一个Momenta，为什么能吸引上汽、丰田、博世、戴姆勒同时投资？

编者按：本文来自汽车商业评论，作者刘宝华，编辑牛跟尚，设计杜凯，创业邦经授权转载。

虽然只有100辆，2021年3月5日正式开售的全球首款具有法律许可的L3级自动驾驶量产车本田Legend还是给在L2上徘徊了好几年的自动驾驶按下了跳跃键。

事件带来双重震动，一是L3这只靴子终于落地了，二是让L3率先落地的是传统车企，而不是特斯拉、造车新势力这些最在意自动驾驶的新车企。全行业自动驾驶的推进速度无疑会被本田Legend加快。

3月19日，中国自动驾驶科技公司Momenta宣布完成C轮总计5亿美元的融资，参与领投的有中国战略投资方上汽集团以及国际战略投资方丰田、博世，还有知名投资机构淡马锡资本、云锋基金，跟投方包括梅赛德斯-奔驰、腾讯、GGV纪源资本、小米系顺为资本、凯辉等。

Momenta此次融资的投资方阵容堪称豪华，汽车行业的投资方包含了全球最大车企丰田、全球最大豪华车企奔驰、全球最大零部件企业博世、中国最大车企上汽集团，集齐了四大No.1，还同时吸引了互联网巨头阿里（云锋基金）和腾讯。

3月15日，企查查大数据研究院发布《近十年自动驾驶项目投融资数据报告》，称我国近十年自动驾驶项目投融资事件共376起，披露的融资总金额近2377.5亿元。

从时间线来看，自动驾驶赛道从2013年开始进入萌芽期，此后几年相关的投融资事件逐年增多，2016年进入快速发展期，2018年达到顶峰，新注册企业472家，全年投融资事件78起，披露投融资总金额高达811.0亿元，是过去十年中披露金额最大的一年。

2019年进入低谷期，2020年虽然有疫情影响但投融资金额436.3亿元，同比增长136.9%。2021年开年，自动驾驶赛道热度不减，仅前两个月的投融资事件已达24起，披露投融资总金额为176.4亿元。

此次产业界和投资界同时押注自动驾驶科技公司Momenta，对自动驾驶赛道来说还有一层利好：在特斯拉、蔚来、小鹏等新兴车企纷纷选择自研路线时，各方对自动驾驶科技公司的看好拓宽了技术落地的选择面与可性能。

对Momenta来说，相比财务投资，四大No.1的产业投资方更为重大，它们不仅提供资金，作为全球最重要的主机厂和Tier1，也是自动驾驶落地的操盘手，它们对Momenta的认可代表了最专业的评价，而且毫无疑问还会成为Momenta的客户、合作伙伴。

Momenta为什么能吸引如此多世界一流企业的投资？要知道，这些企业在自动驾驶方面的研发史比Momenta的公司史更久远。

Momenta CEO曹旭东认为，公司创立之初即确立了“一个飞轮”的技术洞察，以重新定义实现无人驾驶的关键路径。经过四年多的发展，围绕“飞轮”和“两条腿”产品战略，公司已打造出领先行业的自动驾驶产品，并获得全球客户的认可。

“本次融资标志着公司进入一个新的里程碑，这些来自全球合作伙伴及资本的加入，将帮助我们为‘飞轮’注入更多动力，助推Momenta‘两条腿’的产品战略从中国迈向世界。”曹旭东表示。

什么是Momenta的“一个飞轮”和“两条腿”？

2020年6月30日，Momenta曾对外分享过其“飞轮式”L4（MSD, Momenta Self Driving）最新进展，详解实现规模化L4的关键路径。

“一个飞轮”是指随着量产数据、数据驱动的算法以及两者闭环自动化的不断积累和迭代，带来产品和商业的爆发增长，最终实现无人驾驶规模化落地。

随着飞轮的转动，Momenta实现完全无人驾驶的速度得到了显著提升。目前公司在环境感知、高精地图、预测等环节已实现了完全数据驱动，并通过闭环自动化持续迭代升级。

预计到2022年，公司可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%自动迭代。当前版本的飞轮可以自动化地解决超过90%的长尾问题，研发效率相比于完全人工驱动的方式提升了近10倍，并计划在2年内将这一数字提升至100倍。

“一个飞轮”技术洞察和“两条腿”产品战略▼

在飞轮的加速下，“两条腿”产品战略也得以快速落地。“左腿”量产自动驾驶Mpilot，致力于提供领先行业的端到端自动驾驶解决方案，并输出源源不断的数据流。“右腿”完全无人驾驶MSD，致力于打造L4级别完全无人驾驶技术，并反馈给量产产品技术流。

随着Mpilot和MSD协同增效，Momenta将实现商业上的快速增长。Mpilot现已与数家国际、国内顶级车企和一级供应商达成战略合作，合作车型将在2021年到2023年实现全球范围的大规模量产，为终端用户使用。搭载了MSD技术的Momenta GO（Robotaxi产品）已于2020年正式发布，并计划在2022年做到部分车辆车端无安全员试运营。

按照Momenta的计划，到2024年“两条腿”产品战略将完全打通。Momenta GO将实现单车盈利，完成商业模式0-1的验证。同时，Mpilot大规模上路，量产数据大规模回流，实现数据和技术1-N的储备。在具备了扩张条件后，Momenta将迎来爆发式增长，以极快的速度完成无人驾驶规模化落地。

未来，Momenta将持续以客户为中心，围绕“一个飞轮”的技术洞察和“两条腿”的产品战略持续发力，以实现“十年挽救百万生命、十年解放百分百时间、十年物流出行效率翻倍”的愿景。

