那天见余承东，他没穿西装，浅灰羊毛衫领口微敞。左手习惯性按在桌沿，右手用保温杯盖当教具，讲话时完全没碰手机——所有数据都来自他随身那本厚厚的册子，页角都磨毛了。封面写着《ADS 3.0全链路安全白皮书（2024.06内部版）》，右下角小字：“本材料不含任何云端依赖描述”。他说“冗余不是堆料，是给错误留逃生舱”的时候，展车屏幕正好放了一段动画：三条并行的数据流，中央一条断了，另外两条立刻合并提速——屏幕角落跳出绿色小字：“冗余激活，服务无缝”。
说到传感器架构，华为不玩主副备。视觉、毫米波、激光雷达三条链路各自独立预处理、独立建模、独立输出。遇到穿黑衣逆行行人，视觉可能被强光错当广告牌，毫米波只捕到微动难辨姿态，激光雷达却把点云勾得清清楚楚。三套结果进决策融合层，不是投票，而是“否决制”——任一通路判高危就降级响应；若两路安全、第三路异常，那第三路被标为“待复核”，不参与当次决策，但自动存进本地异常样本库。特斯拉走纯视觉路线，用BEV+Transformer一次输出全局感知图，所有判断来自同一组参数——模型偏了，整盘就麻烦了。工程师的比喻很形象：我们像三个老交警吵着吵着把真相吵出来；他们像戴VR眼镜的新警员，眼镜一坏，街景就花了。
训练数据也有自己的底线：禁止采集用户脱手后的异常操作视频。华为的训练集来自封闭测试场和合规采集的千万公里“无接管”路段。特别下了功夫在施工区模拟库——137种锥桶摆放组合、42类临时路障材质反光特性、89种夜间照明干扰模式，都用实车反复碾压录制。特斯拉的影子模式会记录驾驶员所有操作（猛打方向避狗、急刹躲插队的车也在里面），结果某城市路段频繁非标行车被学进去，反而提高了对“合理变道”的误判率。华为把算力砸在“吃透规则”上：他们把外卖电动车“斜插—刹停—回头张望”拆成27个原子行为，每个行为配独立决策树。
“无图”模式并不是不用地图，而是不依赖高精地图。华为把城市结构、交通流、红绿灯配时等知识压进车端模型。举个镜头感强的例子：松山湖那段47分钟的地下行程，车靠视觉识别柱体纹理、IMU推算轮速、超声波校验侧距，现场实时构建三维网格。更关键的是失败容忍策略——定位误差一旦超过30厘米，系统不报警，而是自动切成“廊道模式”：以车身为轴心虚拟出隧道，所有决策只为“不碰墙”。反看特斯拉V12，信号断了就降为L2，靠摄像头找车道线；地下车库本来没标线，只能靠短暂记忆上次结构，一旦记忆失效就可能绕圈。实测给了数字：在10万平方米以下封闭空间首次定位成功率，华为是99.2%，特斯拉是73.6%。
硬件细节也有讲究。问界M9的激光雷达支架用航空级镁铝合金，快拆卡扣是磁吸加机械锁双保险，扳手一拧即松，不用专业设备。这不是炫技：华为自建了7个传感器标定基地，每台新模组出厂前要过48小时动态振动标定。特斯拉多用第三方模组，出厂参数固化，换件后得返厂用专机重写标定值。老张师傅一句话总结他的经验：我们修车看三个地方——接口是不是全自研、线束有没有屏蔽层、接插件有没有防呆槽；华为这三样都有，特斯拉的接口标签全是英文字母编号得背手册。另外，华为的智驾模块都支持OTA热更，连雷达固件升级都不需要重启整车。
接管提示也不是个技术缺陷，而是人机边界的一次协商。华为把接管当作“协同决策节点”，M7会在预判风险前约1.8秒弹出半透明提示——文字可读、图标可点、语音可选，司机点头、摇头或沉默三秒都被识别为有效反馈。特斯拉的“立即接管”更像最后的安全兜底，系统已在降级。看两段对比视频就知道差别：Model Y弹窗后0.3秒触发制动，M7提示后是2.1秒开始微调车速——差的不是反应快慢，而是信任的节奏。余承东补了一句，直白又坚定：“我们不怕慢，怕错判。人手扶上方向盘的那一刻，他就该是主驾，不是备胎。”
余承东那句“我们不抄作业”不是空话——背后是这些看得见也摸得着的细节和选择。留下一点悬念：当机器慢一点去换取更少的错误，你会怎么想。
