要实现这一目标,必须从量产经验、技术布局和安全标准三个关键维度进行突破。
量产经验和技术布局,直接决定了Robotaxi能否从0到1,再从1到N实现规模化落地。
在业内,使用“长期记忆”和“短期记忆”配合方式研究智驾大模型的Momenta,是少数具备“端到端”自动驾驶量产能力的企业。截至目前,Momenta累计合作量产车型已超过140款,并预计在今年5月完成第三个10万辆的搭载里程碑。
更早也更多地积累量产经验,使得Momenta在与享道等合作伙伴推进Robotaxi项目时,能够通过复用量产传感器和计算单元,大幅降低单车成本。
Robotaxi另一个挑战是ODD运行域限制,即只能在特定区域和条件下运行。和大部分L4平台不同,Momenta采用端到端模型+轻量化地图方案,摆脱对高精地图的依赖,实现在不同国家、城市道路环境中的快速适配,已成功应用于欧洲、澳新、中东、日本等市场,真正迈向“全球都能开”。
翻过成本这座大山,更险峻高峰扑面而来。要实现真正的规模化L4,必须解决长尾问题(corner case),证明其远超人类驾驶员的安全水平,建立从“能用”到“安全”的核心壁垒。
“最核心的是安全。”曹旭东就多次直言,如果 Robotaxi公司1000台车一年有一起重大或者死亡事故的话,可能公司就要关门了。
安全包含整车安全、自动驾驶安全、数据安全……这样的长尾问题有数百万个,几乎不可能用规则导向、人工逐一攻破。
曹旭东提出的解法是“一个飞轮”,喂足够多的数据,通过数据驱动的方式来解决问题,核心是被业界验证的“量产数据+ 数据驱动算法+ 闭环自动化”。
这样的解法已是自动驾驶界共识,Momenta的飞轮迭代到第五代,自动化率从最初的50%提升到超过99%。这意味着新增100个驾驶问题中,99个可以通过数据驱动自动化解决,无需人工干预,可以显著降低研发边际成本。
曹旭东说,今年下半年,还将推出基于强化学习的R6飞轮大模型。该模型能够从“胜败”中自主总结经验,使自动驾驶算法具备超越人类驾驶员的潜力。
自动驾驶技术竞争本质上是数据积累的竞争。算法有了,需要多少数据才能够实现L4水平的规模化?
据Momenta估算,这需要积累至少1000亿公里的驾驶数据,相当于1000万台乘用车行驶一年的数据量。国内外还没有任何一家企业的自有车队达到该规模,必须依赖大规模量产车数据回流。
基于此,Momenta又有了“两条腿”走路的产品战略,即一条腿量产L2辅助驾驶,类似特斯拉FSD,与国内外大Tier 1合作绑定;另一条腿是L4级别的完全无人驾驶,攀登技术珠峰。软硬件平台保持一致,以实现技术通用与数据共享。