乾明 发自 凹非寺

量子位 报道 | 公众号 QbitAI
这就是飞轮转动起来的「恐怖」速度?
去年12月发布L4级完全无人驾驶技术MSD (Momenta Self Driving)实车路测视频后,Momenta今天正式对外披露内部L4最新进展和推进时间表:
2024年,解决L4无人车「行驶千亿公里,解决百万问题」难题,在苏州规模化部署Robotaxi,车端100%去安全员,实现单车盈利;随后,Momenta 将快速进行多地的Robotaxi大规模落地。
对于行业中的大多数玩家来说,怎么迈过数据门槛、实现Robotaxi大规模落地且盈利仍旧是头疼且棘手的问题。
现在Momenta直接拿出了清晰的推进路线图,不得不令人侧目。
Momenta凭什么?
在6月30日CEO曹旭东的分享中,给出了答案:「飞轮式」L4,以及为什么:
与同行业路线相比,「飞轮式」L4的优势在于厚积薄发,通过量产数据、数据驱动的算法、闭环自动化的前期大量积累,可短时间、大幅度提升研发效率, 跨数量级降低规模化L4的总成本。
而且飞轮的能量,在Momenta研发L4技术的过程中,已经得到了充分的展现:
从2019年中开始重点投入L4研发,只用常规团队1/10的规模(50人左右的团队),半年内做到了城区开放道路行驶过程中的全程无接管,而且还包含如临时施工、多种 不规则车辆、逆行横穿等各种复杂的场景。
在此之前,行业内最快的友商也差不多用时1年,且积累了至少十万公里以上实际路测里程。
所以,Momenta到底打造了一个怎样的「飞轮式」L4?
先看个一镜到底的视频:

先给L4规模化落地算一笔账

「自动驾驶的终局,一定是规模化的完全无人驾驶(L4及以上)」,是无人车行业的共识。
虽然具体怎么实现出现了路径分野,但前提条件也到了行业不少玩家的认同:
要有足够长时间的行驶数据,能够解决各种刁钻的问题,人类司机的驾驶水平约为一亿公里出现一次致命事故,最好可以比人类司机水平再高一个数量级。
曹旭东将其概括为「行驶千亿公里、解决百万问题」。在他看来,这是整个行业面临的共同挑战,也是决定规模化L4成本的核心变量。
无人车领域的先行者Waymo,用“后装改造车辆—路测收集数据—试运营”的方式,走出来了一条路。

其后跟随者众多,几乎行业中大多数发力L4的无人车公司,都或多或少受到了影响。
但在「行驶千亿公里」面前,Waymo显然不是一个可以复制对象。
曹旭东做了一个计算:“如果全部用车来跑完的话,需要100万辆车, 每天10个小时不间断运行,连续跑1年。”
而且这些车都要加上传感器和计算单元成本,平均每辆车10万美元来算,早期的投入资金将要达到的1000亿美元——这还没算解决问题的成本。
Waymo有谷歌以及争相给钱的投资人,但其他跟随者呢?又有谁能有如此雄厚的资金实力?
所以也就有了不少无人车公司纷纷寄身于巨头,比如吴恩达旗下的Drive.ai—苹果、Cruise—通用、Argo AI—福特,以及最新的Zoox—亚马逊。
不过,这并不意味着,自动驾驶行业的红利,只能被巨头吃掉。还有诸多创业公司,正在走出了另外一条通向规模化L4之路。
比如「飞轮式」L4,正是Momenta用来「重新定义规模化无人驾驶,跨数量级降低成本」的解决方案。

「飞轮式」L4如何跨数量级降低成本?

「为了使静止的飞轮转动起来,一开始你必须使很大的力气,一圈一圈反复地推,每转一圈都很费力,但是每一圈的努力都不会白费,飞轮会转动得越来越快,终成厚积薄发之势。」
在曹旭东看来,对于自动驾驶行业的创业者来说,「千亿公里、百万问题」这个目标非常宏大,必须装上强有力的「飞轮」,用量产数据驱动的方式,打造一个数据驱动的系统,才有可能自动化的去解决99%的问题,从而才有可能用几百个人实现L4实现完全无人驾驶。
他说,这是Momenta创办以来一直秉持的理念,也是他们打造「飞轮式」L4解决方案的技术洞察。
如上图所示,整个飞轮一共有三个关键因子:量产数据、数据驱动的算法、闭环自动化。

其中,「量产数据」得益于Momenta「两条腿」战略带来的直接优势。
2016年成立到2019年中的这些时间中,Momenta并没有将太多的精力放到L4上,而是打造出了量产自动驾驶解决方案Mpilot,并将其卖给了OEM厂商和汽车产业的一级供应商。
一方面,他们可以从中得到营收回报,但更关键的是,在为客户解决问题创造价值的同时,也和客户一起回收了「量产数据」。

