在2020年上半年的最後一天，6月30日自動駕駛企業Momenta“飛輪式”L4的亮相着實給了業內一個驚喜。
這也是Momenta繼去年12月發佈MSD（Momenta Self Driving）實車路測視頻後帶來的最新進展，包括首次公開的“飛輪式”L4自動駕駛完整架構與產品理念、基於“飛輪式”L4技術的商業應用場景之一Robotaxi的落地規劃。
事實上，Momenta的“飛輪式”L4並不單指L4級自動駕駛技術本身，而是指量產數據、數據驅動算法以及閉環自動化形成的飛輪架構，三大因子不斷積累和迭代，飛輪將越轉越快，形成厚積薄發之勢，帶來產品和商業的爆發增長，最終實現無人駕駛規模化落地。
事實上，從創立之初，這家自動駕駛公司就秉持量產自動駕駛、完全無人駕駛兩條腿走路的戰略。
即利用量產自動駕駛（類似於ADAS產品）獲取海量量產數據來為完全無人駕駛進行系統迭代，同時後者又可以為前者帶來技術反饋。統一量產傳感器基礎及技術路線是兩條腿戰略的前提。
但由於L2/L2+與L4級自動駕駛本身不在一個維度，業內也逐漸形成跨越式與漸進式自動駕駛的兩個陣營。
而Momenta的獨特之處在於，用“飛輪式”L4架構打通了L2和L4話語體系，將兩者攏聚到了一個陣營，為自動駕駛的實現提供了一種全新的思路。
獨家試乘Momenta飛輪式L4 MSD事實上，去年12月Momenta就已經放出了MSD（Momenta Self Driving）的部分實地路測視頻，但其中的細節並不能被盡數瞭解。
這次的發佈會，Momenta採用了媒體試乘與雲直播的方式來呈現MSD的細節。新智駕作為唯一試乘媒體，也嘗試還原Momenta“飛輪式“L4的實地表現。
從外部傳感器來看，Momenta的MSD車輛採用的是以視覺為主、幾乎都是可量產的傳感器，包括12個攝像頭、12個超聲波雷達、5個毫米波以及1個用以輔助感知的velodyne 激光雷達。
Momenta CEO 曹旭東正在雲直播介紹MSD車輛
為了更加直觀地呈現MSD車輛的感知、決策、控制過程，Momenta在車內放置了三塊可視化屏幕。通過屏幕，能夠看到車輛當前的自動駕駛狀態、車速、油門、紅綠燈情況；同時也能看到Momenta高精度地圖作為靜態感知的痕跡，以及行人、轎車、卡車、車輛行駛軌跡預測等動態感知內容。車輛後備箱則是搭載了自動駕駛GPU計算平台。
此次試乘時間約為30分鐘，範圍在蘇州相城區高鐵站附近10公里左右的開放道路。從道路的複雜程度來看，路上人車混行嚴重，車流往來不絕，包括形狀各異的卡車、隨時竄出的電動車等。
總體試乘下來，車輛速度不超過車道限速，總體在40公里每小時以內，全程無接管。車輛的行駛平滑，甚至在啓動時有一點小小的推背感，既不激進也不保守。車輛能夠順利應對車道數量三變二、大貨車行人避讓、路口左轉等交通場景。
以路口左轉為例。一般來説，自動駕駛車輛的左轉是個有技術難度的場景。Momenta CEO曹旭東向雷鋒網新智駕解釋：因為左轉路線本身就比較長，其次路口左轉會遇到不同方向的來車，意味着容易出現多車爭搶路權的情況。這種情況下，自動駕駛車輛如何在保證安全的前提下，同時兼顧乘客的體驗舒適性、以及車輛的智能性而非一味地停讓。 Momenta的MSD車輛也多次順利完成了路口左轉的任務。
此外，Momenta MSD車輛在經過路口時，也遇到與大貨車爭搶路權的情況。但Momneta車輛並沒有出現急剎的情況，而是在預判大貨車繼續往左變道之後，選擇減緩車速。無論是預判還是操作，車輛的表現都不比人類駕駛員遜色。
雲直播之後，Momenta還公佈了其一鏡到底包含全程中間技術結果的晚高峯路測視頻。可見Momenta對MSD技術的自信。而這種自信的來源，正是“飛輪式”L4 。
如果説兩條腿走路是Momenta的戰略理念與產品呈現，那麼“飛輪式”L4則是Momenta兩條腿得以真正走起來的底層支撐。
從產品架構來看，“飛輪式”L4主要由量產數據、數據驅動算法、以及兩者之間形成的閉環自動化三個因子構成。
首先來看量產數據。
