乾明 發自 凹非寺量子位 報導 | 公眾號 QbitAI
這就是飛輪轉動起來的「恐怖」速度？
去年12月發布L4級完全無人駕駛技術MSD (Momenta Self Driving)實車路測視頻後，Momenta今天正式對外披露內部L4最新進展和推進時間表：
2024年，解決L4無人車「行駛千億公裡，解決百萬問題」難題，在蘇州規模化部署Robotaxi，車端100%去安全員，實現單車盈利；隨後，Momenta 將快速進行多地的Robotaxi大規模落地。
對於行業中的大多數玩家來說，怎麼邁過數據門檻、實現Robotaxi大規模落地且盈利仍舊是頭疼且棘手的問題。
現在Momenta直接拿出了清晰的推進路線圖，不得不令人側目。
Momenta憑什麼？
在6月30日CEO曹旭東的分享中，給出了答案：「飛輪式」L4，以及為什麼：
與同行業路線相比，「飛輪式」L4的優勢在於厚積薄發，通過量產數據、數據驅動的算法、閉環自動化的前期大量積累，可短時間、大幅度提升研發效率， 跨數量級降低規模化L4的總成本。
而且飛輪的能量，在Momenta研發L4技術的過程中，已經得到了充分的展現：
從2019年中開始重點投入L4研發，只用常規團隊1/10的規模（50人左右的團隊），半年內做到了城區開放道路行駛過程中的全程無接管，而且還包含如臨時施工、多種 不規則車輛、逆行橫穿等各種複雜的場景。
在此之前，行業內最快的友商也差不多用時1年，且積累了至少十萬公裡以上實際路測裡程。
所以，Momenta到底打造了一個怎樣的「飛輪式」L4？
先給L4規模化落地算一筆帳
「自動駕駛的終局，一定是規模化的完全無人駕駛（L4及以上）」，是無人車行業的共識。
雖然具體怎麼實現出現了路徑分野，但前提條件也到了行業不少玩家的認同：
要有足夠長時間的行駛數據，能夠解決各種刁鑽的問題，人類司機的駕駛水平約為一億公裡出現一次致命事故，最好可以比人類司機水平再高一個數量級。
曹旭東將其概括為「行駛千億公裡、解決百萬問題」。在他看來，這是整個行業面臨的共同挑戰，也是決定規模化L4成本的核心變量。
無人車領域的先行者Waymo，用「後裝改造車輛—路測收集數據—試運營」的方式，走出來了一條路。
其後跟隨者眾多，幾乎行業中大多數發力L4的無人車公司，都或多或少受到了影響。
但在「行駛千億公裡」面前，Waymo顯然不是一個可以複製對象。
曹旭東做了一個計算：「如果全部用車來跑完的話，需要100萬輛車， 每天10個小時不間斷運行，連續跑1年。」
而且這些車都要加上傳感器和計算單元成本，平均每輛車10萬美元來算，早期的投入資金將要達到的1000億美元——這還沒算解決問題的成本。
Waymo有谷歌以及爭相給錢的投資人，但其他跟隨者呢？又有誰能有如此雄厚的資金實力？
所以也就有了不少無人車公司紛紛寄身於巨頭，比如吳恩達旗下的Drive.ai—蘋果、Cruise—通用、Argo AI—福特，以及最新的Zoox—亞馬遜。
不過，這並不意味著，自動駕駛行業的紅利，只能被巨頭吃掉。還有諸多創業公司，正在走出了另外一條通向規模化L4之路。
比如「飛輪式」L4，正是Momenta用來「重新定義規模化無人駕駛，跨數量級降低成本」的解決方案。
「飛輪式」L4如何跨數量級降低成本？
「為了使靜止的飛輪轉動起來，一開始你必須使很大的力氣，一圈一圈反覆地推，每轉一圈都很費力，但是每一圈的努力都不會白費，飛輪會轉動得越來越快，終成厚積薄發之勢。」
在曹旭東看來，對於自動駕駛行業的創業者來說，「千億公裡、百萬問題」這個目標非常宏大，必須裝上強有力的「飛輪」，用量產數據驅動的方式，打造一個數據驅動的系統，才有可能自動化的去解決99%的問題，從而才有可能用幾百個人實現L4實現完全無人駕駛。
他說，這是Momenta創辦以來一直秉持的理念，也是他們打造「飛輪式」L4解決方案的技術洞察。
如上圖所示，整個飛輪一共有三個關鍵因子：量產數據、數據驅動的算法、閉環自動化。
其中，「量產數據」得益於Momenta「兩條腿」戰略帶來的直接優勢。
