在 2020 年上半年的最后一天，6 月 30 日自動駕駛企業(yè) Momenta 飛輪式 L4 的亮相著實給了業(yè)內一個驚喜。
這也是 Momenta 繼去年 12 月發(fā)布 MSD（Momenta Self Driving）實車路測視頻后帶來的最新進展，包括首次公開的 飛輪式 L4 自動駕駛完整架構與產品理念、基于 飛輪式 L4 技術的商業(yè)應用場景之一 Robotaxi 的落地規(guī)劃。
事實上，Momenta 的 飛輪式 L4 并不單指 L4 級自動駕駛技術本身，而是指量產數據、數據驅動算法以及閉環(huán)自動化形成的飛輪架構，三大因子不斷積累和迭代，飛輪將越轉越快，形成厚積薄發(fā)之勢，帶來產品和商業(yè)的爆發(fā)增長，最終實現無人駕駛規(guī)?；涞亍?/p>
事實上，從創(chuàng)立之初，這家自動駕駛公司就秉持量產自動駕駛、完全無人駕駛兩條腿走路的戰(zhàn)略。
即利用量產自動駕駛（類似于 ADAS 產品）獲取海量量產數據來為完全無人駕駛進行系統(tǒng)迭代，同時后者又可以為前者帶來技術反饋。統(tǒng)一量產傳感器基礎及技術路線是兩條腿戰(zhàn)略的前提。
但由于 L2/L2+ 與 L4 級自動駕駛本身不在一個維度，業(yè)內也逐漸形成跨越式與漸進式自動駕駛的兩個陣營。
而 Momenta 的獨特之處在于，用 飛輪式 L4 架構打通了 L2 和 L4 話語體系，將兩者攏聚到了一個陣營，為自動駕駛的實現提供了一種全新的思路。
獨家試乘 Momenta 飛輪式 L4 MSD
事實上，去年 12 月 Momenta 就已經放出了 MSD（Momenta Self Driving）的部分實地路測視頻，但其中的細節(jié)并不能被盡數了解。
這次的發(fā)布會，Momenta 采用了媒體試乘與云直播的方式來呈現 MSD 的細節(jié)。新智駕作為唯一試乘媒體，也嘗試還原 Momenta 飛輪式 L4 的實地表現。
從外部傳感器來看，Momenta 的 MSD 車輛采用的是以視覺為主、幾乎都是可量產的傳感器，包括 12 個攝像頭、12 個超聲波雷達、5 個毫米波以及 1 個用以輔助感知的 velodyne 激光雷達。
Momenta CEO 曹旭東正在云直播介紹 MSD 車輛
為了更加直觀地呈現 MSD 車輛的感知、決策、控制過程，Momenta 在車內放置了三塊可視化屏幕。通過屏幕，能夠看到車輛當前的自動駕駛狀態(tài)、車速、油門、紅綠燈情況；同時也能看到 Momenta 高精度地圖作為靜態(tài)感知的痕跡，以及行人、轎車、卡車、車輛行駛軌跡預測等動態(tài)感知內容。車輛后備箱則是搭載了自動駕駛 GPU 計算平臺。
此次試乘時間約為 30 分鐘，范圍在蘇州相城區(qū)高鐵站附近 10 公里左右的開放道路。從道路的復雜程度來看，路上人車混行嚴重，車流往來不絕，包括形狀各異的卡車、隨時竄出的電動車等。
總體試乘下來，車輛速度不超過車道限速，總體在 40 公里每小時以內，全程無接管。車輛的行駛平滑，甚至在啟動時有一點小小的推背感，既不激進也不保守。車輛能夠順利應對車道數量三變二、大貨車行人避讓、路口左轉等交通場景。
以路口左轉為例。一般來說，自動駕駛車輛的左轉是個有技術難度的場景。Momenta CEO 曹旭東向雷鋒網新智駕解釋：因為左轉路線本身就比較長，其次路口左轉會遇到不同方向的來車，意味著容易出現多車爭搶路權的情況。這種情況下，自動駕駛車輛如何在保證安全的前提下，同時兼顧乘客的體驗舒適性、以及車輛的智能性而非一味地停讓。 Momenta 的 MSD 車輛也多次順利完成了路口左轉的任務。
