排版 / 小圆
自从去年被马斯克提出后，“端到端”的技术路线已俨然成了自动驾驶领域最热门的词汇。
而在端到端技术上，Momenta最近又有了新进步。
9月29日，全球智能汽车产业大会（GIV2024）上，Momenta CEO曹旭东发布了首个量产智驾大模型。
这个大模型和其他公司的端到端模型的最大区别就是，它将感知与规划整合进一个大模型中，即一段式端到端。
这种一体化的设计不仅提升了系统的整体性能和效率，还有效提升了自动驾驶车辆在应对复杂路况时的表现。
简单地说，就是把原本感知、预测、规划等多个模型组合的架构，变成了“感知决策一体化”的单模型架构。
这种设计的优势在于完全基于数据驱动进行全局任务优化，具备更好、更快的纠错能力，并且能进一步减少模块间信息的有损传递、延迟和冗余，避免误差累积，提升计算效率。
不仅如此，这样的大模型泛化能力更强，由Rule-based（基于规则）转向Learning-based（基于学习），具备零样本学习能力，面对未知场景具备更强决策能力。例如，即使在感知模型中没有对应的物体定义，系统仍然能够做出合理避让。
此外，在训练时，Momenta的智驾大模型采用了“短期+长期记忆”的方法，这种方法分为两条支路——短期记忆和长期记忆。
短期记忆的训练周期以天为级别，通过快速训练验证数据和算法的有效性，而经过验证的好的算法和数据会在一段时间的积累后应用在长期记忆的模型学习中。
这种方法类似于人类大脑的工作方式，先更新短期记忆，然后将成功经验更新进长期记忆中，从而实现低成本、短周期的适应环境。这也使端到端大模型的训练成本可以缩小10到100倍，显著提高训练效率。
这样创新的训练方法，不仅提升了系统的上限，还降低了训练成本和周期，在高效的同时也能帮助Momenta节约成本。
第五代智驾大模型的自动化率超过了99%，这意味着新增的问题大多数可以通过数据驱动的方式自动化解决，无需人工参与。
而这也无疑为实现规模化的L4级别自动驾驶铺平了道路。
Momenta CEO曹旭东在会上表示，Momenta的量产目标是实现规模化的L4级别自动驾驶。这意味着不仅要在技术上达到L4标准，还要实现大规模量产。其目标是达到千万台车甚至上亿台车的规模，在全球范围内实现自动驾驶技术的广泛应用。
Momenta追求的不仅是达到人类驾驶的安全性水平，而是要达到人类驾驶安全性的10倍。
而为了实现这一目标，必须解决数以百万计的长尾问题。Momenta采取了数据驱动策略，通过自动化解决绝大部分的问题，如复杂交通情况、极端天气下的行车挑战，或是道路施工环境。
解决这些问题的关键在于数据，大量的数据。
为此，Momenta采取了“两条腿走路”的策略：一边是量产自动驾驶（Mpilot），另一边是完全无人驾驶（MSD）。量产自动驾驶车辆可以收集大量真实世界的驾驶数据，而这些数据又可以用来训练和优化完全无人驾驶的算法。
Momenta还采用了飞轮驱动的模式，通过量产数据和数据驱动的算法形成闭环自动化，推动技术不断迭代和进化。这种模式不仅能提升研发效率，也大幅降低了实现规模化L4的总成本。
Momenta的目标相当宏伟：至少需要千亿公里级别的测试数据。
这个数据量相当于100万辆车，每天10小时不间断运行，连续跑1年。这样的数据规模，可以通过量产自动驾驶车辆来实现，从而为算法训练提供充足的“养料”。
为此，Momenta正在积极和相关车企、供应商合作，加速推动无人驾驶技术规模化落地。
在会上，曹旭东的另一番话也很引人深思：“智能驾驶将遵循摩尔定律：其中软件体验将呈现出指数级提升，将达到两年提升10倍，四年100倍，六年1000倍的水平；智驾硬件成本也将迎来每两年降一半的发展态势，在2025年年底或2026年年初实现无图城市NOA（城市高阶智能驾驶）智驾成本做到5000元左右。未来能够跟上智驾摩尔定律的公司才能够生存。”
而Momenta的目标，早已不止是跟上智驾摩尔定律。曹旭东大胆地表示，Momenta智驾大模型可以在产品体验上实现飞跃，真正超越智驾摩尔定律。
而在谈到总有人评价“Momenta比华为高0.5~1档”时，曹旭东表示这不是Momenta自己说的，“但确实现在OEM（车企）客户对我们和华为都同样关注，在高阶智驾尤其是无图NOA的选择上，基本上拿着我们跟华为去做对标”。
而低调中，他也不乏自信：“对标之后，Momenta水平怎么样，华为水平怎么样？客户最终会做出自己的选择。”
-THE END-
推荐阅读