在Momenta的技术架构中,量产自动驾驶解决方案Mpilot和L4方案MSD采用的是统一量产传感器方案。

这也就意味着,量产传感器收集的数据,如视觉、地图、轨迹、接管等数据,可以无缝应用并有效助力MSD算法提升。与此同时,MSD也能够反馈最新的技术,来不断提升Mpilot的能力。
曹旭东透露,他们已经拿到了数个车厂量产车型的订单,随着这些车辆不断上市,将会带来大规模的数据回流——这些数据的成本近乎为零
获取「量产数据」之后,应该怎么去发挥它们的价值,更高效的提升系统能力,是数据驱动的算法闭环自动化要做的事情,也是解决「百万问题」的关键。
数据驱动的算法是指,Momenta投入大量精力打造的统一框架,可以自动解决数据中存在的大量的问题。
在这个技术框架下,随着量产数据的流入,算法自身会越来越「聪明」,系统不断迭代,自动化解决问题的比例也会越高。
闭环自动化,则是用来帮助数据和算法之间形成快速迭代的反馈闭环,整个过程包括对问题自动化发现、记录、标注、训练、验证等环节。
具体来说,整个过程是这样的:
1、当车辆在测试过程中收集到高价值样本时,系统就会对观测结果进行全自动标注。
2、数据积累到一定水平,就会自动触发无人工干预的模型训练迭代,完成训练。
3、模型评测自动启动,研发团队只需阅读由系统所推送的评测报告来决定模型发版,即可完成整个闭环。
而且这个过程可以不断循环,自动「消化」海量长尾数据,从而低成本、高效率地打通整个链路,而不是依靠「传统」的人工驱动,耗时耗力调参解决问题。
在曹旭东看来,在这三个核心因子的整体合力下,Momenta能够跨数量级的降低实现规模化L4的成本,也是其完全无人驾驶之路的坚实基础。
与此同时,Momenta本次也公布了其一镜到底包含全程中间技术结果的晚高峰路测视频,展示出飞轮驱动下的技术实力。
这一次,Momenta应对的场景更加复杂,但它的完全无人驾驶系统MSD应对同样得心应手。
比如路口有电动车横穿逆行:
比如实线区域突然出车,连续横穿自车行驶路径:
比如狭窄小路人车混行,遭遇三轮逆行、卡车加塞、电动车斜穿、平板车抢道的场景:

2024年,Momenta完全无人驾驶的关键节点

最后,我们再回到Momenta的路线图上。
结合「飞轮」来看,Momenta的完全无人驾驶之路,可以大致分为两个大的阶段:数据和技术上1-N的储备和大规模商业化。
关键节点是2024年
在此之前,Momenta的聚焦点在于技术积累验证,也就是为不断优化飞轮,并推动飞轮,给飞轮早期的动力。
这个阶段,Momenta定下了两个时间节点:预计到2022年,实现算法的全流程数据驱动;到2023年,利用闭环自动化实现算法100%自动化迭代。
以及,将量产自动驾驶解决方案Mpilot卖给更多的客户,实现大规模「量产数据」回流。
与此同时,「飞轮式」L4的商业化落地——Robotaxi,也在这一时期开始0-1的验证:今年开始在苏州路测Robotaxi;2022年做到苏州Robotaxi部分车辆车端无安全员试运营。

到2024年的时候,结合量产车型大规模上市带来量产数据大规模回流,飞轮在量产数据驱动下快速转动,苏州的Robotaxi实现单车盈利。
曹旭东认为,这个时候,Momenta的商业模式已完成0-1的验证过程,数据和技术上1-N的储备也已到位,具备了快速扩张条件。
之后,便是Momenta的Robotaxi大规模落地时刻。

在他看来,Momenta将在很短的时间,在多个城市进行规模化落地,从而以最快的速度实现无人驾驶的规模化落地。
一方面在于他对Momenta扩张模式的信心:「只有在一个城市先实现单车盈利,再规模化复制到其他城市,才是无人驾驶规模化落地的最精益扩张模式。」
但更关键的是,他对Momenta「飞轮」的莫大底气:
「飞轮只要转动起来,就很难停下来了」。
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。
深入解析OceanBase数据库 | 免费报名
在阿里体系内,OceanBase数据库支撑了支付宝、网商银行等重要业务,已成为世界领先的数据库产品。那么其背后有哪些核心技术?
7月2号第三期直播,蚂蚁集团OceanBase数据库资深专家--韩富晟(颜然)将介绍数据库发展演进历史,并深入解析OceanBase实现数据库的机制。
扫码报名,可加入直播交流群,还可获取系列课程直播回放、分享PPT: 
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !
继续阅读