星空·体育中国官方网 曹旭东：20年后智能车“造脑”公司可能只有Momenta和另一家

今年以来，L4级自动驾驶企业纷纷布局L2级辅助驾驶系统。目前已知信息显示，圆融七星、智行者、青州智行、MINIEYE、文远知行等公司已加入。

自动驾驶企业与整车厂的合作也呈现两极分化。大多数自动驾驶公司仍处于早期规划阶段，但Momenta已经赢得了大多数主机制造商的合作。

公开资料显示，Momenta已与上汽集团旗下高端品牌知己汽车、长城汽车旗下高端品牌沙龙智行展开深度合作，为其提供高端辅助驾驶解决方案。此外，Momenta还与比亚迪汽车、莲花汽车成立了自动驾驶公司。据媒体报道，目前仍有多家整车厂正在沟通意向合作。

为什么其他L4公司才刚刚开始布局L2，而Momenta却能持续赢得主机厂的青睐？

这还要从Momenta对于自动驾驶的理解开始。 Momenta CEO曹旭东认为，自动驾驶的终局一定是数据驱动的“升级打怪”模式。因此，Momenta在创立之初就确定了L2、L4线并行的战略思路。

一个飞轮，两条腿，三件法宝

在这一理念下，Momenta提出了“一个飞轮、两条腿”的战略思想，并以此为基础，衍生出了L4量产的三大法宝。

飞轮是指Momenta从一开始就坚持的技术路线，即数据飞轮技术；

两条腿指的是公司的两条产品线，L2级量产自动驾驶Mpilot和L4级自动驾驶MSD；

三大法宝是指L4级自动驾驶量产的三大要素：量产数据、数据驱动的算法、闭环自动化。

量产数据

业界共识是，最终实现大规模L4需要数千亿公里的数据才能发现长尾问题。比如最典型的红绿灯问题。不同地方的交通信号灯形状有很大差异。有些是圆形的，有些是方形的。从显示状态来看，有的有数字，有的有箭头。算法必须通过海量数据不断升级，并考虑到周围车辆的驾驶行为，才能解决这样的长尾问题。

这些海量数据是通过Mpilot大规模量产产生的，用于推动MSD不断升级迭代。

数据驱动的算法

Momenta认为大规模L4的最终实现必须解决现实场景中的海量问题，并且必须使用数据驱动的算法来高效解决它们。其核心逻辑是变被动为主动。

目前业界在场景处理中，普遍采用规则驱动的算法框架。有一个案例解决一个问题，成本高，效率低。

为了提高系统自学习能力，Momenta开发了数据驱动的规划算法离线自动调参框架，可以自动解决规划调参需求，解决海量长尾场景。例如，面对机动车与行人交叉的繁忙路口，过去手动调整参数需要工程师一周甚至更长时间，但新框架可以自动调整参数，只需几天即可完成。

此外，新框架可以自动学习人们的驾驶习惯，避免急刹车、重刹车等问题，提高出行舒适度。

闭环自动化

大规模L4的最终实现需要量产数据与数据驱动的算法之间形成自动迭代的闭环。闭环自动化正是这样一套工具链：通过建立一个闭环，自动发现、记录、注释、训练、验证问题。该流程提供技术和产品的自动化迭代能力，驱动L4系统迭代。

综上所述，一句话，在设定的数据驱动框架下，利用L2的海量数据来训练L4系统。

海量数据是成败的关键

那么，Momenta的想法能否成功呢？

曹旭东认为，这个想法从商业逻辑上来说是有道理的。 L4的商业化肯定会落后于L2，而且中间的时间跨度会很长。 Momenta内部预计的时间点是，Robotaxi要到2024年才会正式开始商业化星空综合体育app下载，而真正的爆发要到2028年。在这段漫长的时间内，自动驾驶企业只能通过其他方式继续输血，以保证自动驾驶的正常运行。公司，L2是最大的血液来源。