Momenta CEO曹旭東認為：“自動駕駛的終局一定是規模化的完全無人駕駛，以Robotaxi落地為例，規模化L4指的不是一個區域或城市，而至少是路況複雜的十個城市，每個城市至少一萬輛車，否則難以稱之為商業化落地。”
而這種規模化L4的最終實現，要有千億公里的數據以發現長尾問題。那麼海量數據從哪裏來？光靠L4自動駕駛車輛的緩慢積累是遠遠不夠的。
因此Momenta通過將量產自動駕駛產品Mpilot搭載在車輛上，在為客户解決問題、創造價值的同時，進行海量量產數據的原始積累。而這，恰恰是“飛輪式”L4的動力源泉，通過海量量產數據的“餵養”，幫助MSD不斷迭代，使得完全無人駕駛系統不斷進化。
當數據來源得到保證之後，如何高效地驅動這些數據，是飛輪跑起來的關鍵。
Momenta認為，要解決真實場景中的海量問題，必須通過數據驅動（Data-Driven）的算法才能高效解決。什麼叫數據驅動的算法？
Momenta研發副總裁夏炎用了一個例子來解釋：MSD車輛在路上經常會遇到紅綠燈識別被阻擋的問題。
Momenta早期的做法可能是通過代碼規則來告訴車輛，遇到某種具體的情況該怎麼做。但當規則寫了一百條甚至是上千條的時候，底層的代碼就會變得難以維護，並且很難複製到別的城市場景。因為有限的規則是無法完全覆蓋無限問題的。
因此，Momenta採用數據驅動的方式，自動化地解決了絕大部分的問題。相比見招拆招的解決單一問題，Momenta內部更加鼓勵團隊將更多的精力放在搭建一套數據驅動（Data-Driven）的算法框架上。
“只要收集到足夠多的數據和長尾問題，隨着量產數據的不斷流入，算法進行自動化學習，就能驅動飛輪式L4不斷迭代，自動化地解決自動駕駛的長尾問題。”曹旭東如是説。
此外，在擁有量產數據與數據算法驅動之後，閉環自動化是Momenta“飛輪式”L4得以維持高速運轉的第三個因子。
無論是數據採集、存儲、還是處理、標註、模型訓練等環節來説，一旦以海量數據作為單位，那麼每個環節都會變得艱難。而Momenta的閉環自動化就是一套高效、自動化的工具鏈：通過建立對問題自動化發現、記錄、標註、訓練、驗證的閉環過程，為技術和產品提供自動化的迭代能力，驅動“飛輪式”L4高速轉動。
以新智駕試乘體驗為例，Momenta的閉環工具鏈在30分鐘的試乘數據中就自動抓取了979份數據，包括預測數據為618份、規控數據為288份、感知數據為49份、手動錄製17份。
自動或者半自動的閉環工具，無疑為Momenta的數據處理省去了很多不必要的麻煩。
Momenta“飛輪式”L4規模落地的可行性有多高？
正如Momenta總結地那樣：在兩條腿走路戰略落地過程中，左腿量產自動駕駛是最先構造起來的，並且最先進入產品化和商業化階段；然後Momenta在去年年末正式邁出右腿，發佈完全無人駕駛技術MSD。
而構建這兩條腿的底層核心能力，就是飛輪架構。由此，Momenta兩條腿走路戰略得以完全打通，實現相互協同。
但新智駕好奇的是，在實際落地上，究竟是先有雞還是先有蛋？
海量數據是“飛輪式”L4驅動的前提之一，那麼Momenta如何獲得海量數據？沒有數據，Momenta“飛輪式”L4無從談起。
對此，Momenta回應道，從去年發佈可量產的自動駕駛方案Mpilot（包括Mpilot Hightway、Mpilot Parking）之後，Momenta就已經進入產品化和商業化的階段，今年年內會有部分量產產品上市，大規模的量產上市時間在2022年左右。加上此前發佈的後裝ADAS途鈴系列產品的上車，Momenta已經積累了一定的數據。
那麼與主機廠的數據會否順利返流給Momenta？夏炎表示：“數據的所有權歸屬車廠是無疑的，但如何用數據來創造價值是Momenta擅長的事情。利用數據迭代自動駕駛系統，這是我們能夠為主機廠創造的價值。”
誠然，數據的價值是通過挖掘得到的，否則也只是一堆數字罷了。
那麼，在實際落地能力上，“飛輪式L4”規模落地的可行性有多高？