2016年成立到2019年中的這些時間中，Momenta並沒有將太多的精力放到L4上，而是打造出了量產自動駕駛解決方案Mpilot，並將其賣給了OEM廠商和汽車產業的一級供應商。
一方面，他們可以從中得到營收回報，但更關鍵的是，在為客戶解決問題創造價值的同時，也和客戶一起回收了「量產數據」。
在Momenta的技術架構中，量產自動駕駛解決方案Mpilot和L4方案MSD採用的是統一量產傳感器方案。
這也就意味著，量產傳感器收集的數據，如視覺、地圖、軌跡、接管等數據，可以無縫應用並有效助力MSD算法提升。與此同時，MSD也能夠反饋最新的技術，來不斷提升Mpilot的能力。
曹旭東透露，他們已經拿到了數個車廠量產車型的訂單，隨著這些車輛不斷上市，將會帶來大規模的數據回流——這些數據的成本近乎為零。
獲取「量產數據」之後，應該怎麼去發揮它們的價值，更高效的提升系統能力，是數據驅動的算法和閉環自動化要做的事情，也是解決「百萬問題」的關鍵。
數據驅動的算法是指，Momenta投入大量精力打造的統一框架，可以自動解決數據中存在的大量的問題。
在這個技術框架下，隨著量產數據的流入，算法自身會越來越「聰明」，系統不斷迭代，自動化解決問題的比例也會越高。
閉環自動化，則是用來幫助數據和算法之間形成快速迭代的反饋閉環，整個過程包括對問題自動化發現、記錄、標註、訓練、驗證等環節。
具體來說，整個過程是這樣的：
1、當車輛在測試過程中收集到高價值樣本時，系統就會對觀測結果進行全自動標註。2、數據積累到一定水平，就會自動觸發無人工幹預的模型訓練迭代，完成訓練。3、模型評測自動啟動，研發團隊只需閱讀由系統所推送的評測報告來決定模型發版，即可完成整個閉環。
而且這個過程可以不斷循環，自動「消化」海量長尾數據，從而低成本、高效率地打通整個鏈路，而不是依靠「傳統」的人工驅動，耗時耗力調參解決問題。
在曹旭東看來，在這三個核心因子的整體合力下，Momenta能夠跨數量級的降低實現規模化L4的成本，也是其完全無人駕駛之路的堅實基礎。
與此同時，Momenta本次也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，展示出飛輪驅動下的技術實力。
這一次，Momenta應對的場景更加複雜，但它的完全無人駕駛系統MSD應對同樣得心應手。
比如路口有電動車橫穿逆行：
比如實線區域突然出車，連續橫穿自車行駛路徑：
比如狹窄小路人車混行，遭遇三輪逆行、卡車加塞、電動車斜穿、平板車搶道的場景：
2024年，Momenta完全無人駕駛的關鍵節點
最後，我們再回到Momenta的路線圖上。
結合「飛輪」來看，Momenta的完全無人駕駛之路，可以大致分為兩個大的階段：數據和技術上1-N的儲備和大規模商業化。
關鍵節點是2024年。
在此之前，Momenta的聚焦點在於技術積累驗證，也就是為不斷優化飛輪，並推動飛輪，給飛輪早期的動力。
這個階段，Momenta定下了兩個時間節點：預計到2022年，實現算法的全流程數據驅動；到2023年，利用閉環自動化實現算法100%自動化迭代。
以及，將量產自動駕駛解決方案Mpilot賣給更多的客戶，實現大規模「量產數據」回流。
與此同時，「飛輪式」L4的商業化落地——Robotaxi，也在這一時期開始0-1的驗證：今年開始在蘇州路測Robotaxi；2022年做到蘇州Robotaxi部分車輛車端無安全員試運營。
到2024年的時候，結合量產車型大規模上市帶來量產數據大規模回流，飛輪在量產數據驅動下快速轉動，蘇州的Robotaxi實現單車盈利。
曹旭東認為，這個時候，Momenta的商業模式已完成0-1的驗證過程，數據和技術上1-N的儲備也已到位，具備了快速擴張條件。
之後，便是Momenta的Robotaxi大規模落地時刻。
在他看來，Momenta將在很短的時間，在多個城市進行規模化落地，從而以最快的速度實現無人駕駛的規模化落地。
一方面在於他對Momenta擴張模式的信心：「只有在一個城市先實現單車盈利，再規模化複製到其他城市，才是無人駕駛規模化落地的最精益擴張模式。」
但更關鍵的是，他對Momenta「飛輪」的莫大底氣：
「飛輪只要轉動起來，就很難停下來了」。