2021-03-23 17:16:27  智能座舱
0

Momenta创立之初即确立了“一个飞轮”的技术洞察,通过飞轮三因子“量产数据”、“数据驱动的算法”以及“闭环自动化”的不断积累和迭代,带来产品和商业的爆发增长,最终实现无人驾驶规模化落地。

文丨AutoR智驾 诺一

一家自动驾驶公司能够同时获得多家车企认可是一种能力。

3月19日,Momenta宣布完成C轮总计5亿美元的融资。在本轮融资周期内,参与领投的有中国战略投资方上汽集团以及国际战略投资方丰田、博世,还有知名投资机构淡马锡和云锋基金。

参与本轮融资的其他投资方包括梅赛德斯-奔驰、GGV纪源资本、顺为资本、腾讯和凯辉基金等。

从资方来看,丰田、奔驰、上汽都是具备全球性实力的车企,博世是全球第一大Tier 1。

随着新一轮融资的落地,Momenta也给自己定了一个未来三年的目标:

到2022年,公司可实现全流程数据驱动的算法;

到2023年,利用闭环自动化实现算法100%自动迭代。

到2024年,Momenta的“两条腿”产品战略将完全打通。

从战略目标来看,这一时间点与大多数车企宣布的汽车智能化战略规划相一致。

Momenta CEO曹旭东表示:“公司创立之初即确立了‘一个飞轮’的技术洞察,以重新定义实现无人驾驶的关键路径。经过四年多的发展,围绕‘飞轮’和‘两条腿’产品战略,我们已打造出领先行业的自动驾驶产品,并获得全球客户的认可。本次融资标志着公司进入一个新的里程碑,这些来自全球合作伙伴及资本的加入,将帮助我们为‘飞轮’注入更多动力,助推Momenta‘两条腿’的产品战略从中国迈向世界。”

Momenta创立之初即确立了“一个飞轮”的技术洞察,通过飞轮三因子“量产数据”、“数据驱动的算法”以及“闭环自动化”的不断积累和迭代,带来产品和商业的爆发增长,最终实现无人驾驶规模化落地。

在此基础上,衍生出量产自动驾驶(Mpilot)与完全无人驾驶(MSD)“两条腿”走路的产品战略。

“一个飞轮”是指随着量产数据、数据驱动的算法以及两者闭环自动化的不断积累和迭代,带来产品和商业的爆发增长,最终实现无人驾驶规模化落地。

随着飞轮的转动,Momenta实现完全无人驾驶的速度得到了显著提升。目前公司在环境感知、高精地图、预测等环节已实现了完全数据驱动,并通过闭环自动化持续迭代升级。

在飞轮的加速下,“两条腿”产品战略也得以快速落地。“左腿”量产自动驾驶Mpilot,致力于提供领先行业的端到端自动驾驶解决方案,并输出源源不断的数据流。

“右腿”完全无人驾驶MSD,致力于打造L4级别完全无人驾驶技术,并反馈给量产产品技术流。

2020年6月,Momenta对外公布了“飞轮式”L4(MSD, Momenta Self Driving)最新进展,经过8个多月的迭代更新,当前版本的飞轮可以自动化地解决超过90%的长尾问题,研发效率相比于完全人工驱动的方式提升了近10倍,并计划在2年内将这一数字提升至100倍。

Momenta的信心来自与“飞轮式”L4相关的量产数据、数据驱动的算法、闭环自动化三要素。

第一,量产数据。

实现规模化L4级别自动驾驶面临最大的问题就是要通过千亿公里的路测数据来发现长尾问题。

以Robotaxi落地为例,规模化L4指的不是一个区域或城市,而至少是路况复杂的十个城市,每个城市至少一万辆车,否则难以称之为商业化落地。

人类司机的驾驶水平约为一亿公里出现一次致命事故,要实现规模化L4,至少要做到人类司机的安全水平,最好可以比人类司机水平高一个数量级。

因此,需要进行至少千亿公里的测试,解决百万长尾问题,千亿公里意味着100万辆车,每天10个小时不间断运行,连续跑1年。

如此海量的数据规模,大部分企业的做法是采用模拟仿真,从而发现问题所在。

而Momenta是除了仿真外通过将量产自动驾驶产品Mpilot搭载在车辆上,来为客户解决问题、创造价值的同时,回收海量数据,从而更好的迭代产品。

其优势在于这些来自真实世界的海量量产数据,并且可以不断的进行数据的迭代,做到自动收集问题、解决问题,推动MSD不断升级,使得完全无人驾驶系统不断进化。

第二,数据驱动的算法。

解决了量产数据问题,接下就是规模化自动驾驶中的真实场景中的海量问题。

我们知道基于规则驱动(Human-Driven)的常规算法框架,可以用100个人的团队一年的时间解决100个问题,但是不可能有100万个人在一年的时间里去解决100万个问题。

