本報記者 龔夢澤

    現(xiàn)階段，智駕行業(yè)競爭正在如火如荼地進行中，最被看好的特斯拉憑借自己造車，自研智駕系統(tǒng)和芯片的方式高速領跑，而隨著英偉達、地平線、華為等公司先后切入智駕賽道，也使戰(zhàn)局更復雜。

    作為國內智駕行業(yè)的“隱形冠軍”，截至2024年上半年，國內道路上已有接近10萬輛車搭載使用了Momenta的自動駕駛軟件，它們來自上汽、比亞迪、廣汽等諸多廠商。接下來，還會有包括通用、豐田、奔馳在內的10多個品牌的數(shù)十款車型搭載Momenta的軟件，這也讓Momenta已成為目前拿到最多高階智能駕駛訂單的中國公司。

    “主機廠現(xiàn)在最關注的就是我們和華為的智駕方案，都會拿兩者去作對標。但所謂超出華為智駕0.5到1個段位的話不是我們說的。”9月29日，在全球智能汽車產(chǎn)業(yè)大會（GIV2024）上，Momenta CEO曹旭東在接受《證券日報》記者采訪時表示，主機廠會把自動駕駛分成幾十上百個場景，比如路口會劃分成左轉、直行、右轉、占道車的繞行等，每個場景都會有對應的KPI即成功率的概念，車廠會根據(jù)成功率來做出選擇。

    當記者問及對標中Momenta的突出優(yōu)勢時，曹旭東將其概括為絲滑繞行、路口靈活交互和駕駛預判三大類。“在城市NOA場景中，占道車輛、逆行的兩輪車非常多，如果車輛不能絲滑繞行，通行效率會非常低。打個比喻，我們的絲滑繞行基本超過了很多中等水平司機，達到了超過老司機的水平。”曹旭東表示。

    關于路口交互和駕駛預判方面，曹旭東表示，在路口面臨前行過程中，人車流密度特別高時，Momenta會以1公里每小時的速度蠕行，去判斷時機與行人博弈。同時，在城市中有很多“鬼探頭”的場景里，Momenta能夠動用所有預判信息，通過極短的延遲做出防御性駕駛的行為。

    那么，Momenta是憑何實現(xiàn)上述效果呢？答案要從大會當天曹旭東發(fā)布的首個量產(chǎn)智駕大模型說起。據(jù)曹旭東介紹，Momenta在2023年上半年，就已量產(chǎn)了兩段式端到端。一年后，又量產(chǎn)了一段式端到端。

    事實上，現(xiàn)在的大模型已經(jīng)發(fā)展到第五代，端到端也分野出兩個概念，分別是兩段式端到端和一段式端到端。何謂兩段式端到端？曹旭東告訴記者，在兩段式端到端中，感知的端到端一定需要這個物體對于人來說是比較好定義的，這樣的話才能夠很好地搜集訓練數(shù)據(jù)，很好地學習和很好地驗證。

    “但是對于復雜的通用障礙物，比較難在感知的端到端里面做定義的，規(guī)控的端到端就無法收到對應的輸入，進而忽視掉重要的感知信息，做出一些誤判的駕駛行為。”曹旭東解釋道，一段式端到端的好處是感知的端到端和規(guī)控的端到端聯(lián)系在一起，哪怕未定義的物體出現(xiàn)，在感知大模型的幫助下，仍然會做出合理避讓。

    “與分模塊化方案相比，一段式端到端的上限更高，因為它取消了很多人為設定的先驗。”曹旭東說，當數(shù)據(jù)少時先驗會起到好的作用，但數(shù)據(jù)量大的時候，先驗則會約束整個系統(tǒng)的上限。用端到端就相當于把這些先驗給去除掉，這樣會進一步提升系統(tǒng)的上限。這也是為什么Momenta智駕現(xiàn)在的水平已經(jīng)比去年年底超越了幾十倍。

    談及如何解決一段式端到端方案前期下限低的問題，曹旭東表示，Momenta的處理方案類似于人類學習的邏輯。人類大腦既有短期記憶，又有長期記憶，當一個新的數(shù)據(jù)進來，它會先進入短期記憶，等到數(shù)據(jù)和方法被驗證之后才會進入長期記憶去學習。Momenta的端到端模型也受此啟發(fā)，分為短期記憶和長期記憶。短期記憶的訓練周期是以天為級別的。好的數(shù)據(jù)和好的方法得到驗證之后再進入長期記憶的模型學習。

    在曹旭東看來，實現(xiàn)規(guī)模化的L4，最關鍵的點是安全。“我們覺得至少要實現(xiàn)10倍于人類的安全性，才有可能實現(xiàn)規(guī)模化的L4。要達到10倍于人類的安全性，最關鍵的就是解決實現(xiàn)規(guī)?；疞4遇到的各種各樣數(shù)百萬個長尾問題。”

    對此，曹旭東給出兩點建議。第一，一定要數(shù)據(jù)驅動，數(shù)據(jù)驅動是可以自動化地解決絕大部分的問題。第二，需要至少千億公里的大數(shù)據(jù)。“家用車乘用車一年的里程大概一萬公里，千億公里需要一千萬臺車跑一年的時間。這也只是實現(xiàn)規(guī)?；疞4的必要條件，還不是充分條件，充分條件可能需要更多的數(shù)據(jù)。”曹旭東表示。