Momenta 造“飞轮式”自动驾驶，4 年内实现 Robotaxi 单车盈利，路线图首次公布

Momenta 造“飞轮式”自动驾驶，4 年内实现 Robotaxi 单车盈利，路线图首次公布

• 来源:网络
• 更新日期:2020-06-30

摘要：这就是飞轮转动起来的「恐怖」速度？去年 12 月发布 L4 级完全无人驾驶技术 MSD ( Momenta Self Driving ) 实车路测视频后，Momenta今天正式对外披露内部 L4 最新进展和推进时

这就是飞轮转动起来的「恐怖」速度？

去年 12 月发布 L4 级完全无人驾驶技术 MSD ( Momenta Self Driving ) 实车路测视频后，Momenta今天正式对外披露内部 L4 最新进展和推进时间表：

2024 年，解决 L4 无人车「行驶千亿公里，解决百万问题」难题，在苏州规模化部署 Robotaxi，车端 100% 去安全员，实现单车盈利；随后，Momenta 将快速进行多地的 Robotaxi 大规模落地。

对于行业中的大多数玩家来说，怎么迈过数据门槛、实现 Robotaxi 大规模落地且盈利仍旧是头疼且棘手的问题。

现在 Momenta 直接拿出了清晰的推进路线图，不得不令人侧目。

Momenta 凭什么？

在 6 月 30 日 CEO 曹旭东的分享中，给出了答案：「飞轮式」L4，以及为什么：

与同行业路线相比，「飞轮式」L4 的优势在于厚积薄发，通过量产数据、数据驱动的算法、闭环自动化的前期大量积累，可短时间、大幅度提升研发效率， 跨数量级降低规模化 L4 的总成本。

而且飞轮的能量，在 Momenta 研发 L4 技术的过程中，已经得到了充分的展现：

从 2019 年中开始重点投入 L4 研发，只用常规团队 1/10 的规模（50 人左右的团队），半年内做到了城区开放道路行驶过程中的全程无接管，而且还包含如临时施工、多种 不规则车辆、逆行横穿等各种复杂的场景。

在此之前，行业内最快的友商也差不多用时 1 年，且积累了至少十万公里以上实际路测里程。

所以，Momenta 到底打造了一个怎样的「飞轮式」L4？

先看个一镜到底的视频：

先给 L4 规模化落地算一笔账

「自动驾驶的终局，一定是规模化的完全无人驾驶（L4 及以上）」，是无人车行业的共识。

虽然具体怎么实现出现了路径分野，但前提条件也到了行业不少玩家的认同：

要有足够长时间的行驶数据，能够解决各种刁钻的问题，人类司机的驾驶水平约为一亿公里出现一次致命事故，最好可以比人类司机水平再高一个数量级。

曹旭东将其概括为「行驶千亿公里、解决百万问题」。在他看来，这是整个行业面临的共同挑战，也是决定规模化 L4 成本的核心变量。

无人车领域的先行者 Waymo，用 后装改造车辆—路测收集数据—试运营 的方式，走出来了一条路。

其后跟随者众多，几乎行业中大多数发力 L4 的无人车公司，都或多或少受到了影响。

但在「行驶千亿公里」面前，Waymo 显然不是一个可以复制对象。

曹旭东做了一个计算： 如果全部用车来跑完的话，需要 100 万辆车， 每天 10 个小时不间断运行，连续跑 1 年。

而且这些车都要加上传感器和计算单元成本，平均每辆车 10 万美元来算，早期的投入资金将要达到的 1000 亿美元——这还没算解决问题的成本。

Waymo 有谷歌以及争相给钱的投资人，但其他跟随者呢？又有谁能有如此雄厚的资金实力？

所以也就有了不少无人车公司纷纷寄身于巨头，比如吴恩达旗下的 Drive.ai —苹果、Cruise —通用、Argo AI —福特，以及最新的 Zoox —亚马逊。

不过，这并不意味着，自动驾驶行业的红利，只能被巨头吃掉。还有诸多创业公司，正在走出了另外一条通向规模化 L4 之路。

比如「飞轮式」L4，正是 Momenta 用来「重新定义规模化无人驾驶，跨数量级降低成本」的解决方案。

「飞轮式」L4 如何跨数量级降低成本？

「为了使静止的飞轮转动起来，一开始你必须使很大的力气，一圈一圈反复地推，每转一圈都很费力，但是每一圈的努力都不会白费，飞轮会转动得越来越快，终成厚积薄发之势。」

在曹旭东看来，对于自动驾驶行业的创业者来说，「千亿公里、百万问题」这个目标非常宏大，必须装上强有力的「飞轮」，用量产数据驱动的方式，打造一个数据驱动的系统，才有可能自动化的去解决 99% 的问题，从而才有可能用几百个人实现 L4 实现完全无人驾驶。