此外，Momenta MSD 車輛在經過路口時，也遇到與大貨車爭搶路權的情況。但 Momneta 車輛并沒有出現急剎的情況，而是在預判大貨車繼續(xù)往左變道之后，選擇減緩車速。無論是預判還是操作，車輛的表現都不比人類駕駛員遜色。
云直播之后，Momenta 還公布了其一鏡到底包含全程中間技術結果的晚高峰路測視頻?？梢?Momenta 對 MSD 技術的自信。而這種自信的來源，正是 飛輪式 L4 。
Momenta 進化的關鍵： 飛輪式 L4
如果說兩條腿走路是 Momenta 的戰(zhàn)略理念與產品呈現，那么 飛輪式 L4 則是 Momenta 兩條腿得以真正走起來的底層支撐。
從產品架構來看， 飛輪式 L4 主要由量產數據、數據驅動算法、以及兩者之間形成的閉環(huán)自動化三個因子構成。
首先來看量產數據。
Momenta CEO 曹旭東認為： 自動駕駛的終局一定是規(guī)?；耐耆珶o人駕駛，以 Robotaxi 落地為例，規(guī)?；?L4 指的不是一個區(qū)域或城市，而至少是路況復雜的十個城市，每個城市至少一萬輛車，否則難以稱之為商業(yè)化落地。
而這種規(guī)?；?L4 的最終實現，要有千億公里的數據以發(fā)現長尾問題。那么海量數據從哪里來？光靠 L4 自動駕駛車輛的緩慢積累是遠遠不夠的。
因此 Momenta 通過將量產自動駕駛產品 Mpilot 搭載在車輛上，在為客戶解決問題、創(chuàng)造價值的同時，進行海量量產數據的原始積累。而這，恰恰是 飛輪式 L4 的動力源泉，通過海量量產數據的 喂養(yǎng) ，幫助 MSD 不斷迭代，使得完全無人駕駛系統(tǒng)不斷進化。
當數據來源得到保證之后，如何高效地驅動這些數據，是飛輪跑起來的關鍵。
Momenta 認為，要解決真實場景中的海量問題，必須通過數據驅動（Data-Driven）的算法才能高效解決。什么叫數據驅動的算法？
Momenta 研發(fā)副總裁夏炎用了一個例子來解釋：MSD 車輛在路上經常會遇到紅綠燈識別被阻擋的問題。
Momenta 早期的做法可能是通過代碼規(guī)則來告訴車輛，遇到某種具體的情況該怎么做。但當規(guī)則寫了一百條甚至是上千條的時候，底層的代碼就會變得難以維護，并且很難復制到別的城市場景。因為有限的規(guī)則是無法完全覆蓋無限問題的。
因此，Momenta 采用數據驅動的方式，自動化地解決了絕大部分的問題。相比見招拆招的解決單一問題，Momenta 內部更加鼓勵團隊將更多的精力放在搭建一套數據驅動（Data-Driven）的算法框架上。
只要收集到足夠多的數據和長尾問題，隨著量產數據的不斷流入，算法進行自動化學習，就能驅動飛輪式 L4 不斷迭代，自動化地解決自動駕駛的長尾問題。 曹旭東如是說。
此外，在擁有量產數據與數據算法驅動之后，閉環(huán)自動化是 Momenta 飛輪式 L4 得以維持高速運轉的第三個因子。
無論是數據采集、存儲、還是處理、標注、模型訓練等環(huán)節(jié)來說，一旦以海量數據作為單位，那么每個環(huán)節(jié)都會變得艱難。而 Momenta 的閉環(huán)自動化就是一套高效、自動化的工具鏈：通過建立對問題自動化發(fā)現、記錄、標注、訓練、驗證的閉環(huán)過程，為技術和產品提供自動化的迭代能力，驅動 飛輪式 L4 高速轉動。
以新智駕試乘體驗為例，Momenta 的閉環(huán)工具鏈在 30 分鐘的試乘數據中就自動抓取了 979 份數據，包括預測數據為 618 份、規(guī)控數據為 288 份、感知數據為 49 份、手動錄制 17 份。
