news 2026/3/23 23:40:51

自动驾驶“数据飞轮”王者:深度拆解Momenta的端到端大模型与量产奇迹

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
自动驾驶“数据飞轮”王者:深度拆解Momenta的端到端大模型与量产奇迹

自动驾驶“数据飞轮”王者:深度拆解Momenta的端到端大模型与量产奇迹

当大多数自动驾驶公司还在技术与商业化的十字路口徘徊时,一家中国公司已默默拿下了中国城区领航辅助驾驶市场60%的份额,与全球30余家主流车企合作超130款量产车型——这就是Momenta,用独特的“飞轮”模式改写了自动驾驶的游戏规则。

技术战略革命:一个飞轮如何驱动两条腿

Momenta的核心理念可以用其创始人曹旭东提出的“一个飞轮两条腿”战略完美概括。这看似简单的比喻,背后却是对自动驾驶行业本质的深刻洞察。

“两条腿”指的是自动驾驶发展的两个方向:量产辅助驾驶(L2-L3)和完全无人驾驶(L4+ Robotaxi)。多数公司只能专注其一,而Momenta让两者形成了协同闭环。

这个战略的精妙之处在于,量产车收集的海量真实路况数据持续喂养算法模型,而L4级技术突破又不断反哺提升量产车的智能水平。这种双向赋能形成了强大的数据飞轮效应——数据越多,算法越强;算法越强,产品体验越好;体验越好,合作车企越多;车企越多,数据来源更广。

2016年成立时,Momenta就确立了这条与众不同的技术路径。当时行业分为两派:一是以Waymo为代表的“一步到位”Robotaxi路线,二是以特斯拉为代表的渐进式辅助驾驶路线。而Momenta是少数同时布局两条路径并让它们产生化学反应的公司

飞轮大模型:端到端架构的技术突破

如果说战略是方向,那么技术就是实现这一战略的引擎。Momenta最引人注目的技术成果当属其“飞轮大模型”,这是全球首批实现量产落地的端到端自动驾驶大模型之一。

传统自动驾驶系统采用模块化设计:感知模块识别环境中的物体,预测模块判断它们的行为,规划模块决定车辆的行驶路径。这种架构虽然结构清晰,但存在信息损失和误差累积的问题。

Momenta的飞轮大模型采用端到端架构,将感知、预测和规划整合进一个统一的大模型中。这模仿了人类驾驶的思维方式——我们不会先识别所有物体,再逐个分析它们的运动,最后规划路径;而是整体感知环境并直接做出驾驶决策,就像一位经验丰富的“老司机”。

最新发布的R6飞轮大模型更引入了强化学习技术,让系统能在仿真环境中自我学习和进化。这意味着它不仅能从真实数据中学习,还能主动探索应对各种复杂、罕见的“长尾场景”——那些传统算法难以覆盖的极端情况。

量产奇迹:数据飞轮的现实验证

理论再完美,也需要市场验证。Momenta的商业化成果令人瞩目:

截至2025年,Momenta已与超过30家主流车企合作,量产车型超过130款,包括奔驰、宝马、丰田、通用、比亚迪等国内外巨头。特别值得注意的是,2024年Momenta在中国城区领航辅助驾驶(NOA)第三方供应商市场占有率达到60%,这一数字足以证明其技术实力和市场认可度。

更令人印象深刻的是Momenta方案的搭载量增长速度

  • 首个10万辆搭载:用时约2年
  • 第二个10万辆:仅用半年
  • 第三个10万辆:约3个月

这种指数级增长正是“飞轮效应”加速运转的直接体现。随着搭载量的增加,数据收集能力呈指数提升,算法迭代速度越来越快,产品体验随之改善,进而吸引更多车企合作——正向循环已经形成

全球化布局:中国方案的出海之路

Momenta的野心不止于中国市场。凭借其“无图”技术方案(不依赖高精地图),Momenta可以快速适应不同国家和地区的道路环境,真正实现了“全球都能开”的部署能力。

目前,Momenta的技术方案已在欧洲、澳大利亚、新西兰、中东和日本等多个市场落地。2024年,Momenta与国际出行平台Uber达成战略合作,计划于2026年在德国慕尼黑启动Robotaxi测试运营,这标志着中国自动驾驶技术正式进军全球核心市场。

与传统Robotaxi公司不同,Momenta的方案通过复用量产车的传感器和计算平台,大幅降低了单车成本。这种“降维打击”的策略,使其在高阶自动驾驶的商业化道路上具有显著的成本优势。

行业启示:自动驾驶的“中国模式”