他说，这是 Momenta 创办以来一直秉持的理念，也是他们打造「飞轮式」L4 解决方案的技术洞察。

如上图所示，整个飞轮一共有三个关键因子：量产数据、数据驱动的算法、闭环自动化。

其中，「量产数据」得益于 Momenta「两条腿」战略带来的直接优势。

2016 年成立到 2019 年中的这些时间中，Momenta 并没有将太多的精力放到 L4 上，而是打造出了量产自动驾驶解决方案 Mpilot，并将其卖给了 OEM 厂商和汽车产业的一级供应商。

一方面，他们可以从中得到营收回报，但更关键的是，在为客户解决问题创造价值的同时，也和客户一起回收了「量产数据」。

在 Momenta 的技术架构中，量产自动驾驶解决方案 Mpilot 和 L4 方案 MSD 采用的是统一量产传感器方案。

这也就意味着，量产传感器收集的数据，如视觉、地图、轨迹、接管等数据，可以无缝应用并有效助力 MSD 算法提升。与此同时，MSD 也能够反馈最新的技术，来不断提升 Mpilot 的能力。

曹旭东透露，他们已经拿到了数个车厂量产车型的订单，随着这些车辆不断上市，将会带来大规模的数据回流——这些数据的成本近乎为零。

获取「量产数据」之后，应该怎么去发挥它们的价值，更高效的提升系统能力，是数据驱动的算法和闭环自动化要做的事情，也是解决「百万问题」的关键。

数据驱动的算法是指，Momenta 投入大量精力打造的统一框架，可以自动解决数据中存在的大量的问题。

在这个技术框架下，随着量产数据的流入，算法自身会越来越「聪明」，系统不断迭代，自动化解决问题的比例也会越高。

闭环自动化，则是用来帮助数据和算法之间形成快速迭代的反馈闭环，整个过程包括对问题自动化发现、记录、标注、训练、验证等环节。

具体来说，整个过程是这样的：

1、当车辆在测试过程中收集到高价值样本时，系统就会对观测结果进行全自动标注。

2、数据积累到一定水平，就会自动触发无人工干预的模型训练迭代，完成训练。

3、模型评测自动启动，研发团队只需阅读由系统所推送的评测报告来决定模型发版，即可完成整个闭环。

而且这个过程可以不断循环，自动「消化」海量长尾数据，从而低成本、高效率地打通整个链路，而不是依靠「传统」的人工驱动，耗时耗力调参解决问题。

在曹旭东看来，在这三个核心因子的整体合力下，Momenta 能够跨数量级的降低实现规模化 L4 的成本，也是其完全无人驾驶之路的坚实基础。

与此同时，Momenta 本次也公布了其一镜到底包含全程中间技术结果的晚高峰路测视频，展示出飞轮驱动下的技术实力。

这一次，Momenta 应对的场景更加复杂，但它的完全无人驾驶系统 MSD 应对同样得心应手。

比如路口有电动车横穿逆行：

比如实线区域突然出车，连续横穿自车行驶路径：

比如狭窄小路人车混行，遭遇三轮逆行、卡车加塞、电动车斜穿、平板车抢道的场景：

2024 年，Momenta 完全无人驾驶的关键节点

最后，我们再回到 Momenta 的路线图上。

结合「飞轮」来看，Momenta 的完全无人驾驶之路，可以大致分为两个大的阶段：数据和技术上 1-N 的储备和大规模商业化。

关键节点是2024 年。

在此之前，Momenta 的聚焦点在于技术积累验证，也就是为不断优化飞轮，并推动飞轮，给飞轮早期的动力。

这个阶段，Momenta 定下了两个时间节点：预计到 2022 年，实现算法的全流程数据驱动；到 2023 年，利用闭环自动化实现算法 100% 自动化迭代。

以及，将量产自动驾驶解决方案 Mpilot 卖给更多的客户，实现大规模「量产数据」回流。

与此同时，「飞轮式」L4 的商业化落地—— Robotaxi，也在这一时期开始 0-1 的验证：今年开始在苏州路测 Robotaxi；2022 年做到苏州 Robotaxi 部分车辆车端无安全员试运营。

到 2024 年的时候，结合量产车型大规模上市带来量产数据大规模回流，飞轮在量产数据驱动下快速转动，苏州的 Robotaxi 实现单车盈利。

曹旭东认为，这个时候，Momenta 的商业模式已完成 0-1 的验证过程，数据和技术上 1-N 的储备也已到位，具备了快速扩张条件。

之后，便是 Momenta 的 Robotaxi 大规模落地时刻。

在他看来，Momenta 将在很短的时间，在多个城市进行规模化落地，从而以最快的速度实现无人驾驶的规模化落地。

一方面在于他对 Momenta 扩张模式的信心：「只有在一个城市先实现单车盈利，再规模化复制到其他城市，才是无人驾驶规模化落地的最精益扩张模式。」

但更关键的是，他对 Momenta「飞轮」的莫大底气：

「飞轮只要转动起来，就很难停下来了」。