公司概况：Mpilot+MSD 驱动“飞轮”，赋能 L2+/L4

目前L2+乘用车自动驾驶正快速迈入量产周期，而L4 Robotaxi商业化落地尚需时日， 市场关注点聚焦于能获得车企定点、快速产生稳定现金流的自动驾驶技术公司。Momenta 横跨 L2+乘用车及 L4 Robotaxi 领域，在自动驾驶赛道中位置相对独特。一方面，公司 L2+前装量产的能力已初步得到验证，未来几年成长确定性较高；另一方面，公司具备由 L2+向 L4 升维的算法实力及技术架构，中长期存在较大增长潜力。

Momenta 成立于 2016 年，主要提供两套自动驾驶解决方案：Mpilot（量产 L2+自动 驾驶产品）与 MSD（Momenta Self Driving，L4 完全无人驾驶产品）。Momenta 希望贯 彻“数据驱动算法+海量数据回流+闭环自动化工具链”构成的“飞轮”技术路线，先通过 L2+定点量产不断积累数据，驱动算法由 L2+向 L4 升维，再利用迭代升级后的算法提升 产品性能，获取更多合作定点，进一步扩大量产规模，如此循环往复，最终实现 L2+乘用 车的大规模前装量产及 L4 完全无人驾驶的商业化落地。 在 L2+乘用车领域，Momenta 依靠雄厚的股东背景与良好的产业协作关系，正在为众 多知名主机厂提供高级辅助驾驶解决方案，代表客户包括上汽、吉利、比亚迪、通用等， 借主机厂之力进行 L2+产品 Mpliot 的大规模前装量产，同时为算法迭代提供数据投喂。在 L4 商用车领域，公司推出完全无人驾驶解决方案 MSD，目前和上汽旗下享道出行合作推 出 Robotaxi，在上海嘉定、苏州相城进行带安全员测试运营。

Momenta 核心团队成员出自微软亚洲研究院、商汤等机构，深耕人工智能深度学习 算法，开发经验丰富。Momenta 创始人曹旭东毕业于清华大学，曾任职于微软亚洲研究院 及商汤科技，在人工智能领域研发和管理经验丰富，并在 CVPR、ICCV、ECCV 等计算机 视觉会议发表论文十余篇。公司核心技术团队覆盖数据驱动算法、高精地图、计算机视觉 等多个自动驾驶细分领域，研发人员占比高达 85%，硕博学历占比约 55%。截至 2022 年 第三季度，公司目前在自动驾驶感知、预测、规划、高精地图方面有超 650 项专利。

Momenta 融资进展顺利，受头部整车厂、Tier1 及产业资本青睐，我们认为雄厚的股 东背景为公司提供了良好的产业协作基础。Momenta 自成立以来已完成了 7 轮融资，最 新一轮为 2021 年 11 月 C+轮 5 亿美元融资，由上汽集团、通用汽车、丰田、博世、淡马 锡、云锋基金等知名投资方领投，C 轮累积融资金额超 10 亿美元，总融资额超 12 亿美元。 据 IT 桔子，截至 2023 年 8 月，Momenta 最新估值约 40-50 亿美元。

L2+前装智驾：加速迈入量产，Momenta 成色几何？

进入 2023 年下半年，乘用车智能驾驶加速迈入量产周期，高速领航开始规模放量， 城区领航亦开启从 0 到 1 落地进程。Momenta 推出 L2+全栈解决方案 Mpilot，软件算法 能力出色、硬件适配性较强，目前已斩获上汽智己、比亚迪腾势/仰望等超 10 个量产定点 和超 25 款车型，先发优势明显，且未来几年业绩可见度较高，交付情况值得期待。