Momenta的成功为自动驾驶行业提供了宝贵的启示:

首先,数据驱动是王道。在人工智能时代,数据是核心生产资料。Momenta通过量产车收集的海量真实数据,构筑了难以逾越的竞争壁垒。

其次,商业化与技术研发必须形成闭环。纯粹的技术研发难以持续,而脱离技术深度的商业化则缺乏后劲。Momenta的“两条腿”战略恰好平衡了这两方面的需求。

第三,开放合作胜过单打独斗。Momenta选择与车企深度绑定的“共研模式”,而非试图通吃全产业链。这种定位使其成为车企智能化转型的“技术伙伴”,而非竞争对手。

未来展望:从辅助驾驶到完全无人驾驶

Momenta的路线图清晰而务实:计划在2025年底推出首批车端无人的Robotaxi试运营,这将是其技术能力的终极检验。

随着“飞轮”转速越来越快,Momenta正朝着“完全无人驾驶”的目标稳步前进。而其独特的“量产数据驱动算法迭代,高级算法反哺量产产品”模式,或许正是实现这一目标的最优路径。

在自动驾驶这场马拉松中,Momenta已经找到了自己的节奏和方向。当行业还在为技术路线和商业模式争论不休时,这家公司已经用实际成果证明了“数据飞轮”的力量。自动驾驶的未来,很可能将由这种能够自我增强、持续进化的系统定义。


Momenta的故事远未结束,随着其全球化步伐加快和Robotaxi业务推进,这家公司很可能会继续给行业带来惊喜。对于那些关注自动驾驶、人工智能和未来出行的读者来说,Momenta的发展轨迹值得长期跟踪研究——因为这不仅是一家公司的成长史,更是整个行业变革的缩影。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/23 7:56:19

MGW-10000微机控制静载锚固试验机

MGW-10000微机控制静载锚固试验机 一、产品主要功能  本机主要用于混凝土结构和构件用预应力钢绞线锚具、夹具和连接器,预应力钢结构钢绞线锚具、夹具和连接器,拉索锚具、夹具和连接器,预应力筋锚具、夹具和连接器的静载锚固性能测试…

作者头像 李华
网站建设 2026/3/17 5:51:28

Python 异步编程实战:深入理解背压机制与 asyncio.Queue 的流量控制艺术

Python 异步编程实战:深入理解背压机制与 asyncio.Queue 的流量控制艺术 引言:当数据洪流遇见处理瓶颈 在我十多年的 Python 开发生涯中,曾亲眼见证过一个生产环境中的"惨案":一个实时数据采集系统在运行三小时后突然崩溃,原因是内存溢出。事后分析发现,数据…

作者头像 李华
网站建设 2026/3/19 10:25:06

告别低效自动化:这套五步框架,让你的Workflow进化为高阶Skill

Workflow 的天花板极低。你无法在节点里表达复杂的递归逻辑,难以复用模块,更无法进行版本管理(GitOps)。当你想要把一个写好的工作流分享给别人时,导出导入的过程充满了环境依赖的深坑。 这是典型的「低代码陷阱」在 …

作者头像 李华
网站建设 2026/3/13 6:05:52

荣耀“宣布清仓”,16GB+512GB+2亿像素,从3999元跌至2947元

手机分屏 摄像头像素越高,不代表拍照效果就一定越好,这一点很多人都明白,但是关注手机行业人应该能明显感知到,这一年时间里,配备2亿像素摄像头的手机数量越来越多了,无论是小米、OPPO、vivo还是荣耀&#…

作者头像 李华
网站建设 2026/3/14 14:02:14

多功能场馆预约系统源码,支持分时计价、节假日设置与多端预订

温馨提示:文末有资源获取方式 在全民健身和体育产业政策利好的大背景下,各类场馆迎来了发展黄金期,但竞争也日趋激烈。实现精细化、数字化运营,是场馆脱颖而出的关键。源码获取方式在源码闪购网。 详细功能列表阐述: …

作者头像 李华
网站建设 2026/3/15 2:51:51

学术降重新纪元:书匠策AI用“语义显微镜”破解论文查重的终极困局——当查重从“文字扫雷”升级为“逻辑重塑”,你的论文终于能自由呼吸

在学术写作的江湖里,查重系统曾是悬在研究者头顶的“达摩克利斯之剑”。传统工具以“文字匹配”为核心理念,将论文与数据库中的文本逐字比对,标记重复片段。这种模式虽能快速定位表面重复,却也催生了无数“降重陷阱”:…

作者头像 李华