一個Momenta，為什麼能吸引上汽、豐田、博世、戴姆勒同時投資？

編者按：本文來自汽車商業評論，作者劉寶華，編輯牛跟尚，設計杜凱，創業邦經授權轉載。

雖然只有100輛，2021年3月5日正式開售的全球首款具有法律許可的L3級自動駕駛量產車本田Legend還是給在L2上徘徊了好幾年的自動駕駛按下了跳躍鍵。

事件帶來雙重震動，一是L3這隻靴子終於落地了，二是讓L3率先落地的是傳統車企，而不是特斯拉、造車新勢力這些最在意自動駕駛的新車企。全行業自動駕駛的推進速度無疑會被本田Legend加快。

3月19日，中國自動駕駛科技公司Momenta宣佈完成C輪總計5億美元的融資，參與領投的有中國戰略投資方上汽集團以及國際戰略投資方豐田、博世，還有知名投資機構淡馬錫資本、雲鋒基金，跟投方包括梅賽德斯-奔馳、騰訊、GGV紀源資本、小米系順為資本、凱輝等。

Momenta此次融資的投資方陣容堪稱豪華，汽車行業的投資方包含了全球最大車企豐田、全球最大豪華車企奔馳、全球最大零部件企業博世、中國最大車企上汽集團，集齊了四大No.1，還同時吸引了互聯網巨頭阿里（雲鋒基金）和騰訊。

3月15日，企查查大數據研究院發佈《近十年自動駕駛項目投融資數據報告》，稱我國近十年自動駕駛項目投融資事件共376起，披露的融資總金額近2377.5億元。

從時間線來看，自動駕駛賽道從2013年開始進入萌芽期，此後幾年相關的投融資事件逐年增多，2016年進入快速發展期，2018年達到頂峯，新註冊企業472家，全年投融資事件78起，披露投融資總金額高達811.0億元，是過去十年中披露金額最大的一年。

2019年進入低谷期，2020年雖然有疫情影響但投融資金額436.3億元，同比增長136.9%。2021年開年，自動駕駛賽道熱度不減，僅前兩個月的投融資事件已達24起，披露投融資總金額為176.4億元。

此次產業界和投資界同時押注自動駕駛科技公司Momenta，對自動駕駛賽道來説還有一層利好：在特斯拉、蔚來、小鵬等新興車企紛紛選擇自研路線時，各方對自動駕駛科技公司的看好拓寬了技術落地的選擇面與可性能。

對Momenta來説，相比財務投資，四大No.1的產業投資方更為重大，它們不僅提供資金，作為全球最重要的主機廠和Tier1，也是自動駕駛落地的操盤手，它們對Momenta的認可代表了最專業的評價，而且毫無疑問還會成為Momenta的客户、合作伙伴。

Momenta為什麼能吸引如此多世界一流企業的投資？要知道，這些企業在自動駕駛方面的研發史比Momenta的公司史更久遠。

Momenta CEO曹旭東認為，公司創立之初即確立了“一個飛輪”的技術洞察，以重新定義實現無人駕駛的關鍵路徑。經過四年多的發展，圍繞“飛輪”和“兩條腿”產品戰略，公司已打造出領先行業的自動駕駛產品，並獲得全球客户的認可。

“本次融資標誌着公司進入一個新的里程碑，這些來自全球合作伙伴及資本的加入，將幫助我們為‘飛輪’注入更多動力，助推Momenta‘兩條腿’的產品戰略從中國邁向世界。”曹旭東表示。

什麼是Momenta的“一個飛輪”和“兩條腿”？

2020年6月30日，Momenta曾對外分享過其“飛輪式”L4（MSD, Momenta Self Driving）最新進展，詳解實現規模化L4的關鍵路徑。

“一個飛輪”是指隨着量產數據、數據驅動的算法以及兩者閉環自動化的不斷積累和迭代，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。

隨着飛輪的轉動，Momenta實現完全無人駕駛的速度得到了顯著提升。目前公司在環境感知、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，公司可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%自動迭代。當前版本的飛輪可以自動化地解決超過90%的長尾問題，研發效率相比於完全人工驅動的方式提升了近10倍，並計劃在2年內將這一數字提升至100倍。

“一個飛輪”技術洞察和“兩條腿”產品戰略▼

在飛輪的加速下，“兩條腿”產品戰略也得以快速落地。“左腿”量產自動駕駛Mpilot，致力於提供領先行業的端到端自動駕駛解決方案，並輸出源源不斷的數據流。“右腿”完全無人駕駛MSD，致力於打造L4級別完全無人駕駛技術，並反饋給量產產品技術流。

隨着Mpilot和MSD協同增效，Momenta將實現商業上的快速增長。Mpilot現已與數家國際、國內頂級車企和一級供應商達成戰略合作，合作車型將在2021年到2023年實現全球範圍的大規模量產，為終端用户使用。搭載了MSD技術的Momenta GO（Robotaxi產品）已於2020年正式發佈，並計劃在2022年做到部分車輛車端無安全員試運營。

按照Momenta的計劃，到2024年“兩條腿”產品戰略將完全打通。Momenta GO將實現單車盈利，完成商業模式0-1的驗證。同時，Mpilot大規模上路，量產數據大規模迴流，實現數據和技術1-N的儲備。在具備了擴張條件後，Momenta將迎來爆發式增長，以極快的速度完成無人駕駛規模化落地。

未來，Momenta將持續以客户為中心，圍繞“一個飛輪”的技術洞察和“兩條腿”的產品戰略持續發力，以實現“十年挽救百萬生命、十年解放百分百時間、十年物流出行效率翻倍”的願景。

融資消息披露後，汽車商業評論記者連線了曹旭東，希望從他那裏瞭解Momenta與投資企業溝通中的更多信息，大多數問題因為不便披露沒有得到答案，但在給出答案的少數問題中能感受到產業投資者為何看重Momenta。