自動或者半自動的閉環(huán)工具，無疑為 Momenta 的數據處理省去了很多不必要的麻煩。
Momenta 飛輪式 L4 規(guī)模落地的可行性有多高？
正如 Momenta 總結地那樣：在兩條腿走路戰(zhàn)略落地過程中，左腿量產自動駕駛是最先構造起來的，并且最先進入產品化和商業(yè)化階段；然后 Momenta 在去年年末正式邁出右腿，發(fā)布完全無人駕駛技術 MSD。
而構建這兩條腿的底層核心能力，就是飛輪架構。由此，Momenta 兩條腿走路戰(zhàn)略得以完全打通，實現相互協(xié)同。
但新智駕好奇的是，在實際落地上，究竟是先有雞還是先有蛋？
海量數據是 飛輪式 L4 驅動的前提之一，那么 Momenta 如何獲得海量數據？沒有數據，Momenta 飛輪式 L4 無從談起。
對此，Momenta 回應道，從去年發(fā)布可量產的自動駕駛方案 Mpilot（包括 Mpilot Hightway、Mpilot Parking）之后，Momenta 就已經進入產品化和商業(yè)化的階段，今年年內會有部分量產產品上市，大規(guī)模的量產上市時間在 2022 年左右。加上此前發(fā)布的后裝 ADAS 途鈴系列產品的上車，Momenta 已經積累了一定的數據。
那么與主機廠的數據會否順利返流給 Momenta？夏炎表示： 數據的所有權歸屬車廠是無疑的，但如何用數據來創(chuàng)造價值是 Momenta 擅長的事情。利用數據迭代自動駕駛系統(tǒng)，這是我們能夠為主機廠創(chuàng)造的價值。
誠然，數據的價值是通過挖掘得到的，否則也只是一堆數字罷了。
那么，在實際落地能力上， 飛輪式 L4 規(guī)模落地的可行性有多高？
由于當下規(guī)模化 L4 還處在 無人區(qū)探索 的狀態(tài)，Momenta 認為規(guī)?；?L4 面臨的是 行駛千億公里，解決百萬問題 的巨大挑戰(zhàn)。而千億公里意味著 100 萬輛車，每天 10 個小時不間斷運行，連續(xù)跑 1 年。
這種包括資金、車隊數量在內的巨大投入對自動駕駛初創(chuàng)公司來說無疑是不可承受之重。但 Momenta 的 飛輪式 L4 將這種巨大的成本一再降解、分割為可接受的賬目。
在總成本的計算上，Momenta 將規(guī)?；?L4 的總成本可分為數據成本和研發(fā)成本。
具體而言，研發(fā)成本取決于問題個數（N）和解決單個問題研發(fā)成本（R）；數據成本取決于里程數（M）和單公里數據成本（D）。
雖然目前還無法準確評估 L4 遇到的問題個數（N）和里程數（M）的大小，但 Momenta 認為，問題個數（N）至少達到百萬量級，里程數（M）至少是千億公里。
得益于量產數據驅動的方式，Momenta 能夠跨數量級地降低解決單個問題的研發(fā)成本（R）和單公里數據成本（D）。
在單個問題研發(fā)成本（R）方面，常規(guī)規(guī)則驅動（Human-Driven）的挑戰(zhàn)是用有限人力解決上百萬個問題。而通過量產數據驅動（Data-Driven）的方式，只要收集到足夠的數據，就可以自動化地解決絕大部分問題，從而降低研發(fā)成本。
在單公里數據成本（D）方面，Momenta 一方面為客戶提供量產自動駕駛解決方案，另一方面也提供持續(xù)的軟件算法迭代升級。在為客戶解決問題、創(chuàng)造價值的過程中，和客戶一起回收了長尾問題的數據，把單公里數據成本降到了幾乎為零。
由此，通過 飛輪式 L4，Momenta 將實現規(guī)?；?L4 的總成本跨數量級降低。
2024 年關鍵節(jié)點：Robotaxi 單車盈利、無安全員、多地規(guī)模運營