由於當下規模化L4還處在“無人區探索”的狀態，Momenta認為規模化L4面臨的是“行駛千億公里，解決百萬問題”的巨大挑戰。而千億公里意味着100萬輛車，每天10個小時不間斷運行，連續跑1年。
這種包括資金、車隊數量在內的巨大投入對自動駕駛初創公司來説無疑是不可承受之重。但Momenta的“飛輪式”L4將這種巨大的成本一再降解、分割為可接受的賬目。
在總成本的計算上，Momenta將規模化L4的總成本可分為數據成本和研發成本。
具體而言，研發成本取決於問題個數（N）和解決單個問題研發成本（R）；數據成本取決於里程數（M）和單公里數據成本（D）。
雖然目前還無法準確評估L4遇到的問題個數（N）和里程數（M）的大小，但Momenta認為，問題個數（N）至少達到百萬量級，里程數（M）至少是千億公里。
得益於量產數據驅動的方式，Momenta能夠跨數量級地降低解決單個問題的研發成本（R）和單公里數據成本（D）。
在單個問題研發成本（R）方面，常規規則驅動（Human-Driven）的最大挑戰是用有限人力解決上百萬個問題。而通過量產數據驅動（Data-Driven）的方式，只要收集到足夠的數據，就可以自動化地解決絕大部分問題，從而降低研發成本。
在單公里數據成本（D）方面，Momenta一方面為客户提供量產自動駕駛解決方案，另一方面也提供持續的軟件算法迭代升級。在為客户解決問題、創造價值的過程中，和客户一起回收了長尾問題的數據，把單公里數據成本降到了幾乎為零。
由此，通過“飛輪式”L4，Momenta將實現規模化L4的總成本跨數量級降低。
可見，在Momenta眼裏，自動駕駛從來就不單是一個技術問題，可靠的技術方案和可落地的成本方案缺一不可。
眼下，“飛輪式”L4已經開始轉動。Momenta表示，在環境感知、高精地圖、預測等環節已實現了完全數據驅動，並通過閉環自動化持續迭代升級。
預計到2022年，Momenta可以實現全流程數據驅動的算法；
到2023年，利用閉環自動化實現算法100%自動化迭代。
2024年，量產自動駕駛Mpilot也將會大規模量產上路。Mpilot和MSD將協同增效，實現“飛輪式”L4的快速成長。
基於“飛輪式”L4的商業化場景——Robotaxi，Momenta也給出了落地時間表。
事實上，今年6月Momenta就已經獲得蘇州第一塊Robotaxi示範應用牌照。按照Momenta的計劃：
今年年底會跟蘇州政府進行robotaxi的試運營，明年可能會有大規模的對外開放；
2022年，做到蘇州Robotaxi部分車輛車端無安全員試運營；
2024年，車端100%無安全員，實現單車盈利；
2024年開始，結合已經迴流的大規模量產數據，Robotaxi將實現多地規模化落地運營。
從兩個時間表規劃來看，2024年是Momenta的一個關鍵節點。
曹旭東解釋道：隨着“飛輪式”L4的發展，2024年Momenta將在蘇州實現車端完全無安全員的商業運營，從而降低車輛運營成本，實現單車盈利，完成商業模式0-1的驗證。”
也就是説，在0-1階段，Momenta會專注於技術和商業模式的驗證，在兩者還沒有在樣本城市得到完全驗證之前，不會做大規模擴張。
他認為：Robotaxi城市擴張的關鍵因素在於數據儲備。每一個城市的Robotaxi落地，都需要海量數據的積累。如果每到一個城市都花上幾年時間重新開始積累，那麼技術與商業落地的領先性很容易擴散和被稀釋掉。
而Momenta的量產自動駕駛能在0-1階段進行大規模的數據迴流，提前做好數據儲備，然後在2024年形成爆發點。“如果這個階段做得不夠紮實就進行城市複製與擴張，那麼一定會耗費大量資源，收益不成反倒帶來大量的資金虧損。”
未來，“2024年隨着量產車型大規模上市，量產數據大規模迴流，此時數據和技術上1-N的儲備也已到位，具備了擴張條件。Momenta 將開始進行多地落地，從而以極快的速度實現規模化L4。”曹旭東表示：“在一個城市先實現單車盈利，再複製到其他城市，是無人駕駛規模化落地的最精益的模式。”
