位看這個動態圖。
激光光束從兩側透鏡發出，遇到障礙物折返后經過中間透鏡可以被抓去，接收器通過處理分析就可以判斷障礙物。
而所有的時間信息、控制信息、接收信號都會傳到頂端的主板從而進行數據分析，底部的旋轉記錄器則可以記錄下旋轉時所在位置和旋轉信息，所有原始數據通過底部數據線傳送至電腦。
至于這款產品最大的優勢，就在于垂直方向有64條光束放射狀射出，可以覆蓋垂直方向26°的角度，抵達100-120米的檢測距離，探測障礙所在位置的誤差大約10m左右，激光雷達每秒旋轉10次，可以實現水平360°的視域覆蓋，每圈輸出高達13萬個信息點。”
這個東西兩人還是能聽懂能看懂且比較好消化的，但孟謙接下來說的就讓兩人覺得有一點懵逼了，“不過在我看來我們現在最大的優勢是在算法上。
據我了解，包括谷歌在內的幾家無人駕駛企業都在使用深度學習進行駕駛訓練，從傳感器的輸入直接導出控制器的輸出，然而作為深度學習的創始者，我基本可以確認這種深度學習在無人駕駛領域是一個錯誤的方向，因為它屬于相關性推理，而非因果推理。
比如說人在下雨天會慢行，這種深度學習的邏輯就是下雨天要慢行，但它不知道下雨天為什么要慢行，那么假設我們沒有給到下雪天的數據，就會出現一個情況，無人駕駛會在下雨天慢行，卻在下雪天正常速度行駛，甚至可能會因為其他數據加速行駛。
這種不知因果的算法對于駕駛安全來說是一個極大的隱患，因為駕駛過程中會有太多的未知情況需要計算機做出因果判斷。
所以我們需要在自動駕駛領域引入新的決策機制，我們找到了這樣一個機制，那就是貝葉斯網絡，貝葉斯網絡是一個概率推理系統，貝葉斯網絡在數據處理方面針對事件發生的概率以及事件可信度分析具有良好的分類效果，它具有兩個決定性的優勢：模塊化和透明性。
模塊化的優勢尤為重要，比如要更新汽車的變速箱，當變速箱被更換的時候，我們不用重寫整個傳動系統，只需要修改為變速箱建模的子系統，其余的都可以保持不變。
而利用貝葉斯網絡進行大量駕駛數據分析的企業，據我所知，目前只有我們大風集團一家。
而這，就是我們的一大優勢。”
也不知道為什么，孟謙拿出兩個領先技術在王川福和李叔福看來特別的正常，甚至沒有半點波瀾。
孟謙其實很清楚兩人的態度，看他們沒什么抗拒的意思就直接亮出了目標，2010年，大風集團要進行至少10萬公里的無人駕駛實驗，積極搶占據人駕駛技術高地