文｜李安琪

编辑｜李勤

似乎一夜之间，高阶辅助驾驶的量产赛道里挤满了玩家。

(相关资料图)

尤其在上海车展期间，头部玩家轮番角力：前有华为余承东放话“智能驾驶从深圳开到上海，只有两次接管”；理想汽车也加入战局，发布了更激进的智能驾驶落地计划——年内完成100城的城市NOA落地推送。

“今年是智能驾驶落地的拐点，明年是引爆点。”智能驾驶技术公司Momenta创始人兼CEO曹旭东也在接受36氪专访时总结。

高阶智能驾驶量产落地的亢奋和焦虑刺激着新老车企，智能驾驶技术供应商自然要趁风而舞，攫取市场。性价比是他们的一道利器。

不少公司已经拉上国产芯片厂商地平线来抢占市场，后者也成了国内车企性价比方案的首选。

但游戏不只有一种规则，Momenta的策略是选定国际芯片大厂NVIDIA。近日，Momenta宣布，公司基于NVIDIA DRIVE Orin的一款高性价比芯片，推出更具性价比的智能驾驶方案——Mpilot Pro方案，服务于15万-35万主流中端车型。

据公开信息， Orin采用7nm工艺制成，单片算力高达每秒254 TOPS。但同时，Orin还有一款高性价比芯片版本（可以理解为入门版），同样能帮助Momenta，将Mpilot Pro方案的成本控制在万元以内。

过往，Orin芯片几乎是中高端车型的标配。但汽车行业向来规模为王，曹旭东认为，在攫取更主流的20万元左右市场时，智能驾驶方案需要更高性价比，才有可能打动更多车企与用户。

据介绍，Momenta的Mpilot Pro方案虽然成本下探，但依然可提供基本的辅助驾驶功能、APA自动泊车辅助，以及进阶的HNP高速高架领航辅助、UNP城市道路领航辅助等，实现高速高架、城区、泊车的全场景覆盖。

此外，该方案也可以不依赖激光雷达和高精地图。据透露，搭载该方案的量产车型，将于下半年推出。

这个背景下，Momenta公司CEO曹旭东接受了36氪专访，分享了其作为智能驾驶量产先行者，对技术工程化、组织管理的理解与洞察。

Momenta是最早进入智能驾驶量产赛道少见的玩家之一。在2019年行业狂热追风L4级Robotaxi之际，Momenta就已经推出了量产智能驾驶方案Mpilot，并于当年获得了上汽智己量产合作订单。彼时行业其他玩家基本处于声量大，但不见量产订单的状态。

入局时刻早，意味着会面临许多无人遇见过的挑战。

如何将自动驾驶技术转变成车规级软件功能，就相当考验供应商的工程化能力。

在曹旭东看来，软件算法的工程化，已经远超过软件本身。在量产交付中，他越来越意识到，工程化是“一种让多方人员长期高效合作的能力”。

这其中包括与合作伙伴的磨合，“这个过程其实是蛮挑战的，也会经历很多痛苦，但是一旦合作默契形成之后，会给产品开发带来很大提升。”曹旭东说道。

更大的挑战来自企业管理问题。曹旭东也举例，量产过程中，有时候会出现一些边界不清楚的任务问题。“这很容易扯皮的，我们的量产项目中也确实发生过。这时候怎么选择？只把合同约定范围内的东西做好，还是说未定义任务也是Momenta的任务?”

曹旭东对团队的要求是：不管什么问题，一定都是Momenta的问题，团队要冲上去解决。“在组织管理之前更重要的是文化——以客户为中心。”

“自动驾驶里面看和外面看完全是两码事。外面看起来各种高大上，但干起来真的苦。要做好量产，除了技术和产品竞争力外，还有一部分是竞争力叫吃得了苦、吃得了亏、受得了委屈。”

也是凭借这份态度，Momenta收获了比亚迪、吉利汽车等头部主机厂的旗舰车型量产合作订单。

新能源和智能化相伴相生，当下，新能源汽车渗透率已达到30%，智能驾驶也随之向更广泛市场渗透。曹旭东认为，20万左右的车型智能驾驶成本做到万元以内是必须的。这也是Momenta与NVIDIA合作，推出面向15万-35万车型市场的解决方案的原因。

曹旭东告诉36氪，内部智能驾驶技术架构已经发展到3.5代，能够满足不同客户不同的配置需求，打造高端标杆项目和走量项目之间并不冲突。

而今年以来，元戎启行、轻舟智航、大疆车载等智能驾驶Tier1也纷纷推出万元级别的智驾产品，大有掀起价格战的趋势。

对此，曹旭东表示：“合适的系统成本很重要，但自动驾驶不应该打价格战，应该打价值战。光卷价格没用，关键要卷价值。”

他认为，产品价格再便宜，如果没办法为用户创造价值，即便是千元级产品用户还是会觉得贵。只有在更多功能场景下让智能驾驶更接近、甚至超越人类司机，用户才有可能为此买单。

以下为36氪与Momenta创始人兼CEO曹旭东的独家对话，内容略经摘编：

36氪：今年智能驾驶行业竞争非常激烈，不少Tier1都强调将L2+产品成本压到万元以内，价格战听起来似乎不可避免，你们如何应对？

曹旭东：随着智能驾驶向更主流价格车型渗透，20万左右的车型实现万元以内的智能驾驶成本是很重要的，我们希望让更多人能够享受到智能驾驶带来的便利和安全。

整车价格战可能还会持续，但智能驾驶我觉得现在不应该打价格战，应该打价值战。如果打价格战，这个行业就要被打死了。价格再便宜，如果没办法给用户创造价值，即便是一两千的配置用户还是会觉得贵。但一两千块钱成本对自动驾驶来说，基本不现实。

最重要的，应该是在更多功能场景下让智能驾驶更接近、甚至超越人类司机，这样的话，用户一定会产生兴趣。现在高速NOA场景大家都在做，但真正能做到好的用户体验的，要到今年后半年或者今年年底，预计会有两三家，能够做到提供出色的用户体验，让用户在行驶过程中真正放心，安心，真正能享受到智能驾驶的舒适和方便。

36氪：从2021年3月宣布与智己汽车合作到最近高速NOA功能即将上线，这个量产节奏你满意吗？

曹旭东：功能正式开发是2021年，2022年上半年上市，量产进度其实蛮快的，差不多一年半时间。

至于为什么最近功能才即将推给用户，其实是一个行业难题。真正做量产之前，我们对行业难题的认知是不够的。当下整车开发周期在缩短，但开发节点还是一样的，基本还是按照硬件开发的节奏在走。基本要到sop的时候，硬件才能稳定。而理论上，软件需要在硬件稳定之后，才可能上车，就像盖楼一定要有地基。

量产过程中，我们遇到的很大挑战就是硬件不稳定，所以新车发布时搭载的是基础功能，等上市一段时间后，硬件稳定后，我们再持续迭代升级，这个时候软件的进步是非常快的，智驾功能和性能会突飞猛进。

36氪：您现在对“工程化”这个词的理解是怎样的？

曹旭东：算法其实分算法研究和算法工程。所谓的工程化，其实是让多方多人在长时间内高效合作。

在量产过程中除了硬件不稳定外，更重要的事情是跟客户和合作伙伴学习，一起去高效高质量打造极致的产品。这个过程其实是蛮挑战的，也会经历很多痛苦，但是一旦合作默契形成之后，会给产品开发带来很大提升。

36氪：组织层面你做了哪些调整来适应多个量产项目的开发？

曹旭东：我觉得在组织之前更重要的是文化。简单来说，就是以客户为中心。听起来老生常谈，但真的做到位其实很难。

比如合作过程中出现边界不清楚的问题，这很容易扯皮，我们的量产项目中也确实发生过。这时候怎么选择？只把合同约定范围内的东西做好？还是说，未定义任务也是Momenta的任务？是完成任务的心态？还是希望客户成功、产品成功的心态？

我对团队的要求是，不管什么问题，哪怕未定义的问题，一定都是Momenta的问题，要冲上去解决。这个过程付出了更多成本，甚至可能带来一些额外批评，但路遥知马力，日久见人心，客户会感受到，我们的目的都是围绕着项目和产品成功来努力的。

我有时候开玩笑，自动驾驶里面看和外面看完全是两码事。外面看起来各种高大上，但干起来真的苦。要做好量产，除了技术和产品竞争力外，还有一部分是竞争力叫“吃得了苦、吃得了亏、受得了委屈”。

36氪：当下行业在火热地“去高精度地图”，你们在这方面做了哪些投入？

曹旭东：我们的速度还是比较快的，主要分两方面，一块是高精感知，主要采用的是可替代高精度地图的DDLD ( Data Driven Landmark Detection)技术。因为高精感知学习的对象还是高精度地图，所以模型算法搭建之外，更关键的是怎么获得海量高精地图的数据供模型学习。

其他企业可能要从头开始搞，但我们过往有很大量的高精度地图数据积累，虽然新的感知方案只做了一年多时间，但得益于过往的积累，做起来还是比较快的。

另一块是规控算法，我们没有为无高精方案专门开发一套规控算法，整套软件算法架构是向前兼容的。高精度地图是可以选配的。

36氪：自动驾驶技术还在不断进化，你们怎么在量产交付非常赶的状态下，保持对前沿技术学习和快速应用？

曹旭东：我们量产的就是很前沿的技术。国内行业炒得很热的BEV+Transformer，我们很早就已经量产了。我们的判断是，BEV是一个中间状态的技术。现在我们在做的是下一代的技术方案——DD4D （Data-Driven 4D Model）。特斯拉去年的AI day上也不提BEV，而是occupancy network 占用网络，大家的思路很类似，不用将2D图片转化成3D输出，而是直接输出3D效果。

36氪：跟英伟达合作，Momenta想覆盖30万以下车型市场，“做精品”和“扩市场”两者会有冲突吗？你们怎么化解这种矛盾？

曹旭东：我觉得没有太大冲突，但不代表这件事情不难。我们在几年前就已经考虑到这种潜在冲突，并且从软件和算法架构上着手解决这个问题。得益于飞轮模式，我们的主线架构已经发展到3.5代了，能够很好地解决标杆项目“顶天立地”和走量项目“铺天盖地”之间的冲突。

我们面临的其他挑战是，有多个客户、每个客户车型、传感器都不一样，这是很大的挑战，我们从系统架构层面来解决这个问题。所以自动驾驶一定要有前瞻性思考，不是提前三个月思考，是至少提前三年思考软件算法设计。