Momenta：自动驾驶的可规模化之路

Momenta成立于 2016 年，自 2019 年起在自动驾驶领域不断突破，已成功实现从 0 到 1 再到 10 的量产跨越，与多家主机厂建立深度合作。公司使命是 “better AI better life”，目标是实现可规模化的 L4 自动驾驶。

2025年3月20日，在第三届AI定义汽车论坛上，Momenta全球解决方案首席架构师饶庆表示，实现 L4 的关键在于安全性比人类司机高十倍，这需要 1000 亿公里数据来解决长尾问题。基于数据驱动和用量产车采集数据的洞察，公司制定 “飞轮两条腿” 战略，通过量产自动驾驶与完全无人驾驶相互反哺，借助数据驱动、海量数据和闭环自动化推动技术发展。在算法上，公司紧跟趋势，从基于规则演进到数据驱动，推出一段式端到端大模型，并采用独特训练方式降低成本、提高效率。

Momenta全球解决方案首席架构师

以下为演讲内容整理:

公司发展历程与使命愿景

在自动驾驶技术蓬勃发展的时代浪潮中，Momenta于2016年成立，其在自动驾驶领域的探索与实践成果斐然。2019年，公司正式推出量产自动驾驶产品和城区完全无人驾驶方案，自此开启了在自动驾驶领域从无到有的征程。从2019年至2022年，历经三年时间，成功实现了从概念到实际落地的关键跨越，完成了“0到1”的突破，这一阶段为公司后续发展奠定了坚实基础。

图源:Momenta

2022年，公司迎来重要里程碑，与合作伙伴完成首个车型的量产。随后，在2022年至2024年期间，公司进入快速发展阶段，实现了从“1到10”的拓展，从第一款量产车起步，截至2024年，已成功量产超过25款车型。这一成绩的取得，不仅彰显了Momenta强大的技术实力和生产能力，更体现了其在市场上的认可度和竞争力。

在与主机厂的合作过程中，我们凭借卓越的技术和可靠的产品，赢得了众多主机厂的信赖，许多主机厂不仅成为其合作伙伴，还进一步成为公司的投资人，其中包括上汽、奔驰、丰田以及比亚迪等行业巨头。这种深度的合作与投资关系，不仅为公司提供了充足的资金支持，更促进了各方在技术研发、资源共享等方面的紧密协作，共同推动自动驾驶技术的发展。

公司秉持“better AI better life”的使命，旨在通过更好的人工智能技术，为人们带来更优质的生活体验。其核心目标是实现可规模化的L4级自动驾驶。这里的可规模化L4级自动驾驶，并非局限于在特定区域内运行的少量自动驾驶车辆，而是期望所有车辆都能在全国乃至全球范围内自由行驶，真正实现自动驾驶技术的广泛应用和普及。

实现可规模化L4自动驾驶的技术路径

实现L4级自动驾驶的核心要点在于安全性的大幅提升，自动驾驶的安全性至少要比人类司机高十倍。根据美国交通局的统计数据，人类司机发生一次致命交通事故的平均里程为一亿公里。基于此，公司经过严谨测算，得出要实现比人类司机高十倍安全性的自动驾驶，需要1000亿公里的数据作为支撑。

这1000亿公里的数据推算逻辑清晰。由于每1亿公里人类司机发生一次致命交通事故，基于一定的概率假设，每100公里中可能会出现一次类似情况，在此基础上，为达到比人类高十倍的安全性标准，经过简单计算，便得出需要1000亿公里数据的结论。这些数据主要用于解决自动驾驶过程中的长尾问题，即真实世界中出现频率较低但却对自动驾驶系统构成挑战的场景。

例如，在去年清明节期间进行一段式端大模型测试时，就遇到了路边烧纸钱产生火堆的场景。这种在特定文化习俗背景下出现的场景，在自动驾驶测试过程中较为罕见，但却真实存在于复杂的现实环境中，属于典型的长尾问题。要实现可靠的自动驾驶，就必须有效识别并解决这些长尾问题。

为解决这1000亿公里数据中的长尾问题，我们提出两个关键洞察。其一，采用数据驱动的算法取代传统的规则驱动方式。在传统规则驱动模式下，每遇到一个新的长尾问题，就需要定义一条新规则来应对。然而，在1000亿公里的数据中，长尾问题数量繁多，若每个问题都单独定义规则，不仅工作量巨大，而且规则驱动方式存在明显的上限，难以有效应对复杂多变的现实场景。因此，数据驱动的算法成为必然选择，它能够利用大量数据实现自动化学习，从而解决长尾问题。

图源:Momenta

其二，利用量产车采集1000亿公里的数据。仅依靠数量有限的L4级robotaxi车队难以实现如此庞大的数据采集量。经测算，要获取1000亿公里的数据量，需要1000万辆车行驶一年的时间。这充分表明，只有借助量产车的广泛应用和大规模行驶，才能满足数据采集的需求，进而为实现可规模化的自动驾驶提供数据基础。