事实也证明了曹旭东的判断。从今年开始，大部分L4自动驾驶企业开始转型降级到L2。原因是L4一直无法商业化。

那么，我们在L2上与OEM厂商合作能否获得海量数据呢？

自动驾驶数据主要包括环境感知、高精度地图、预测等方面。 Momenta表示，在这些领域已经完全由数据驱动，并通过闭环自动化不断迭代升级。

预测环节可以通过大量的仿真实验来完成。

在高精度地图数据方面，Momenta于2018年获得了地图测量牌照，但如何保持高精度地图的“新鲜度”是全行业的难题。

对此，Momenta采用了数据众包的战略思路。 GPS和IMU模块与传感器连接，获取地图数据并持续更新高精度地图。

2017年，Momenta与东营交通达成合作，在重庆进行试点。在车辆上安装驾驶信息采集设备，获取交通环境数据和驾驶员行为数据。

最重要的是环境感知数据。很多自动驾驶公司采用自建车队的方法来收集数据，但这种方法成本太高且效率低下。曹旭东算了一笔账：如果依靠自建车队实现1000亿公里路测目标，100万辆汽车需要每天不间断运行10个小时，持续一年。同时，这些车辆必须配备激光雷达、传感器、芯片等，一台激光雷达的价格为10万元。每辆车平均成本约为10万美元（约合人民币70万元），总投资高达1000亿。美元，不是单个初创公司能够承受的。

Momenta认为星空·体育中国官方网，获取数据最高效的方式就是与OEM厂商合作，这就是Momenta的Mpilot解决方案。

但也存在一些问题。不少业内人士表示，数据降维比较好用，但L2及以下级别的数据很难用于整套L4级别的数据验证，适用领域非常有限。例如，相机缺乏重建整个场景的能力，无法验证一些“假设”问题。

Momenta的做法是采取与车企定制化的合作路线，共同开发车型，包括讨论硬件选型、在车上预装自动辅助驾驶功能等。确保L2数据可以直接被L4使用。

此外，另一个问题是数据源的稳定性。行业内有潜规则。目前，自动驾驶企业与主机厂的合作中，生成的数据默认属于主机厂。自动驾驶公司只有使用权，没有所有权。一旦主机厂不授权自动驾驶公司使用数据，后者就会失去稳定的数据源，不利于算法的不断迭代。

也有业内人士表示，整个行业目前处于粗放式发展阶段，数据问题关系到企业的需求实现方式、利益、政策和监管要求等，实际上很难达成一个共识。对此问题作出统一结论。也就是说，数据的最终归属和使用，短期取决于企业之间的约定，长期取决于行业的发展趋势。

数据驱动的自动驾驶是否是正确答案存在争议

即使获取了大量数据，所有数据也会被输入到 Momenta 的数据飞轮中。其他挑战依然存在。

据Momenta介绍，其开发了一套自主研发的自动数据处理系统，包括数据收集、提取和转换。它可以自动化数据发现-记录-标注-训练-验证的闭环过程。

一位自动驾驶从业者表示，每个公司都在做数据闭环，说起来容易做起来难。从数据标注最难的方面来看，虽然现在业界都在强调数据标注的自动化率，但实际上数据的自动标注还处于起步阶段，准确性无法保证，需要不断学习和迭代。

此外，Momenta和特斯拉一样，都是纯视觉自动驾驶路线的坚定倡导者，目前业内车企都是激光雷达粉丝。那么，他们之间的合作能持续多久存在不确定性。

另一个更致命的问题是，对于数据驱动的自动驾驶是否是正确的解决方案，业界存在不同的看法。

图森首席科学家曾公开发表文章表示，对于纯粹数据驱动的算法架构来说，意外迟早会发生。一位L4同事也表达了同样的观点。高水平自动驾驶并不是一个可以根据数据量升级的深度学习问题。

无论如何，Momenta受到如此多OEM厂商的青睐，说明其战略思维和技术积累得到了很多认可。至于能否走到最后，就交给时间来回答吧。

曹旭东对此颇有信心。 2019年，有媒体在采访他时问他，“20年后，有多少创业公司能够生存下来？” （这里的初创公司主要指自动驾驶公司）

曹旭东回答说，每个国家可能有一两家公司。美国有两个，欧洲有两个，中国有两个。共享出行平台运营身体，整车厂制造身体，一级制造眼睛、鼻子、耳朵、大脑，而“大脑”制造商（即软件服务商）可能只有两家。他自信地说星空体育官方网站，中国是Momenta，也是另一家公司。