需求topics介绍
    FAW方案介绍（AI开发平台）：

    1. 算法开发——数据、算力、算法
    2. 闭环：数据采集——数据开发（原始数据——管理——标注）——算法开发——算法仿真——评测
    3. 开发——测试——运营：数据开发——模型开发——模型验证——仿真验证——车队运营
    4. 三大平台架构——数据平台、训练平台、仿真平台（底层：采集车数据 评测车数据 路测车数据 数据标注 数据集 场景数据 仿真数据） FAW训练平台集合了底层资源调度引擎
    5. 仿真平台介绍：针对L4自动驾驶算法迭代的需求开发和能力提升，强调自动化程度；
    6. 仿真模块：场景库构建和分类（路测、编辑器、逻辑模糊场景）——场景模拟——传感器模拟（没有）——仿真引擎——动力学模型（没有，今年加入）——评价系统——报告分析 （核心能力：仿真引擎——场景库——评价系统——可视化（Web下的图标）——动力学模型）

    丁团队提问：1.路测场景规模有多少？回答：5-10辆采集车会跑，范围是高速+城区（CAIC会需求地下停车场场景数据）；2.目前示范区33个场景会有多少？回答：都有； 3.FAW仿真编辑器暂时未跟VTD做联调
    Wesley提问：传感器模型没有怎么做？基于Log的回溯；动力学模型怎么做？回答：目前只是理想级模型做规控算法；

    1. 场景库构建：手动、批量生成、随机场景泛化、路测数据场景
    2. FAW：1.认为Prescan和VTD物理传感器无法提供 2.仿真结论和真实世界无法验证 WES: L4是新领域，大家都是在做自己的工具，今天FAW的产品与百度这一套有多大区别？ 不用care场景管理细节，有就好; 回答：（影子模式、进度控制（实时替代了回看，用中间件主要解决时间同步和实时监控这一块 ）、智能AGENT（这个不错）、确定性改造这是FAW的亮点）
    3. 丁提问：shadow模式有什么先进性，相比特斯拉？FAW：还是在学习，覆盖度还不同（收集和回归测试）
    4. 评价系统：三阶评价——基础、安全、交规——体感、智能性——个性化
    5. FAW场景编辑器：通过编程语言去实现场景编辑（百度没有）
    6. 林提问：随机泛化没有做到指标级； 丁提问：场景泛化有效性验证？回答：也算一种corner case，后期预置算法进行过滤
    7. 仿真可视化：不太重视渲染，实时统计和报表；提问：预测、规控算法暂时是理想级；核心是验证规划控制为主；
    8. 云上：单节点——大规模(并行）——仿真确定性（确保每一次仿真的结果是一致的）
    9. 与研发的集成：打通Gitlab；底层管理系统，强调贯穿研发过程——计划、调优、算法管理（重要）