對于Momenta來說，2022-2024年是1-10的階段（完成規模化量產能力），現在則處于10-100的爆發式增長階段。

在今天（9月29日）的全球智能汽車產業大會（2024 GIV）上，Momenta CEO 曹旭東發布了首個量產智駕大模型，將感知與規劃整合進一個大模型中，形成端到端、深度學習的自動駕駛解決方案。

”如果套用端到端的概念，Momenta在去年就已經實現了兩段式端到端——感知端到端+規控端到端，而今年已經實現了一段式端到端。“曹旭東說道。

在曹旭東看來，規模化的L4，不是用幾百上千臺Robotaix，在一座城市或幾個城市區域跑一些示范性的運營。而是要做到千萬臺車、上億臺車，在全球實現可規模化的L4。

”L4技術在安全性上必須做到人類的10倍，其中最關鍵的問題，是要解決數百萬個各種各樣的長尾問題。“

對于此，曹旭東表示，數據驅動可以自動化地解決絕大部分的問題，但這至少需要千億公里的數據。而且這只是實現規模化L4的必要條件，而非充分條件，充分條件還需要更多的數據。

基于此，Momenta一直采用「兩條腿」（量產自動駕駛+完全無人駕駛）以及飛輪驅動的策略。如今，其智駕大模型已發展至第五代，并已將感知與規劃整合進一個大模型中，形成了端到端、深度學習的自動駕駛解決方案。

該方案除了能夠預測和應對各種復雜的駕駛場景，還能根據用戶的駕駛習慣和偏好進行個性化調整。

“Momenta第一代模型的自動化率約為50%，而第五代超過了99%。也就是如果新增100個問題的話，99個都可通過數據驅動，不需要人工參與。”

據曹旭東介紹，Momenta智駕大模型可在各種復雜道路環境下，預判車輛或行人的通行意圖，自動調整車速、靈活變道、從容避讓障礙物。另外，即使在夜間極窄車位，斷頭路車位等極限場景，也可實現精準泊車。

目前，這一技術方案已在多個汽車品牌商實現量產交付。

「短期+長期記憶」訓練法

目前，業內多數企業還是采用的還是「兩段式端到端」，通常為感知+規控的端到端方案。對于兩段式和一段式各自的挑戰，曹旭東也進行了分析。

”感知端到端通常只對人類容易定義的物體，才能較好地搜集訓練數據，進行學習和驗證。但如果是不好定義的物體，例如山上墜落的石頭、水坑等復雜的障礙物，就比較難在感知端到端中實現對應的輸出，導致規控端到端也沒有對應的輸入，從而忽視掉這些重要的感知信息，做出一些誤判的駕駛行為。“

他介紹稱，一段式端到端的好處，是將感知端到端和規控端到端聯系在一起，學習未定義的物體——即使在感知模型中沒有對應的物體定義，系統仍然能做到繞行。

而至于為何現在還有很多兩段式的端到端，是因為一段式端到端的研發過程中有很大挑戰，也就是業內常說的「上限很高，下限很低」：一段式端到端對于下限很低的問題很難debug。

“我們的處理方案類似于人類啟發式的方法——人類大腦既有短期記憶，又有長期記憶。當一個新的信息進來，它會先進入短期記憶，等到數據和方法被驗證后，才會進入長期記憶去學習。”

據介紹，Momenta智駕大模型也分為兩條支路——「短期記憶」和「長期記憶」。「短期記憶」由感知(DDLD、DDOD)和記憶與深度學習的規劃(DLP)構成。

通過這樣的方式，可以先進行快速訓練，驗證用于訓練的數據是否正確，以及訓練使用的算法是否有效。

最終，被「短期記憶」驗證過的好的算法和數據，會在一段時間的積累后應用在「長期記憶」，即最終的端到端大模型上。這比直接完全用端到端的大模型去試錯，訓練的成本應該能小10到100倍。

“我們的端到端模型，短期記憶的訓練周期是天級的，好的數據和好的方法得到驗證之后，再進入長期記憶的模型學習，達到更好的效果。”

「軟件摩爾定律」沒有上限

此前，曹旭東曾提出了「智駕摩爾定律」。其中的軟件部分是指智駕行業水平會實現兩年提升10倍，四年100倍，六年1000倍；而硬件的摩爾定律則是指BOM成本兩年會減半。

“大概一兩年前，實現城市NOA需要兩個OrinX+雙激光雷達，硬件BOM約為2萬出頭。而現在，實現城市NOA的硬件BOM成本可以做到1萬元左右。”

他指出，到2025年底到2026年初，這一數字可以將至5000元左右。

“硬件的成本下降是有極限的，預估到四五千可能就到硬件BOM成本的極限，但是軟件的摩爾定律兩年10倍這個增長是沒有上限的，未來一定會實現零事故的自動駕駛。”