融资消息披露后，汽车商业评论记者连线了曹旭东，希望从他那里了解Momenta与投资企业沟通中的更多信息，大多数问题因为不便披露没有得到答案，但在给出答案的少数问题中能感受到产业投资者为何看重Momenta。

“投资者最关心的是产品领先性，他们也都有体验，体验完之后已经形成了大致的判断，但是需要更多的数字，比如说跟特斯拉比，客户体验后，认为在部分实测数据中我们是已经能做到特斯拉性能的10倍（接管里程、进出匝道）。比如特斯拉可能10公里接管一次，我们是100公里接管一次这类数字。还有比如进出匝道的成功率，特斯拉可能是70-80%，我们是99%，类似于这些量化的指标来衡量产品的黏性。”曹旭东说。

排在产品领先性之后的是商业打法问题。目前Mobileye占领市场而且有绝对领先地位的是低端产品，芯片加算法。Momenta对市场做了分割，分割成高端和低端产品，曹旭东认为“Mpilot是我们的高端产品，目标是实现最好的端到端的自动驾驶体验，今年底或明年就会有多个客户量产。”

“全球范围来看，现在能干这件事的就两家公司，一家是我们，一家是Mobileye。这也是产业投资人希望和我们战略投资产生合作，形成深度关系的原因。”

 “这件事”指的是一整套的软件和算法。在Momenta看来，自动驾驶硬件除了激光雷达和计算平台都已经非常成熟，而激光雷达和计算平台目前都有多家优秀企业在快速提升，自动驾驶最大的挑战依然是软件和算法。

对传统OEM来说，基因决定了他们很难在软件和算法上短期内做出巨大突破，这也是一些全球顶级汽车主机厂在尝试自动驾驶研发多年后，在越来越接近自动驾驶商业化落地的黎明前对自动驾驶放弃继续投入或调低优先级的重要原因。

对这类主机厂来说，捆绑一个合作伙伴并投资对方，形成更稳固的持股+合作方式是解决自动驾驶难题最经济的方式。

当然，也不乏一些主机厂两条腿走路，既坚持深度的自主开发，又与外部伙伴深度合作。选择两条腿走路的厂商需要更强劲的财务支持。

现在，他们也给了合作伙伴Momenta一个强劲的财务支持。

就在春节后不久，汽车商业评论记者还在苏州实路体验过Momenta的两款产品Mpilot和MSD。两段路程均30多公里，历时近50分钟，包含高速和城市路况。

尤其是MSD在城市路况，遇到了幼儿园、小学放学时段，行人、自行车、各种机动车侵入车道、横穿路面的情况经常遇到，都被测试车辆一一化解。在主动变道、主动超出、上下匝道、进入主路等关键节点上表现得非常果断老练，驾驶风格很像老司机。

融资消息披露前后，汽车商业评论记者也与Momenta工作人员交流过他们与主机厂合作过程中的故事，从这些故事中亦可以管中窥豹这家公司为何受到巨头们的青睐。

故事一是关于飞轮模式，Momenta飞轮的最大优势是迭代速度，之前从发现问题到解决问题的周期可能是三个月，而且需要付出大量的人力和财力，但应用飞轮之后，从发现到解决问题只需要一周的时间，迭代的速度很快。

在欧洲的一个合作项目中，因为中国卡车和欧洲卡车外观不同，Momenta的识别系统和数据对欧洲的超长卡车有点水土不服。

这种解决方案在以往合作中一般是三方一起开会，开完会之后还需要Momenta技术人员飞到客户那边现场诊断，诊断之后分析出原因再分工解决，一般需要三个月才能解决问题。但凭借飞轮方案，车辆一边路测一边利用数据，通过数据驱动的算法，对其进行自动化的标注和迭代，一周时间就把问题解决了，迭代速度是传统方式的10倍。

另一个案例关于数据驱动的算法。很多城市道路上、高速车道内都会有地名作为方向指引，自动驾驶车辆常常会把字体笔划识别为车道线，造成错误操作。如果通过Rule-based方式改善的话，改变一个地面规则后会导致很多规则同时发生变化，演化为牵一发而动全身的更大问题，导致地面识别性能变得更差。但Momenta通过数据驱动算法，最终达到很好的识别效果，解决了这个“车道线难题”。

车道线是平面问题，道路上还有一些立体问题。比如合作厂商要求Momenta的车辆不仅需要判断道路、行车线、障碍物，还需要准确识别限高，防止一些小概率事故发生。为了解决这个问题，厂商购买过全国限高地图，该地图虽然拥有全国超过99%的限高数据，但却很难做到实时更新。

Momenta高精地图用众包方法海量的数据，提高更高程度的数据更新，满足了该厂商的限高数据需求。

雪地对自动驾驶来说挑战很大，Momenta有一个技术，当无法凭借传统传感器建模的方式建立正确的车道模型时，会根据过往在这个车道上开过车的轨迹去做一个如何正确驾驶的判断。这需要通过大量的量产数据，通过数据驱动的算法进行学习，在学习之后车辆就可以很好地应对这样的场景。

Momenta工作人员特意向汽车商业评论提起一个“Momenta Standard”案例：在与某国际顶级车企的合作中，车企根据行业能力对Momenta设定了相对挑战的目标。Momenta初次的交付就达成了客户目标，而且并未止步于此，通过低成本短周期试错，快速地搭建闭环，最终实现了优于目标数倍的结果，并在合作的过程中主动创新，经常向车企建议更具挑战性的Momenta Standard作为研发和交付的目标。后来，该客户经常采用“Momenta Standard”来作为企业内部的研发和交付的最高标准。

本文（含图片）为合作媒体授权创业邦转载，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系