“投資者最關心的是產品領先性，他們也都有體驗，體驗完之後已經形成了大致的判斷，但是需要更多的數字，比如説跟特斯拉比，客户體驗後，認為在部分實測數據中我們是已經能做到特斯拉性能的10倍（接管里程、進出匝道）。比如特斯拉可能10公里接管一次，我們是100公里接管一次這類數字。還有比如進出匝道的成功率，特斯拉可能是70-80%，我們是99%，類似於這些量化的指標來衡量產品的黏性。”曹旭東説。

排在產品領先性之後的是商業打法問題。目前Mobileye佔領市場而且有絕對領先地位的是低端產品，芯片加算法。Momenta對市場做了分割，分割成高端和低端產品，曹旭東認為“Mpilot是我們的高端產品，目標是實現最好的端到端的自動駕駛體驗，今年底或明年就會有多個客户量產。”

“全球範圍來看，現在能幹這件事的就兩家公司，一家是我們，一家是Mobileye。這也是產業投資人希望和我們戰略投資產生合作，形成深度關係的原因。”

 “這件事”指的是一整套的軟件和算法。在Momenta看來，自動駕駛硬件除了激光雷達和計算平台都已經非常成熟，而激光雷達和計算平台目前都有多家優秀企業在快速提升，自動駕駛最大的挑戰依然是軟件和算法。

對傳統OEM來説，基因決定了他們很難在軟件和算法上短期內做出巨大突破，這也是一些全球頂級汽車主機廠在嘗試自動駕駛研發多年後，在越來越接近自動駕駛商業化落地的黎明前對自動駕駛放棄繼續投入或調低優先級的重要原因。

對這類主機廠來説，捆綁一個合作伙伴並投資對方，形成更穩固的持股+合作方式是解決自動駕駛難題最經濟的方式。

當然，也不乏一些主機廠兩條腿走路，既堅持深度的自主開發，又與外部夥伴深度合作。選擇兩條腿走路的廠商需要更強勁的財務支持。

現在，他們也給了合作伙伴Momenta一個強勁的財務支持。

就在春節後不久，汽車商業評論記者還在蘇州實路體驗過Momenta的兩款產品Mpilot和MSD。兩段路程均30多公里，歷時近50分鐘，包含高速和城市路況。

尤其是MSD在城市路況，遇到了幼兒園、小學放學時段，行人、自行車、各種機動車侵入車道、橫穿路面的情況經常遇到，都被測試車輛一一化解。在主動變道、主動超出、上下匝道、進入主路等關鍵節點上表現得非常果斷老練，駕駛風格很像老司機。

融資消息披露前後，汽車商業評論記者也與Momenta工作人員交流過他們與主機廠合作過程中的故事，從這些故事中亦可以管中窺豹這家公司為何受到巨頭們的青睞。

故事一是關於飛輪模式，Momenta飛輪的最大優勢是迭代速度，之前從發現問題到解決問題的週期可能是三個月，而且需要付出大量的人力和財力，但應用飛輪之後，從發現到解決問題只需要一週的時間，迭代的速度很快。

在歐洲的一個合作項目中，因為中國卡車和歐洲卡車外觀不同，Momenta的識別系統和數據對歐洲的超長卡車有點水土不服。

這種解決方案在以往合作中一般是三方一起開會，開完會之後還需要Momenta技術人員飛到客户那邊現場診斷，診斷之後分析出原因再分工解決，一般需要三個月才能解決問題。但憑藉飛輪方案，車輛一邊路測一邊利用數據，通過數據驅動的算法，對其進行自動化的標註和迭代，一週時間就把問題解決了，迭代速度是傳統方式的10倍。

另一個案例關於數據驅動的算法。很多城市道路上、高速車道內都會有地名作為方向指引，自動駕駛車輛常常會把字體筆劃識別為車道線，造成錯誤操作。如果通過Rule-based方式改善的話，改變一個地面規則後會導致很多規則同時發生變化，演化為牽一髮而動全身的更大問題，導致地面識別性能變得更差。但Momenta通過數據驅動算法，最終達到很好的識別效果，解決了這個“車道線難題”。

車道線是平面問題，道路上還有一些立體問題。比如合作廠商要求Momenta的車輛不僅需要判斷道路、行車線、障礙物，還需要準確識別限高，防止一些小概率事故發生。為了解決這個問題，廠商購買過全國限高地圖，該地圖雖然擁有全國超過99%的限高數據，但卻很難做到實時更新。

Momenta高精地圖用眾包方法海量的數據，提高更高程度的數據更新，滿足了該廠商的限高數據需求。

雪地對自動駕駛來説挑戰很大，Momenta有一個技術，當無法憑藉傳統傳感器建模的方式建立正確的車道模型時，會根據過往在這個車道上開過車的軌跡去做一個如何正確駕駛的判斷。這需要通過大量的量產數據，通過數據驅動的算法進行學習，在學習之後車輛就可以很好地應對這樣的場景。

Momenta工作人員特意向汽車商業評論提起一個“Momenta Standard”案例：在與某國際頂級車企的合作中，車企根據行業能力對Momenta設定了相對挑戰的目標。Momenta初次的交付就達成了客户目標，而且並未止步於此，通過低成本短週期試錯，快速地搭建閉環，最終實現了優於目標數倍的結果，並在合作的過程中主動創新，經常向車企建議更具挑戰性的Momenta Standard作為研發和交付的目標。後來，該客户經常採用“Momenta Standard”來作為企業內部的研發和交付的最高標準。

本文（含圖片）為合作媒體授權創業邦轉載，不代表創業邦立場，轉載請聯繫原作者。如有任何疑問，請聯繫