飞轮式L4无人驾驶系统由量产数据驱动持续进化

先问一个问题：当各家自动驾驶的硬件方案越来越趋同，差异化到底在哪里？答案其实很明确——让数据转动起来。2020年6月30日，Momenta对外亮出了他们的答案：“飞轮式”L4（MSD）最新进展，详细拆解了如何让数据和算法在车与车之间高效流转。

回看目前已经量产的L2+（或L3）自动驾驶车辆，传感器配置的确定性越来越高。受制于成本，激光雷达基本被抛弃，取而代之的是多摄像头、毫米波雷达和超声波雷达的组合。特斯拉的方案是8个摄像头、1个毫米波雷达、12个超声波雷达；理想、蔚来、小鹏P7则采用8个摄像头和5个毫米波雷达。而Momenta、Nullmax这类科技公司，在量产全场景方案中直接上了12个摄像头、5个毫米波雷达的多传感器融合方案。这些策略都在合理规避激光雷达的同时，尽量满足L2+场景功能要求，也为后续软件升级留足了空间。

硬件方案逐渐收敛，摄像头安装位置、分辨率选择、毫米波雷达的使用都趋于一致。那么，在硬件差异化越来越小的背景下，真正拉开差距的只能是软件和算法——谁能更快地挖掘数据潜力，谁就能从L2+顺利升级到L4。

Momenta发布飞轮式L4：让数据和算法在车与车之间流转

2020年6月30日，Momenta正式对外分享了“飞轮式”L4的进展，这也是继去年12月发布MSD实车路测视频后，首次披露内部L4的最新推进时间表。所谓“飞轮式”L4，本质上是靠量产数据驱动的完全无人驾驶方案。具体路径是：将量产自动驾驶产品Mpilot搭载在车辆上，在为客户解决问题、创造价值的同时，回收海量真实驾驶数据，形成迭代的活水源泉。这些来自真实世界的数据就像活水一样，源源不断注入“飞轮”循环，推动MSD持续升级。

随着量产数据的不断流入，数据驱动的算法会自动迭代，逐步解决自动驾驶的长尾问题。Momenta通过建立问题自动化发现、记录、标注、训练、验证的闭环，让技术和产品具备了自动迭代能力，驱动“飞轮”高速转动。

这套听起来有些玄妙的方案并非停留在理论层面。在发布会现场，Momenta直接直播了飞轮式L4方案驱动下的自动驾驶车辆如何在复杂城市道路中穿行。多个左转场景、红绿灯、异型车辆cut-in，全程无人接管，运行流畅，制动轻柔——像极了经验丰富的老司机。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。这些场景都被车辆从容应对。

规模化L4的最终实现，需要解决隐藏在千亿公里数据下的长尾问题，更关键的是让量产数据和数据驱动的算法之间形成自动迭代的闭环。Momenta飞轮三因子中的“闭环自动化”正是这样一套高效的工具链。路测直播结束后，工具链立即将数据拆解分析，通过场景筛选器筛选出有价值的样本，然后对黄金数据进行全自动标注。当数据积累到一定水平，系统自动触发无人工干预的模型训练迭代，完成训练后模型评测自动启动，研发团队只需阅读系统推送的评测报告来决定是否发版——整个闭环就此完成。

随着“飞轮”开始转动，Momenta的研发效率显著提升。目前在环境感知、高精地图、预测等环节，已实现完全数据驱动，并通过闭环自动化持续迭代。按规划，到2022年，Momenta可以实现全流程数据驱动的算法；到2023年，利用闭环自动化实现算法100%自动化迭代。

去掉安全员，才可能实现单车盈利

2020年上半年，百度、滴滴纷纷启动了自动驾驶打车出行服务，Momenta也在近期拿到了苏州第一块Robotaxi示范应用牌照。但自动驾驶出行服务真正实现商业化，必须找到盈利空间——靠烧钱博流量不是长久之计。

“自动驾驶的终局一定是规模化的完全无人驾驶。”Momenta CEO曹旭东直言，“以Robotaxi落地为例，规模化L4指的不是一个区域或城市，而是至少路况复杂的十个城市，每个城市至少一万辆车，否则谈不上商业化落地。”同一赛道的文远知行也表达了类似观点：不拿掉安全员，所有Robotaxi商业模式都是伪命题。然而，在保证安全的前提下拿掉安全员，何其艰难。

测算显示，人类司机的驾驶水平约为一亿公里出现一次致命事故。要实现规模化L4，至少要做到人类司机的安全水平，最好还要高一个数量级。这意味着需要进行至少千亿公里的测试，解决百万长尾问题。千亿公里是什么概念？100万辆车每天10小时不间断运行，连续跑1年。

那么规模化L4的总成本如何计算？Momenta用“飞轮公式”来量化：总成本 = 数据成本 + 研发成本。研发成本取决于问题个数（N）乘以解决单个问题的研发成本（R）；数据成本取决于里程数（M）乘以单公里数据成本（D）。由于处于“无人区探索”状态，N和M难以精确评估，但可以肯定N至少百万量级，M至少千亿公里。

和行业现有路径相比，Momenta以量产数据驱动的方式，能够跨数量级地降低研发成本和数据成本。常规规则驱动（Human-Driven）的最大挑战是用有限人力解决上百万个问题；而量产数据驱动（Data-Driven）只要数据足够，就能自动化解决绝大部分问题，研发成本自然大幅下降。因此，通过“飞轮式”L4，Momenta将规模化L4的总成本降低了数个量级。

Robotaxi是“飞轮式”L4的重要商业化落地场景。Momenta已于2020年6月取得苏州第一块Robotaxi示范应用牌照，并制定了明确时间表：2022年，做到苏州Robotaxi部分车辆车端无安全员试运营；2024年，车端100%无安全员，实现单车盈利；从2024年开始，结合已经回流的大规模量产数据，Robotaxi将实现多地规模化落地运营。

“在一个城市先实现单车盈利，再复制到其他城市，是无人驾驶规模化落地最精益的模式。”曹旭东总结，“对于Momenta而言，这个转折点出现在2024年。一方面飞轮式L4的发展将让苏州率先实现车端完全无安全员的商业运营，降低单车成本，完成商业模式0-1的验证。另一方面，2024年量产车型大规模上市，量产数据大规模回流，数据和技术上1-N的储备也已到位，具备快速扩张的条件。届时Momenta将开始多地落地，以极快的速度实现规模化L4。”

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：飞轮式L4无人驾驶系统由量产数据驱动持续进化要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题