基于上述两个洞察，我们制定了“飞轮两条腿”的产品战略。“两条腿”分别指量产自动驾驶和完全无人驾驶。通过量产自动驾驶产生的数据流，为完全无人驾驶技术的研发提供支持；而完全无人驾驶技术的成果又可应用于量产自动驾驶车辆，使L2+级别的车辆逐步接近L4级的性能，实现两者的协同发展和相互促进。

在“飞轮两条腿”战略的核心部分，是包含数据驱动、海量数据以及闭环自动化的“飞轮三因子”。其中，数据驱动算法在公司的技术发展中占据重要地位。以自然语言处理领域为例，早期人们使用多个不同的小模型分别完成句法分析、语义分析、情感分析等任务，随着技术发展，逐渐融合为端到端的大模型，如以GPT为首的语言大模型展现出强大的推理能力，能够形成较长的思维链。自动驾驶领域同样如此，早期使用不同小模型分别实现红绿灯检测、车辆行人检测等功能，如今将这些小模型融合为端到端大模型后，性能得到成倍提升，能够形成类似人类老司机的驾驶直觉和行为方式。

公司内部算法也经历了显著的演进过程。从算法2.0到5.0，验证了从基于规则的算法向数据驱动算法的转变趋势。2022年公司第一款车量产时，规划采用的是基于规则的规划方式。到2023年下半年，在AD算法4.0阶段，已完全实现基于深度学习的规划。2024年上半年，AD算法5.0开始内部测试，下半年正式推送给终端客户，形成了一段式的端到端大模型。

与之前的算法版本相比，一段式端到端大模型具有独特优势。在AD算法4.0时代，对于一些未明确定义物体的场景，如突然出现的石头、路面坑洼或清明节火堆等情况，感知模块无法准确输出物体信息，导致规划模块无法获取相关信息，进而难以规划合理的行驶轨迹避开障碍物。而在算法5.0时代，通过在训练过程中加入真实世界的长尾问题数据以及人类老司机的驾驶数据，模型能够形成对全局的认知。即使没有明确定义通用障碍物模型，也能基于已有数据学习到类似绕开通用障碍物的行为，实现类似人类老司机的驾驶操作。

不过，训练一段式端到端大模型面临着巨大挑战，训练一个这样的模型可能需要花费一周时间，且需要投入几十万甚至100万美金的云端算力，成本高昂。为解决这一问题，我们创新地提出了独特的长期记忆和短期记忆训练方式。这种方式能够在保证模型训练效果的同时，实现低成本、短周期的迭代，确保一次性训练成功。

目前，我们与众多合作伙伴保持紧密合作，陆续有量产车推出市场，如广汽丰田的铂智3X以及东风日产的N7等车型。这些量产车的推出，标志着公司在自动驾驶技术商业化应用方面取得了重要进展，也为消费者提供了体验先进自动驾驶技术的机会。

行业洞察与智驾摩尔定律

我们基于自身在自动驾驶技术研发过程中的实践经验和对行业发展的深入观察，提出了“智驾摩尔定律”。该定律包含两层重要含义，其中第一层涉及软件体验方面。根据我们的判断，自动驾驶软件每两年体验将提升十倍。

智驾摩尔定律的第二层含义聚焦于硬件成本。从行业发展现状来看，硬件成本呈现出每两年减半的趋势。2022年、2023年，行业内实现城市自动驾驶功能的方案通常采用双Orin-X以及多个激光雷达，整套硬件成本约为2万元人民币。到2024年，行业内出现了单Orin-X或其他域控方案，甚至有无激光雷达的方案，使得实现城市自动驾驶的硬件成本降至1万元左右。

展望2025年、2026年，公司预计通过减配传感器以及采用性价比更高的芯片等方式，硬件成本将进一步减半，整个实现城市自动驾驶的成本有望降至4000 - 5000元。这一成本的下降趋势，将极大地推动自动驾驶技术的普及，使更多消费者能够享受到先进的自动驾驶服务。

需要指出的是，硬件成本的下降并非无止境，其下限预计在4000 - 5000元左右，这也是实现NOA的最低成本。在追求硬件成本降低的同时，如何确保自动驾驶系统的性能和安全性不受影响，是行业内需要持续关注和解决的重要问题。

“智驾摩尔定律”为自动驾驶行业的发展提供了一种具有前瞻性的视角。软件体验的快速提升和硬件成本的不断下降，将共同推动自动驾驶技术从当前的发展阶段逐步迈向更加成熟和普及的阶段。对于我们而言，这既是机遇也是挑战。我们需要继续加大在技术研发方面的投入，不断优化算法，提高软件性能，同时积极探索更具性价比的硬件方案，以适应行业发展的趋势。

此外，随着自动驾驶技术的普及，相关的法律法规和标准也需要不断完善。政府和行业组织应加强对自动驾驶技术的监管，确保其安全可靠运行，同时制定合理的政策，鼓励企业进行技术创新和产业发展。

Monmenta以“better AI better life”为使命，在自动驾驶领域不断探索创新，通过技术突破、产品战略的实施以及对行业发展趋势的准确把握，致力于为用户带来卓越的价值。同时，我们也希望与众多合作伙伴携手共进，共同打造更加美好的自动驾驶未来，推动行业的持续发展。