可見，在 Momenta 眼里，自動駕駛從來就不單是一個技術問題，可靠的技術方案和可落地的成本方案缺一不可。
眼下， 飛輪式 L4 已經開始轉動。Momenta 表示，在環(huán)境感知、高精地圖、預測等環(huán)節(jié)已實現了完全數據驅動，并通過閉環(huán)自動化持續(xù)迭代升級。
預計到 2022 年，Momenta 可以實現全流程數據驅動的算法；
到 2023 年，利用閉環(huán)自動化實現算法 100% 自動化迭代。
2024 年，量產自動駕駛 Mpilot 也將會大規(guī)模量產上路。Mpilot 和 MSD 將協(xié)同增效，實現 飛輪式 L4 的快速成長。
基于 飛輪式 L4 的商業(yè)化場景—— Robotaxi，Momenta 也給出了落地時間表。
事實上，今年 6 月 Momenta 就已經獲得蘇州第一塊 Robotaxi 示范應用牌照。按照 Momenta 的計劃：
今年年底會跟蘇州政府進行 robotaxi 的試運營，明年可能會有大規(guī)模的對外開放；
2022 年，做到蘇州 Robotaxi 部分車輛車端無安全員試運營；
2024 年，車端 100% 無安全員，實現單車盈利；
2024 年開始，結合已經回流的大規(guī)模量產數據，Robotaxi 實現多地規(guī)?；涞剡\營。
從兩個時間表規(guī)劃來看，2024 年是 Momenta 的一個關鍵節(jié)點。
曹旭東解釋道：隨著 飛輪式 L4 的發(fā)展，2024 年 Momenta 將在蘇州實現車端完全無安全員的商業(yè)運營，從而降低車輛運營成本，實現單車盈利，完成商業(yè)模式 0-1 的驗證。
也就是說，在 0-1 階段，Momenta 會專注于技術和商業(yè)模式的驗證，在兩者還沒有在樣本城市得到完全驗證之前，不會做大規(guī)模擴張。
他認為：Robotaxi 城市擴張的關鍵因素在于數據儲備。每一個城市的 Robotaxi 落地，都需要海量數據的積累。如果每到一個城市都花上幾年時間重新開始積累，那么技術與商業(yè)落地的領先性很容易擴散和被稀釋掉。
而 Momenta 的量產自動駕駛能在 0-1 階段進行大規(guī)模的數據回流，提前做好數據儲備，然后在 2024 年形成爆發(fā)點。 如果這個階段做得不夠扎實就進行城市復制與擴張，那么一定會耗費大量資源，收益不成反倒帶來大量的資金虧損。
未來，2024 年隨著量產車型大規(guī)模上市，量產數據大規(guī)?；亓?，此時數據和技術上 1-N 的儲備也已到位，具備了擴張條件。Momenta 將開始進行多地落地，從而以極快的速度實現規(guī)模化 L4。 曹旭東表示： 在一個城市先實現單車盈利，再復制到其他城市，是無人駕駛規(guī)?；涞氐淖罹娴哪Ｊ?。
縱觀業(yè)內，Momenta 的 Robotaxi 運營看似比其他玩家的時間晚一些，但如果從后續(xù)爆發(fā)的力量以及城市的擴張速度來看，Momenta 是不容小覷的。
用 Momenta 的話來說，厚積薄發(fā)，將是他們的后發(fā)優(yōu)勢。
總結：
總地來看，Momenta 用 飛輪式 L4 證明了，L2 與 L4 之間并不是涇渭分明的界限與派別。
另一方面，從業(yè)內進展來看，即便是號稱在 2020 年向完全自動駕駛進發(fā)的特斯拉，其 L4 也還處于低調隱匿的狀態(tài)。
所以不能不承認，Momenta 甚至比特斯拉更快地向業(yè)界提供了一個清晰的 L2 向 L4 演進的思路與技術。未來，Momenta 這個無車殼版的 特斯拉 ，會否成為自動駕駛界的下一條 鯰魚 ？