行业格局：高速领航落地开花，城区领航年内可期

中国前装智驾进入量产时代，高速领航开始规模放量，城区领航将于 4Q23 起密集落 地。除少数自研能力较强的主机厂外，我们认为，大部分车企在降价压力下都将愈发重视 以低成本实现保交付目标，更倾向于高性价比的外部方案。也因此，智驾供应商有望从“定 制化”走向“平台化”，利好业务的规模化复制及智驾产品的打磨优化。我们更看好具备算 法与大规模数据处理能力、成本控制能力以及得到主机厂有力支持的玩家在竞争中胜出。 中国前装智能驾驶市场已进入量产时代，2023 上半年 L2/L2+渗透率近 35%。据高工 智能汽车研究院监测数据，2022 年，中国市场乘用车（不含进出口）前装标配搭载辅助 驾驶（L0-L2）交付超 1000 万辆，渗透率超 50%。其中，L2/L2+前装标配交付近 586 万 辆，同比增长 61.66%，渗透率升至 29.4%，车型交付均价已降至 25.15 万元；高速 NOA 前装标配搭载交付达 21.22 万辆，同比增长近 80%，渗透率约 1%，搭载车型已开始渗透 至博越 L、第三代荣威等 20 万元以下的车型。同样据高工智能汽车研究院监测数据，2023 年年初以来，尽管价格战对乘用车前装智驾市场产生一定拖累，但整体增长态势未变，23H1的 L2/L2+前装标配交付近 325 万辆，同比增长 37.7%，渗透率近 35%。我们预计至 2025 年，L2/L2+（包含高速/城区领航）渗透率有望向 50%冲刺，高速领航渗透率有望突破 10%， 城区领航则也有望迎来 1%左右的渗透率拐点。

针对车企自研，我们认为，除少数造车新势力外，大部分主机厂仍将以“外购+共研” 为主要方式。我们认为，尽管传统车企大多有智能驾驶全栈自研的规划和愿景，但受制于 自动驾驶所需的大规模研发投入，传统车企在组织、文化和薪酬方面对自动驾驶人才普遍 缺乏吸引力，技术尚不成熟且暂时无法对销量形成明显提振等因素，实际落地难度较大。 尤其是进入 2023 年之后，自年初特斯拉发动汽车价格战后，行业进入一轮洗牌和出清周 期，务实和性价比成为这轮竞赛中存活的关键词。除小鹏、蔚来、理想等以高阶智驾为核 心卖点的造车新势力外，大部分车企已开始逐步放弃自研，向外采或共研转变。

软件供应商有望从“定制化”走向“平台化”。此前，即使采购第三方产品，主机厂 对项目的定制化要求也较高，软件供应商想要将算法封装成“标品”出售给主机厂有较大 难度，同时主机厂对数据所有权和使用权通常有比较严格的要求。据晚点 Auto 窦亚娟在 《高级辅助驾驶上车战：功能、价格与服务姿态的较量（2023/6/28）》的报道，Momenta 在服务第一个大客户上汽智己时曾派出数百位工程师，禾多科技在服务广汽昊铂 Hyper GT 单个项目时驻厂工程师也多达 150 名。对于第三方智驾供应商而言，上述模式效率低下， 不仅难以同时服务多家车企，利润空间也相对有限。而在汽车价格战+FSD 入华事件的影 响下，我们认为，大部分自研能力较弱的主机厂未来将愈发重视以低成本方式实现保交付 目标，倾向于通过第三方供应商提供一个低价但合格的智驾产品，同时相较于以前，或也 更愿意向供应商开放数据以持续迭代算法再向主机厂进行反哺。这意味着软件供应商的智 驾方案有望从“定制化”向“平台化”转变，同时这也将更利于供应商业务的规模化复制以及智 驾产品的打磨优化。

相较之下，我们更看好具备算法和大规模数据处理能力、成本控制能力并且得到主机 厂有力支持的玩家。中国乘用车 L2/L3 市场中玩家众多，我们将其进一步细分为以下几类： 1）Tier 1 供应商，这包括博世等传统海外玩家、经纬恒润等新兴中国玩家，以及华为等 新入场巨头；2）从 L4 降维的 Robotaxi 公司，如小马智行和文远知行等；3）以乘用车 ADAS（Advanced Driver Assistance Systems）市场为主的本土初创企业（包括具有 算法团队背景的企业，如 Momenta，以及具有工程团队背景的企业，如福瑞泰克）。 中短期来看，我们认为，随着今年车企价格战的打响，前几年一味堆料堆硬件的趋势 将告一段落，务实和性价比将是决赛圈存活的关键词。对于差异化的车型定位和消费群体， 主机厂的诉求有所不同，对供应商的能力要求亦有所不同：

