“Waymo大神透露加入Momenta的四大理由”

momenta从创立之初就确立了“一个飞轮”的技术发现，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”的积累和迭代，带来了产品和业务的爆炸性增长，

文丨autor智驾诺一

一家自动驾驶企业获得多家汽车企业的认同是一种能力。

今天( 3月19日) momenta宣布将完成c轮共计5亿美元的融资。 在本轮融资周期中，中国战术投资方上汽集团和国际战术投资方丰田、博世以及知名投资机构淡马锡和云锋基金参与。

参加本轮融资的其他投资方有梅赛德斯-奔驰、ggv纪源资本、顺为资本、腾讯、凯辉基金等。

从资金提供方来看，丰田、奔驰、汽车制造商都是具有全球实力的汽车企业，博世是全球第一大tier 1。

随着新的融资落地，momenta也制定了今后三年的目标。

到2022年，企业可以实现全过程的数据驱动算法

到2023年实现闭环自动化算法的100%自动迭代。

到2024年，momenta的“两条腿”产品战术完全行得通。

从战术目标来看，此时与众多汽车企业公布的汽车智能化战术计划相一致。

momenta ceo曹旭东表示:“从企业创立之初就确立了‘一个飞轮’技术发现的内在，重新定义了实现无人驾驶的关键道路。 经过四年多的快速发展，围绕“飞轮”和“两条腿”的产品战术，我们已经做出了先进领域的自动驾驶产品，得到了世界顾客的认同。 此次融资标志着企业进入了新的里程碑，这些全球合作伙伴和资本的加入，将为“飞轮”注入越来越多的动力，帮助momenta‘的“两条腿”产品战术从中国走向世界。 ”

momenta从创立之初就确立了“一个飞轮”的技术发现，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”的积累和迭代，带来了产品和业务的爆炸性增长，

在此基础上，衍生出量产自动驾驶( mpilot )和完全无人驾驶) msd )“两条腿”行走的产品战术。

“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积累和迭代，带来产品和业务的爆炸性增长，最终实现无人驾驶的规模化落地。

随着飞轮的转动，momenta实现完全无人驾驶的速度大幅提高。 目前，企业在环境识别、高精度地图、预测等环节实现了完整的数据驱动，并不断通过闭环自动化进行迭代升级。

由于飞轮的加速，“两条腿”的产品战术也迅速落地。 “左脚”量产自动驾驶mpilot，提供尖端领域的端到端自动驾驶处理方案，致力于不断输出数据流。

“右脚”完全无人msd致力于构建l4级完全无人驾驶技术，并反馈到量产产品技术的潮流中。

年6月，momenta公布了“飞轮式”L4(MSD，momenta self driving )的最新进展。 经过8个多月的反复更新，目前版本的飞轮能够自动化处理90%以上的长尾问题，研发效率比完全人工驱动的方法提高了近10倍，计划在两年内将这个数字提高到100倍

momenta的信心来自与“飞轮式”l4相关的量产数据、数据驱动算法、闭环自动化三要素。

第一，批量生产数据。

实现规模化l4级自动驾驶最大的问题是从千亿公里的道路测量数据中发现长尾问题。

以robotaxi落地为例，规模化l4并不是指一个区域或城市，而是至少路况多、复杂的10个城市，每个城市至少有1万辆车。 否则很难说是商业化落地。

人类司机的驾驶水平约1亿公里发生一次致命事故，要实现规模化l4，至少要达到人类司机的安全水平，最好比人类司机水平高一个数量级。

因此，必须至少进行千亿公里的测试，以解决百万长尾问题。 千亿公里意味着100万辆车，每天不间断运行10个小时，持续行驶1年。

对于如此大的数据，大多数公司都使用模拟来确定问题。

momenta除了仿真外，还通过将量产自动驾驶产品mpilot搭载在车辆上，来处理用户问题，创造价值，回收大量数据，是更好的迭代产品。

特点是在这些来自现实世界的大量批量生产数据的同时，不断进行数据迭代，自动收集和处理问题，推动msd的不断升级，使完全无人驾驶系统不断升级。

第二，数据驱动的算法。

处理量产数据问题，其次是规模化自动驾驶实际场景中的庞大问题。

我们知道基于规则驱动( human-driven )的常规算法框架一个100个个体的团队一年可以处理100个问题，但并不是100万个个体一年可以处理100万个问题。

这里唯一的可能性是用数据驱动的方法，自动处理大部分问题。

momenta认为，要迅速解决这个问题，需要数据驱动的算法。

与此相反，momenta在内部推动着“架构师”文化，鼓励团队与其致力于处理一个问题，不如致力于如何构建数据驱动的算法框架。

因而，随着批量生产数据的流入，数据驱动的算法不断地反复驱动飞轮式l4，自动处理自动驾驶的长尾部问题。

第三，闭环的自动化。

规模化l4的最终实现是在数据和数据驱动的算法之间形成自动迭代的闭环。 闭环自动化就是这样一个高效、自动化的工具链。

这个工具链是指通过建立自动发现、记录、标记、培训和验证问题的闭环过程，为技术和产品提供自动迭代能力。

对momenta来说，通过mpilot和msd协同增效，momenta实现了业务上的快速增长。 mpilot目前已与多家国际、国内一流车企和一级供应商达成战术合作，合作车将于2021年至2023年实现全球范围的批量生产，并被最终用户采用。

搭载msd技术的momentago(robotaxi产品)已经于年正式发布，计划2022年在部分车辆的车端进行没有保安人员的试验运营。

很容易评价大规模量产这个转折点会在2024年出现。

到2024年，momenta的“两条腿”产品战术完全行得通。 momenta go实现单车盈利，完成商业模式0-1的验证。

然后，mpilot大规模上路，批量生产数据大规模回流，实现了数据和技术1-n的储备。

扩张条件具备后，momenta将迎来爆炸性的增长，以极快的速度实现无人驾驶的规模化落地。

然后，知乎大神高继扬也精彩地讲述了自己为什么加入momenta。 以下是全文。

“今天，momenta公布了上汽、博世等投资的c轮5亿美元融资的信息。 因为可能有一些朋友知道我2021年初回国加入momenta的事件，所以我想借此机会写一份文案，分享一下加入momenta背后的想法。 当然，我也希望通过这个文案能找到越来越多志同道合的同学，加入我们。

为什么要自动驾驶？

去年秋天，我开始找工作。 当时的第一个想法是，找到正确的领域，发挥自己所学的知识，与领域一起成长。 我主要看到了四个领域。 自动驾驶、云+ai (例如谷歌云ai、AWS注册、广告) facebook、字节)、通用ai ) )安全性、智能城市等。 四个领域都找了一点企业来面试。 当时的评价是，云+ai的难点不在ai上，而在云上，ai越来越多的引入了单一模型而不是系统化的机器学习系统。 广告的核心不是ai，没有ai，像广告一样活得很好的泛ai+确实是ai浪潮带来的机会，有一定的市场，但是想象力还不够，没有推翻社会运行方式的潜力。 (自动驾驶以ai为中心，前景广阔，已形成从根本上改变社会的结构。 另外，自动驾驶系统高度复杂，将成为人类历史上第一个由多种机器学习模式组合而成的机器学习系统。 抱着这样的想法，决定进入自动驾驶的领域。

为什么要批量生产？

这两年，一边积累技术，一边也在思考这个领域。 两年前感觉模糊。 这个领域一定会经历一点低谷。 但是，其实没有考虑山谷何时以什么样的姿态到来，以及山谷后的反弹从何开始。 年的后半年，一点点地开始有了想法。 首先，想象一下横轴为“技术成熟度”，纵轴为“可释放的商业价值”的图。 然后，我们来考虑一下自动驾驶的4个路线，也就是robotaxi、高速物流、低速配送、量产车的自动驾驶。 他们的曲线分别是什么样的？ 前三个人自己想了想。 其中一条很可能类似于二极管激励曲线，最后的量产自动运转曲线将成为非常坚固的上升曲线。 每当技术成熟，我们就能让客户享受一分以上的价值。 ((自适应巡航) ( ) ) ) ) )。 高速端到端巡航，自主停车--- >全自动仓库停车，市区noa .. )。

那么，在“二极管激励曲线”类型的模型中，问题是能够支撑足够商业规模的技术阈值是哪里？ 现有技术体系结构的性能上限是否超过了其阈值？ 这个问题世界目前可能没有答案。 但是，可以考虑别的问题。 决定这个上限的因素是什么？ 大致分为三类。 核心算法、系统架构和数据。 前两个核心算法和系统体系结构与传感器平台、计算平台高度相关，它们是人为设计的，可以更改。 但是，数据不能设计，只能依靠积累。 如果，非常遗憾的是，系统的性能上限由数据(数量和质量)决定，数据由我们有多少辆车、在哪里跑、跑了多久，我们就会循环，面临可释放的商业价值。

有多大的可能性？ 数据是这里面的关键吗？ 这需要考虑别的问题。 自动驾驶技术体系结构中真正的瓶颈在哪里？ 感知、预测( ps .预测不是阶段性的系统妥协吗？ 计划，模拟？ 这里就不细说了，大家可以自己思考。 话说回来，基于上面的逻辑，我认为量产自动驾驶很可能是突破上述技术-商业死循环，走向完全自动驾驶这条星辰大海的道路。

无论这种以技术发展为切入点的思考是否成立，商业上都有不可否认的客观事实。 那就是年特斯拉+电动新势力股价翻番，全球汽车企业终于意识到了电动和智能驾驶时代的到来，大家开始争先恐后地进入这个行业(智能驾驶)。 光在中国，每年就生产和销售近3000万辆车，这是一个多么巨大的市场，这是不言而喻的。

结合上述技术突破的逻辑和商业爆发的事实，所以我认为现在是“量产自动驾驶爆发前夕”。

为什么要用momenta呢？

最后一个问题，为什么要加入momenta？ 第一，考虑了这几点。 1. momenta很早就想到了上述问题。 量产自动驾驶和完全自动驾驶的双脚行走，量产保证了我们能够活着获取海量的数据，依靠这些数据通向完全自动驾驶的星辰大海，在完全自动驾驶这条路上进行算法和系统架构的积累。 2 .这个战术很简单，但不容易实行下去。 这需要明确的工作想法。 然后，按项目贯彻这一观点是momenta的两条主线。 大量的数据+数据驱动。 不仅仅是感知和预测，基于数据走机器学习的路线，决策和计划也基于数据走机器学习的路线。 原因很简单，自动驾驶的真正难点是处理长尾问题，基于启发的规则系统不可能处理长尾问题。 3. momenta多次以这种做法走这条路。 与其他房子相比，很明显几年来积累了特征。 现在，批量生产全栈自动驾驶能力的企业不多。 这些可以用最近拿到的订单量来说明。

[/s2/]加入momenta两个月后

2021年1月加入，至今也有两个多月了。 除了用自己的体验印证了上述1、2、3点之外，还有一点注意和感受。 比起纯粹的科学研究，momenta一直关注先进技术的研发和落地，但实际上许多内部落地的算法居学术界领先地位； 2 .企业技术氛围浓厚，团队氛围也很融洽，是大家一起学习共同进步的好地方。 3 .今年对momenta来说应该是重要的一年，关键系统的成型、关键产品的交付都是在今年，明年可以看到越来越强大的momenta！ 4 .最后，我认为我是做事情比较纯粹的人。 我也喜欢和单纯的人一起工作。 momenta的同学们就是这样的人。 所以，我和大家乍一看，感觉很合得来。 能和单纯的人们一起做可能会变得伟大的事件，对我来说是很开心的事。