5亿美元“背书”，这家公司要“领跑”自动驾驶量产开发模式

自动驾驶，最终依靠什么驱动？汽车产业链巨头正在投出关键一票。

3月19日，自动驾驶公司Momenta官方宣布已完成C轮总计5亿美元融资。此轮融资由上汽集团、丰田、博世、淡马锡和云锋基金领投，看中的正是该公司的“量产数据+数据驱动的算法+闭环自动化”的飞轮式技术路线。

没有稳定可靠的数据流，自动驾驶汽车无法实现快速更新迭代。英特尔前首席执行官布莱恩·科再奇(Brian Krzanich)估计，一辆无人驾驶汽车每天将使用并产生约4TB数据。

比如，英特尔旗下的Mobileye搭建了智能驾驶安全方面的标准，基于责任敏感安全模型（RSS）对安全进行规则定义，车辆无需数百万英里的里程积累就能学会如何安全地行驶。

但去年5月，英特尔宣布以9亿美元收购以色列交通数据服务解决方案公司Moovit，以强化Mobileye未来的L4级自动驾驶商业化部署。Moovit此前为102个国家及地区的8亿用户提供交通数据服务，就是典型的数据驱动模式。

此外，使用收集到的数据，自动驾驶系统可以为道路上许多可能的情况（尤其是长尾场景）制定相应策略。而在此之前，传统的基于规则的决策，很难避免突发状况，并且无法基于数据驱动进行自学习。

在一些行业人士看来，未来三到五年，互联和自动驾驶汽车将推动数据成为现在传统汽车所使用的汽油或电力一样。如果说，今天汽车电子架构的变革，是为了保证未来自动驾驶的顺利演进，那么数据就是唯一的路径。

一、数据驱动的硬逻辑

这也是为什么，过去几年，汽车制造商以及一级汽车零部件供应商在数据服务上进行了大笔的投资，背后也是对于未来数据驱动自动驾驶落地的逻辑验证。

比如，大众汽车今年宣布将使用微软的Azure云计算服务，帮助该公司简化高级驾驶辅助系统(ADAS)和自动驾驶软件的开发。原因是，传统的主动安全以及ADAS功能开发更多是基于场景定义和规则驱动。

“我们正在与微软合作构建自动驾驶平台，通过一个可扩展的、基于数据的工程环境来简化我们的开发人员的工作。”大众集团相关负责人表示。

 

上述负责人表示，通过内部的全面评估，其基于云的自动驾驶平台将有助于将功能算法开发周期从数月减少到数周，并有效管理大量数据。

比如，英特尔收购移动出行数据服务商Moovit，未来将为Mobileye提供庞大的专有交通出行数据来优化预测技术，改善未来自动驾驶出租车的乘坐体验。

在此之前，包括大众、宝马和日产等汽车制造商都将他们的数据交给了Mobileye进行开发。Mobileye表示，每天已经从公共道路上的车辆收集了600万公里（370万英里）的传感器数据。

有了Moovit的加入，数据收集范围进一步扩大，从单车采集进一步延伸至交通领域，这意味着工程师能够为自动驾驶汽车编写预测算法。

而在同样的数据驱动策略上，特斯拉和Waymo则是选择了完全不同的路径，背后是巨大的成本和时间差异。

特斯拉目前使用的是自动辅助驾驶系统Autopilot，利用在路上行驶的近百万辆汽车收集道路行驶的真实数据。Waymo则以自动驾驶测试项目起步，同时基于后端大量仿真模拟，将大量的结果再返回给小规模的车队验证。

换个角度来说，特斯拉基于前装量产数据进行深度学习以及算法训练，而Waymo则是基于自有小规模改装车队采集数据，并通过大量仿真进行训练。用汽车行业的定义来说，前者是量产工程化开发，后者是PoC预研。

此前，摩根士丹利的一份分析报告指出，真实数据对特斯拉来说可能比Model 3等车型的销量更有价值。“里程、数据和功能快速迭代是真正的护城河。”

