乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI

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」。

— 完 —

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。

深入解析OceanBase数据库 | 免费报名

在阿里体系内，OceanBase数据库支撑了支付宝、网商银行等重要业务，已成为世界领先的数据库产品。那么其背后有哪些核心技术？

7月2号第三期直播，蚂蚁集团OceanBase数据库资深专家--韩富晟（颜然）将介绍数据库发展演进历史，并深入解析OceanBase实现数据库的机制。

扫码报名，可加入直播交流群，还可获取系列课程直播回放、分享PPT：

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !