挑战华为，硬刚特斯拉，一举拿下奔驰、丰田、上汽、广汽、比亚迪等多家车企的几十个定点车型的Momenta何以成为自动驾驶“隐形冠军”？
太平洋网络高级副总裁@PCauto申立专访Momenta CEO曹旭东！
《变形吧汽车人·智驾先锋》（上集）重点文字速看！
视频发布链接：【视频】挑战华为，硬刚特斯拉，揭秘自动驾驶扫地僧Momenta的江湖故事_太平洋汽车
【问题1：“十年挽救百万生命“是曹旭东创立Momenta就定下的愿景，2018年正式提出，背后的投入也非常大，目前是处于什么进度呢，Momenta是怎样在6年把智驾交付人力降至1/40的？】
曹旭东：挽救百万生命的话可能实现了千分之一还不到，不能线性地来看待这个事。
人工智能发展是一个指数级的，有可能是最后的那两三年完成了99%的增长或者目标。
2018年写下到今年6年，但是我们是从2021年开始算的，因为2021年是我们正式的量产项目开始开发的时间。
【问题2：智己、腾势、埃安，就目前来说这几个产品里，一定要选一个的话你自己最满意的是哪个？】
曹旭东：我觉得都非常好，我们都是一个主线的软件版本它搭载到不同的车上，这很难说同一个Windows，你装到一个戴尔的笔记本上和装到一个惠普的笔记本上哪个是一个更理想更完美的产品。
我们是在2018年、2019年的时候那时候就考虑到我们会有很多的客户，即使同一个客户也会有很多车型，所以就需要有一套非常好的软件架构。这个主线的架构可以参数化地配置到多个不同的车型，不同的硬件配置、不同的需求上去。同时我们这个适配的过程有一整套完善的自动化的工具去做这个事情，这一点就使得我们整个的人效非常高。
量产第一款车的时候，我们用了超过400人，而且这个还是on-site(在现场工作的)支持的400人。我们现在一个老客户的新车型不到10个人。
【问题3：从400人到10人，这个过程走了多久？有来自比如特斯拉、华为、小鹏、百度的人吗？你是怎么吸引这些优秀的人才的呢？】
曹旭东：我们最早量产的时候是从2020年底、2021年初，到现在的话差不多有四年多的时间。但其实整个的能力建设和储备，应该是从2018年的后半年、2019年就已经开始。
我们有很多的来自于不同行业的人才，既有汽车行业的人才，也有互联网行业的人才，还有AI行业。我觉得肯定有，我相信其他的公司也会有Momenta的人。在一个充分的自由的市场里面，人才肯定是流动。
现阶段的话，其实找人已经难度不是那么大了。虽然不是一个To C的公司，但是在行业里面技术的口碑、产品的口碑还是不错的。如果你去找自动驾驶行业里面的人，应该都知道Momenta，也知道Momenta的这个水平到底怎么样。
面向校招去做招聘的时候你会发现，会有这个To C品牌知名度没那么高的问题。那我们现在在做一个事情，这个是我们公司的HRVP在主导的，叫智驾校园行，开着我们这个智驾车到中国的这些top高校，去了清华、上交、同济、北航这些学校。我们在校园附近去选路线的时候，专门去选那种不管是老师还是学生都知道的、非常有名的、比较复杂、难的路线。
【问题4：跟主机厂的合作是怎么跟他们结算？整个开发和实施过程中哪个环节是最难的？哪个开发环节出的问题最多？】
曹旭东：结算有点像微软卖Office，一个软件一个License(授权)。一个license大概几千块钱。
刚拿到工程样车的时候，它不是一个成熟平台的工程样车，是一个新平台的工程样车，会发现这个车上全都是问题。新平台意味着它这个整车上的所有的关联件都是新的，好处就是它的天花板比较高，缺点就是不成熟。
不成熟的情况下，自动驾驶涉及到的关联件有几千个，只要有一个关联件有问题，那这个自动驾驶的系统大概率就会出问题。这就是为什么我们在第一款车，开发的过程中是极其痛苦的。这些关联件我们没办法掌控什么时候可能会出问题，又很难预测。
后来我们就去开发了我们三大法宝，其中有一个叫做M-BOX（Momenta-box），会把量产开发中所有的关联件相关的都是做到这个M-box里面。量产的关联件如果有问题的话，M-box里面的关联件先去替代，等到这个量产的关联件问题被解决掉之后再用这个量产的关联件再替代回来，就可以避免因为某一个关联件的问题阻塞整个量产开发。
另外一方面，我们还有一个叫VVP（Vehicle Verification Platform），就是车辆检验平台。这个检验的平台我们就有Pre-run(运行前)、Run-time(运行时)然后Post-run(运行后)，就是整个的开发过程中三个阶段它都会运行。运行的过程中实时监测这些关联件的状态。
如果你有了这个车辆的状态监测的平台，某一个关联件出问题，你就可以立刻马上就知道是因为它造成的问题。如果每出一个问题你都要重新top down把所有的问题全部都排查一遍，这个周期和成本是巨高无比的。
【问题5：如何与车企的自研团队相处？】
曹旭东：其实我们量产过程中主要合作对象还不是这个自研团队，一般来说量产团队主要跟我们来对接。去做量产的自研团队的话，就相当于在自研，两边可能会有一些交流。
当你足够强大足够快的时候，你会发现就是说开放是一个最佳的战略，在同一个企业里面它的合作会更简单，然后也会更快。但其实我们也有另外一个好处，就叫众行者远。
我们会跟很多的客户去合作，刚开始实际上是很痛苦的一件事情，因为你有组织之间的对接和磨合，更多的客户去对接和磨合之后，其实更能理解自动驾驶最优的组织方式是什么样子、最优的交流方式是什么样子，它会有很多共性的地方，反倒是有可能构建起来一个更高效沟通和合作的模式的。
我们对AI可能有更多的know how，有时候甚至不光是自动驾驶，就是跟自动驾驶相关的整个的AI技术的发展，我们都会做一些交流和汇报。而车企的话，它在汽车行业对整车有非常多的know how，另外对于消费者的需求有非常好的洞察。
【问题6：自从特斯拉带火端到端后股票内车企都在竞争追逐，端到端到底是何方神圣？目前Momenta的端到端分为两个版本，一个两段式、一个一端式，进展如何？】
曹旭东：其实我们那个两段式是去年三四月份的时候就已经开发出来并且量产了，那时候还没有两段式端到端的概念，所以我们也没有这样叫，那个是最早把规控的端到端做出来，其实我们做规控的端到端时间非常早，大概2019年就开始；Transformer(一种深度学习模型架构)是2018年的时候就提出来，在2019年的时候就已经用Transformer去做Prediction(预测)了。
2020年的时候那时候我们就说，既然它车可以用Transformer来做prediction(预测)，那自车的未来建议的好的轨迹也可以用Transformer来做Prediction，所以我们从2020年就开始做了。
而且我们2020年做的时候就已经发现了，端到端的这个Planning(规划)其实它的天花板是更高的，它的驾驶行为是更拟人的。但是从2020年到2023年量产的这一段时间，我们一直在解决端到端的Planning的这个各种各样的下限问题，怎么用数据驱动的方式去解决。
要保证安全，很难用一个小脑去为大脑去兜底。整套算法里有Rule-based，但是并不是说用它去做安全兜底。真正要做到足够的安全，还是要用端到端用数据驱动的方式，让它的安全上限就足够高才行，下限全靠Rule-based去兜底是兜不住的。因为安全它是一个长尾问题，你不可能用这个考虑的非常有限的Rule-based的代码去为数百万个长尾的安全问题去兜底。
【问题7：关于长期记忆和短期记忆这个问题是什么意思？】
曹旭东：这是我觉得人脑进化出来的一个特别高效的机制，它是非常energy efficient(能效高的)，如果所有的各种各样的信息全部都进来，都是这个直接进入长期记忆，那人脑的功耗可能会巨大无比，而且它可能会干扰已有的知识体系。
但是有了短期记忆、长期记忆相当于在筛选，什么是好的数据、什么是好的方法。把不好的数据，不好的方法先在短期记忆这块就筛选掉。筛选掉之后，把好的数据、好的方法、这种golden data(黄金数据)，再consolidate(整合)到整个的长期记忆里面去。
【问题8：路线的选择有两个点，一个是有没有激光雷达，一个是有没有图；Momenta现在是什么路线？你怎么看不同的路线未来的发展？】
曹旭东：我觉得激光雷达的话，有激光雷达没激光雷达都可以。
我的判断激光雷达可能未来25万以上的车还会主流还是用激光雷达，因为确实现在激光雷达成本已经降到了千元级，而它确实在很多场景又能提供更好的安全价值，同时和中低端车实现差异化。20万左右的车，就比如说15-25万，我觉得可能主流是不用激光雷达的居多，但还有一些可能还会用激光雷达的。
这件事情其实你用智驾大模型去做的话，你会发现这件事情（成本）难度不大，模型就跟人脑是一样的，有很强的一个可塑性，你在训练的时候既给它喂有激光雷达数据，也给它喂没有激光雷达数据，然后让它去学。而且这个有没有（激光雷达）的话是随机的，神经网络它就会自然地学习到有和没有的情况下，我应该怎么去输出。
【问题9：未来有没有可能实现数据共享，社会成为这个行业的代表或推动者呢？】
曹旭东：我觉得这件事情很难，有可能不会发生。
但是我觉得在某一些场景上，还是有可能会发生的，我觉得AEB的整个数据的共享是很有价值的，不光要把这个数据共享出来，共享出来之后，未来的高阶智驾量产上市的时候，还要在这些共享的数据上去考试，考试完之后你的得分做到一个比较高的水平，AEB才能打五星。这样的话你共享出来的数据有一部分是白盒的，大家都可以拿去做训练的，还有一部分是黑盒的这个各家都拿不到只能考试用。