此外，基于数据驱动，还意味着未来的系统可以跨越地区的差异，在高工智能汽车研究院看来，功能场景化开发有很明显的地域差异，但数据驱动是最底层的通用化开发模式。

比如，此前有汽车制造商提出了基于机器学习的智能巡航控制功能，可以帮助系统更了解司机的驾驶习惯，并相应地调整系统的决策反馈。

系统会实时采集车辆与前车的距离、加速度和一些变量参数，再通过车载中央计算平台超过10,000种模式识别个人的驾驶风格，最终通过机器学习来调整功能的细节处理。

越来越多的传感器或组件具有从机器学习技术中获取新的技术迭代的可能，这些过程通常是在大量数据上训练，而当前适用于ADAS功能安全标准主要用于确定性系统，仅限于可能导致系统故障的危险和风险分析以及组件故障。

而此前，Mobileye提出的用数学公式来描述驾驶规则，以创建系统限制，不允许决策系统发起危险行为，并始终遵循规则。这种方法唯一明显的缺点是，系统无法快速学习道路环境以及驾驶员行为模式的变化。

在这一点上，专注于“打造自动驾驶大脑”的Momenta，去年推出了“飞轮式”L4（MSD, Momenta Self Driving）方案，就是通过量产数据、数据驱动的算法以及两者闭环自动化的不断积累和迭代，这是一条基于数据驱动的，瞄准规模化L4的关键路径。

在Momenta CEO曹旭东看来，实现规模化L4要解决上百万的长尾问题，使用数据驱动的方式，架构自动化解决问题的系统才是最佳的路径。

最典型的，就是特斯拉的“阴影模式”。通过基于车辆的驾驶数据，并结合后期的大数据训练来优化决策模型。这种策略，尤其对于不可预测的场景感知，更加重要。

事实上，也正是这种数据驱动模式才使得特斯拉具备功能不断迭代OTA的领先优势，也为后续的软件盈利模式打下基石。在这一点上，全球汽车制造商以及零部件厂商巨头已经开始加快速度。

3月19日，Momenta官方宣布已完成C轮总计5亿美元融资。此轮融资由上汽集团、丰田、博世、淡马锡和云锋基金领投；其他投资方还包括梅赛德斯-奔驰、GGV纪源资本、顺为资本、腾讯和凯辉基金。

 

“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。”曹旭东表示，此次来自全球合作伙伴及资本的加入，将帮助Momenta的“两条腿”的产品战略从中国迈向世界。

所谓的“两条腿”的产品战略，就是“左腿”量产自动驾驶Mpilot，提供端到端自动驾驶解决方案，并输出源源不断的数据流。“右腿”则是完全无人驾驶MSD，致力于打造L4级别完全无人驾驶技术。

最新进展是，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。

此外，搭载了MSD技术的Momenta GO（Robotaxi产品）计划在2022年做到部分车辆车端无安全员试运营。

二、重新审视“数据成本”

事实上，L4能否加速量产进程，有多方面的因素。其中，成本和监管是最关键的两个突围环节，背后的数据成本将是不可否认的。

此前，Mobileye首席执行官Amnon Shashua透露，第一代完整自动驾驶软硬件套件，成本仍在1-2万美元之间，到2025年，该公司希望将成本降到5000美元以下，才可能看到规模化落地的可持续商业机会。

这还仅仅是硬件和软件的一次性开发成本，还有持续的数据迭代和功能升级成本。对此，Momenta采用“飞轮公式”来计算这一成本。即实现规模化L4的总成本可分为数据成本和研发成本。

在研发成本方面，常规规则驱动（Human-Driven）的最大挑战是用有限人力解决上百万个问题。而通过量产数据驱动（Data-Driven）的方式，只要收集到足够的数据。

在每公里数据成本方面，自建车队费用远远超过网约车费用，如果按照千亿公里计算，自建车队至少是2000-4000亿的成本，在目前几乎没有任何一家企业能够独立承担。即便是Waymo，背靠谷歌这座大山，也在寻求外部融资。