这里唯一的可能性,就是通过数据驱动的方式,自动化地解决绝大部分的问题。

Momenta认为这一问题必须通过数据驱动的算法才能高效解决。

对此,Momenta内部推行“架构师”文化,相比于见招拆招的解决单一问题,Momenta鼓励团队把更多的精力放在如何搭建一套数据驱动的算法框架上。

从而,随着量产数据的不断流入,数据驱动的算法会驱动飞轮式L4不断迭代,自动化地解决自动驾驶的长尾问题。

第三:闭环自动化。

规模化L4的最终实现,要量产数据和数据驱动的算法之间形成自动迭代的闭环,闭环自动化正是这样一套高效、自动化的工具链。

该工具链就是通过建立对问题自动化发现、记录、标注、训练、验证的闭环过程,为技术和产品提供自动化的迭代能力。

对于Momenta而言,随着Mpilot和MSD协同增效,Momenta将实现商业上的快速增长。Mpilot现已与数家国际、国内顶级车企和一级供应商达成战略合作,合作车型将在2021年到2023年实现全球范围的大规模量产,为终端用户使用。

搭载了MSD技术的Momenta GO(Robotaxi产品)已于2020年正式发布,并计划在2022年做到部分车辆车端无安全员试运营。

不难判断,大规模量产这个转折点会在2024年出现。

到2024年,Momenta的“两条腿”产品战略将完全打通。Momenta GO将实现单车盈利,完成商业模式0-1的验证。

同时,Mpilot大规模上路,量产数据大规模回流,实现数据和技术1-N的储备。

在具备了扩张条件后,Momenta将迎来爆发式增长,以极快的速度完成无人驾驶规模化落地。

而知乎大神高继扬也对自己为何加入Momenta做出了精彩的阐述,以下为全文:

“今天Momenta发布了由上汽和博世等领投的C轮5亿美元融资的新闻。可能有一些朋友知道了我2021年初已经回国并加入Momenta的事情,所以想趁这个机会,写篇文章,分享一下加入Momenta背后的想法。当然,我也希望能通过这篇文章,找到更多志同道合的同学,加入我们。

为什么做自动驾驶?

2018年秋天,我开始找工作。当时的一个主要思路是,要找到一个对的行业,把自己的所学发挥出来,并随着行业一起成长。主要看了四个行业:自动驾驶,云+AI(比如Google Cloud AI,AWS Rekognition),广告(Facebook,字节)和泛AI+(比如安防、智慧城市之类的)。四个行业都找了一些公司来面试,当时的判断是:云+AI的难点不在AI而在云,AI更多的是单一模型的部署,而不是成体系的机器学习系统;广告的核心不是AI,没有AI,广告一样活得很好;泛AI+的确是AI这一波带来的机会,有一定的市场,但想象力还是不够大,没有颠覆社会运行方式的潜力(想象一下电商对社会的改变);自动驾驶,是以AI为核心的,前景巨大,一旦做成将彻底改变社会的运行方式,而且自动驾驶系统高度复杂,将会是人类历史上第一次将很多个机器学习模型组合在一起组成的机器学习系统。抱着这样的想法,便决定进入自动驾驶行业。

为什么要做量产?