縱觀業內，Momenta的Robotaxi運營看似比其他玩家的時間晚一些，但如果從後續爆發的力量以及城市的擴張速度來看，Momenta是不容小覷的。
用Momenta的話來説，厚積薄發，將是他們的後發優勢。
總地來看，Momenta用“飛輪式”L4證明了，L2與L4之間並不是涇渭分明的界限與派別。
另一方面，從業內進展來看，即便是號稱在2020年向完全自動駕駛進發的特斯拉，其L4也還處於低調隱匿的狀態。
所以不能不承認，Momenta甚至比特斯拉更快地向業界提供了一個清晰的L2向L4演進的思路與技術。未來，Momenta這個無車殼版的“特斯拉”，會否成為自動駕駛界的下一條“鯰魚”？
以下為雷鋒網新智駕活動前期採訪內容：
Q：量產自動駕駛和完全無人駕駛還是蠻不同的，你們要怎麼用低維度的量產數據來反哺比較高維度的完全無人駕駛？怎麼整理出完全無人駕駛所需要的數據？
夏炎：我們把自動駕駛這個系統拆成感知部分、預測部分、規劃決策部分。對於預測和規劃決策部分，Mpilot和MSD其實沒有太大不同。比如預測的輸入實際上就是結構化的一個世界模型，輸出是未來軌跡的分佈。從抽象化的、結構化層面來講，Mpilot和MSD的預測和規劃可以用一套體系完成。
但感知層面會有一些區別，量產自動駕駛以camera為主，其他家大多數的L4都是以激光雷達為主，在這種情況下兩種技術路線的數據很難相互利用。
但Momenta不是這樣，MSD裏雖然有激光雷達，但是以camera為主，這是兩套獨立的感知的系統。而量產自動駕駛採用的傳感器方案只是少了激光雷達，這樣一來，MSD是可以複用量產自動駕駛裏的部分數據的。
Q：試乘過程中，發現Momenta的計算芯片平台還是GPU，未來你們的計算硬件層面會怎樣迭代？
夏炎：我們今天的確用的是GPU，還沒有上嵌入型的計算平台，從我們當下發展的階段來看，GPU可能是最合適的。因為L4級自動駕駛需要的算力是幾百到一千T的級別，那麼對應的芯片絕對不是現在的芯片，而是未來幾年量產的芯片。我們的考慮是先用GPU去做，等到未來幾年有完全符合L4需求的量產芯片之後，再一次性遷移，這樣就不用多次遷移。
Q：未來Robotaxi的運營你們是自己來合作還是説會交給專門的運營方？
夏炎：實際上，我們Robotaxi商業模式落地應該是，在0-1階段是“旗艦店”，在1-N階段是“麥當勞”（通過和合作夥伴形成標準robotaxi運營方案，各地運營方進行加盟合作）。如果在全國很多城市做運營，重資產的生意對我們來説顯然不科學。在最開始旗艦店的過程中，和技術相關性比較高的運營內容，我們可能會深度參與。但長期來看，肯定是形成一個標準方案，和各地的運營方合作，由當地的運營方做實際運營。這其實和整個生態成熟度是有關係的。
Q：總的來説，Robotaxi量產大規模化會包括哪些要素，最難的地方在於什麼？
夏炎：大規模化的L4實現，政策上要有支持，商業上要實現商業閉環，實現單車盈利，技術上要有可行的技術路徑。對我們來講，飛輪式L4這樣一個技術路徑。這個技術路徑再往上拆解的話，飛輪式L4需要海量數據，海量的數據需要量產，然後需要數據驅動的算法和閉環自動化的工具鏈，所以是這樣一個鏈條。
Q：比較難的地方在哪裏？
夏炎：單車盈利這件事情是L4的一個關鍵，怎麼才能實現單車盈利呢？一定要去掉安全員才有可能賺錢，要不然是虧錢的。從技術上來看，需要自動駕駛足夠安全，才能足夠自信才能把這個去掉。Momenta的目標是在2024年要實現單車盈利，並且有具體的實現路徑。
Q：那Momenta今年着力的重點是什麼？
夏炎：對於我們來講，量產自動駕駛Mpilot已經邁入產品化的階段，所以Mpilot的產品化和商業化是重點要做的事情；對於L4，MSD是從去年中開始發力，現在處於厚積薄發剛開始的階段。可以看到它的時間跨度是很長的，從現在到2024年還有很多要積累的東西。所以量產自動駕駛和完全無人駕駛各有不同的側重點，這是從外的表現。從內在來看，兩者之間技術流和數據流的協同是我們的核心重點。
（雷鋒網） 雷鋒網