而在“飞轮式”L4中，Momenta一方面为客户提供量产自动驾驶解决方案，另一方面也提供持续的软件算法迭代升级。在为客户解决问题、创造价值的过程中，和客户一起回收了长尾问题的数据，把单公里数据成本降到了几乎为零。

在高工智能汽车看来，从传统L4自动驾驶初创公司的“数据闭环”能力，到Momenta选择向汽车行业客户开放数据驱动能力，背后的价值正在被无限放大。

以中国市场为例，数据采集（包括地图）有“合规”门槛，到目前为止，Momenta是第一家自主搭建环境感知、高精地图、预测等环节实现完全数据驱动的公司，并通过闭环自动化持续迭代升级。

最新数据显示，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。

此前，行业对于自动驾驶推迟落地的原因，除了消费者接受度（成本、安全等因素）、政策监管，还有传统技术迭代策略局限性。

“我们已经具备了未来推广自动驾驶技术所需的条件。是的，我们还有更多的测试和验证要做，还有更多的改进要做。”博世负责自动驾驶的高级副总裁凯•斯特珀(Kay Stepper)如此表示。

几年前，作为Momenta本轮融资的领投方之一，博世宣布计划投资40亿欧元开发自动驾驶系统，并将现有约1000名人工智能专家的规模扩大四倍。此外，博世也在不断加大对初创公司的投资。

博世希望，在早期阶段就可以接触到最新的技术，并可以将这些技术整合到自己的创新业务模式中。“除了资金，我们还提供技术和运营支持。这是一种双赢局面。”

如今，越来越多的汽车制造商正在尝试，突围自动驾驶量产。

上汽集团表示，在投资Momenta之后，双方将进一步深化战略合作，对标全球顶尖水平，打造自动驾驶的“中国方案”。

此外，上汽集团的智己汽车搭载Momenta“飞轮式”技术方案的首款高端智能电动汽车，下个月就将启动预售。针对复杂的交通状况，深度融合“智能泊入泊出+城市智慧领航+高速智慧领航”，创造全场景、最连续的零接管智能驾驶体验。

两年前，大众汽车曾宣布从2018年起通过新车收集数据，用于自动驾驶技术的研发。在车主允许的情况下，将通过新车的摄像头获取信息。但无果而终。

上个月，大众汽车再次表态，希望在两年内形成一个拥有50多万辆汽车组成的完全联网“虚拟”车队（类似特斯拉的影子模式），将日常采集数据直接反馈给研发端。

同时，基于2026年全新开发的代号为Trinity的车型，将成为一个“时间机器”，自动驾驶系统将受益于数据驱动的新型“神经网络”，与其他联网汽车共享道路、交通和其他系统的实时数据。

与此同时，实现完全无人驾驶的最大挑战是赋予系统学习处理突发事件的能力。

这需要一套高效、自动化的工具链：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。这也是Momenta提出的飞轮三因子模型中的关键一环。

Momenta预计，到2022年可以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%自动化迭代。2024年量产自动驾驶Mpilot大规模上路，通过数据回流，赋能完全无人驾驶MSD。

这其中，Mpilot与MSD基于统一硬件平台开发，前者主要包括面向高速路/城市环路、泊车场景和城市道路的自动驾驶，并且基于高精地图众包方式实现多传感器融合高精度定位方案。

在此之前，Momenta已经在2018年获得国内导航电子地图制作（甲级）测绘资质，这是未来地图众包模式的合规门槛。去年，丰田汽车也宣布与Momenta达成战略合作，推进丰田自动化地图平台（AMP）在中国的商业落地。

除此之外，该公司已经拿到了软件解决方案前装量产的通行证（ASPICE L2，由于欧洲主机厂普遍采用，也意味着Momenta拿到了国际市场入场券），这意味着在外界看来的数据驱动“飞轮”模式概念验证已经进入真正的高要求量产周期。

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。