这两年的时间,一边在积累技术,一边也在思考这个行业。两年前会有隐隐的感觉,这个行业一定会经历一些低谷,但是低谷将在何时以何种姿态到来,以及低谷之后的反弹将会从哪里开始,其实没啥想法。2020年下半年,开始渐渐地有了一些想法。首先,我们想象一张图,这张图的横坐标是”技术成熟度“,纵坐标是”可释放的商业价值“,然后我们来想一下自动驾驶的四个赛道:Robotaxi、高速物流、低速配送和量产车自动驾驶,他们的曲线分别长什么样。前三个大家自己想,其中一些很有可能长得像一个二极管激发曲线,而最后一个量产自动驾驶的曲线,将会是一个非常稳健的上升曲线,技术每成熟一点,我们就可以让用户享受到多一分的价值(自适应巡航->高速端到端巡航,自主泊车->全自动地库泊车,市区NOA...)。

那么,对于“二极管激发曲线”类型的模式,问题就在于能够撑起足够商业规模的技术阈值在哪?现有的技术架构的性能上限有没有超过那个阈值?这个问题可能全世界目前都没有答案。但我们可以思考另一个问题,决定这个上限的因素有什么?大体来讲有三个:核心算法、系统架构、数据。前两个核心算法和系统架构又和我们的传感器平台、计算平台高度相关,这些都是人为设计出来的,可以改变。但是,数据没法设计,只能靠积累。如果,非常不幸的,系统的性能上限是由数据(数量和质量)决定的,而数据取决于我们有多少车,跑过多少地方,跑了多久,那么我们将面临一个循环,可释放的商业价值

那么有多大的可能性,数据将是这里面的关键呢?这需要来思考另一个问题,自动驾驶技术架构中的真正瓶颈在哪一环节?感知、预测(PS. 预测会不会是一个阶段性的系统妥协?)、规划、仿真?我在这里就不细说了,大家可以自行思考。说回来,正是基于上面的逻辑,我认为量产自动驾驶很有可能是那条突破上述技术-商业死循环,通往完全自动驾驶这个星辰大海的道路。

不论上述以技术演进为切入点的思考是不是成立,商业上都有一个不可否认的客观事实,那就是2020年特斯拉+电动新势力的股价成倍的增长,终于让全球车企意识到了电驱和智驾时代的到来,大家都开始争先恐后地进入这一领域(智能驾驶)。只中国,每年产销将近3000万辆车,这是一个怎样巨大的市场,不言而喻。

结合上述技术突破的逻辑和商业爆发的事实,这是为什么我觉得现在是“量产自动驾驶爆发的前夜”。

为什么是Momenta?

最后一个问题,为什么要加入Momenta?当时主要是考虑了这几点:1. Momenta很早就想清楚了上面说的这件事儿:量产自动驾驶和完全自动驾驶两条腿一起走,量产保证我们能活下去并获取海量数据,并依赖这些数据通往完全自动驾驶的星辰大海,同时在完全自动驾驶这条路上进行算法和系统架构上的积累;2. 这一战略说起来很简单,但是想执行下去并不容易,这需要一套清晰的做事思路,并把这种思路贯彻到每一个项目中去,这就是Momenta的两个主线:海量数据+数据驱动。不仅仅是感知和预测要依赖数据走机器学习的路线,决策和规划也要依赖数据走机器学习路线。原因很简单,自动驾驶真正的难点在于解决长尾问题,而基于启发的规则系统是不大可能解决长尾问题的。3. Momenta 坚持用这个方法走在这条路上,相比于其他家,几年以来积累出优势还是挺明显的,目前来看,拥有量产全栈自动驾驶能力的公司并不多,这一点可以用最近拿到的订单量证明。

加入Momenta以来的两个月

2021年1月加入,到现在也有两个多月了。除了用自己的体会印证了上面说的1、2、3点以外,还有一些其他的观察和感受。1. 相比于纯粹的科研,Momenta一直以来更关注的是先进技术的研发与落地,事实上很多内部很多已经落地的算法都是领先于学界的;2. 公司的技术氛围浓厚,团队氛围也很融洽,是一个适合大家一起学习一起进步的地方。3. 今年对Momenta来说应该是一个关键年,关键系统的成型、关键产品的交付都在今年,明年大家可以看到一个更加强大的Momenta!4. 最后,我应该算是一个做事情比较纯粹的人,我也喜欢和纯粹的人一起工作,Momenta的同学们就是这样的一批人,所以我和大家有一种一见如故、一拍即合的感觉。能和一群纯粹的人做一件即将变得伟大的事情,于我而言,是一件很快乐的事儿。


   暂无

上一篇:FutureCar Week第四届无人驾驶及智能驾舱中国峰会将于5月在沪盛大召开 下一篇:华为余承东的汽车野心:再造一个千亿BG