以下為雷鋒網新智駕活動前期采訪內容：
Q：量產自動駕駛和完全無人駕駛還是蠻不同的，你們要怎么用低維度的量產數據來反哺比較高維度的完全無人駕駛？怎么整理出完全無人駕駛所需要的數據？
夏炎：我們把自動駕駛這個系統(tǒng)拆成感知部分、預測部分、規(guī)劃決策部分。對于預測和規(guī)劃決策部分，Mpilot 和 MSD 其實沒有太大不同。比如預測的輸入實際上就是結構化的一個世界模型，輸出是未來軌跡的分布。從抽象化的、結構化層面來講，Mpilot 和 MSD 的預測和規(guī)劃可以用一套體系完成。
但感知層面會有一些區(qū)別，量產自動駕駛以 camera 為主，其他家大多數的 L4 都是以激光雷達為主，在這種情況下兩種技術路線的數據很難相互利用。
但 Momenta 不是這樣，MSD 里雖然有激光雷達，但是以 camera 為主，這是兩套獨立的感知的系統(tǒng)。而量產自動駕駛采用的傳感器方案只是少了激光雷達，這樣一來，MSD 是可以復用量產自動駕駛里的部分數據的。
Q：試乘過程中，發(fā)現 Momenta 的計算芯片平臺還是 GPU，未來你們的計算硬件層面會怎樣迭代？
夏炎：我們今天的確用的是 GPU，還沒有上嵌入型的計算平臺，從我們當下發(fā)展的階段來看，GPU 可能是最合適的。因為 L4 級自動駕駛需要的算力是幾百到一千 T 的級別，那么對應的芯片絕對不是現在的芯片，而是未來幾年量產的芯片。我們的考慮是先用 GPU 去做，等到未來幾年有完全符合 L4 需求的量產芯片之后，再一次性遷移，這樣就不用多次遷移。
Q：未來 Robotaxi 的運營你們是自己來合作還是說會交給專門的運營方？
夏炎：實際上，我們 Robotaxi 商業(yè)模式落地應該是，在 0-1 階段是 旗艦店 ，在 1-N 階段是 麥當勞 （通過和合作伙伴形成標準 robotaxi 運營方案，各地運營方進行加盟合作）。如果在全國很多城市做運營，重資產的生意對我們來說顯然不科學。在最開始旗艦店的過程中，和技術相關性比較高的運營內容，我們可能會深度參與。但長期來看，肯定是形成一個標準方案，和各地的運營方合作，由當地的運營方做實際運營。這其實和整個生態(tài)成熟度是有關系的。
Q：總的來說，Robotaxi 量產大規(guī)?；瘯男┮兀铍y的地方在于什么？
夏炎：大規(guī)模化的 L4 實現，政策上要有支持，商業(yè)上要實現商業(yè)閉環(huán)，實現單車盈利，技術上要有可行的技術路徑。對我們來講，飛輪式 L4 這樣一個技術路徑。這個技術路徑再往上拆解的話，飛輪式 L4 需要海量數據，海量的數據需要量產，然后需要數據驅動的算法和閉環(huán)自動化的工具鏈，所以是這樣一個鏈條。
Q：比較難的地方在哪里？
夏炎：單車盈利這件事情是 L4 的一個關鍵，怎么才能實現單車盈利呢？一定要去掉安全員才有可能賺錢，要不然是虧錢的。從技術上來看，需要自動駕駛足夠安全，才能足夠自信才能把這個去掉。Momenta 的目標是在 2024 年要實現單車盈利，并且有具體的實現路徑。
Q：那 Momenta 今年著力的重點是什么？
夏炎：對于我們來講，量產自動駕駛 Mpilot 已經邁入產品化的階段，所以 Mpilot 的產品化和商業(yè)化是重點要做的事情；對于 L4，MSD 是從去年中開始發(fā)力，現在處于厚積薄發(fā)剛開始的階段?？梢钥吹剿臅r間跨度是很長的，從現在到 2024 年還有很多要積累的東西。所以量產自動駕駛和完全無人駕駛各有不同的側重點，這是從外的表現。從內在來看，兩者之間技術流和數據流的協(xié)同是我們的核心重點。
（雷鋒網） 雷鋒網
重慶分公司
重慶分公司