10-20 万元低端车型：追求极致性价比，提供传统 L2 功能。高速领航在算法的持 续优化下，目前也已开始下探至 20 万元以下的车型。我们认为，针对此类车型和 消费者定位，车企更关心智驾方案的性价比，即供应商的成本控制能力；且由于 算法壁垒相对较低，拥有强工程化和适配能力的玩家更有望获车企青睐。

20-30 万元中端车型：因品牌特性而异，高速领航渐成标配。我们认为，处于此 价格带的车型，一方面直接面临特斯拉 Model 3/Y 的同位竞争，成本压力尤为明 显；但另一方面，也需一定的智能化程度打造差异化特征。目前来看，城区领航 的软硬件成本仍相对较高，高速领航则有望逐渐成为此价格带车型的标配，且相 较于低端车型，可以相对更高的硬件配置提供更优的驾乘体验，例如我们测算算 力配置可上升至 30-80TOPS。该价格带客户更加考验自动驾驶供应商在产品性能、 算法、快速适配、量产交付、成本控制等方面的综合能力。

30 万元以上高端车型：由用户价值驱动，持续发力城区领航。高端车型受价格战 影响相对较小，主机厂追求打造标杆性的智能化标签，或将持续发力城区领航， 以形成真正的技术护城河和品牌溢价。城区领航功能技术难度远高于高速场景， BEV+Transformer的应用也对算法供应商的大规模数据工程能力提出了更高的要 求，我们认为 L4 玩家以及其它具备较强算法能力的供应商竞争优势将更为突出。

公司业务：推出 L2+前装量产全栈解决方案 Mpilot，业绩可见度较高

Mpilot 是 Momenta 推出的前装量产 L2+乘用车自动驾驶全栈解决方案。目前，Mpilot 的亮点 L2+功能包括主打高速导航辅助的 HNP（Highway Navigation Pilot）、定位泊车导 航辅助的 PNP（Parking Navigation Pilot）及负责舱内摄像头感知的 ICP（In-Cabin Camera Perception）。此外，公司的城区领航辅助 UNP（Urban Navigation Pilot）也已开始内测， 智己在 2023 年 8 月的“IMAD DAY 智己汽车智能驾驶发布会·清华篇”上表示，将于 2023 年 10 月开始正式公测。

Mpilot 开放性、兼容性强，可灵活满足不同主机厂的多样化需求。尽管智能驾驶功能 已开始趋于标准化，但针对城区领航等高阶功能，主机厂当前仍希望能够做出差异化以获 取品牌溢价。而在自动驾驶算法公司与主机厂合作时，不同车企的车型不同，传感器、域 控制器、执行器等硬件配置不一致，算法接口不统一，皆有可能导致数据和流通受阻。Mpilot 作为一套开放式解决方案，提供广泛选择的工具链，能使 OEMs 基于目标功能和应用场景， 实现产品的定制化，获取差异化体验。例如在芯片端，Mpilot 可以适配十种以上主流量产 计算平台；传感器方面，Mpilot 也支持 7V3R、11V5R、11V5R1-4L 等多种方案。此外， Mpilot 支持数据共享和快速迭代，能满足 OEMs 在产品设计、研发、部署和适配等环节的 特定需求。

商业模式方面，Mpilot 主要采取两种收费模式，目前覆盖量产定点均为头部车企中高 端车型，未来几年收入预期较为明确，业绩可见度较高。 1） 与整车厂联合开发，基于整车开发平台签署订单，收取一次性工程费用 NRE （Non-Recurring Engineering）。Mpilot 目前已取得超 10 个量产定点和超 25 款车型，已公开的包括上汽智己、比亚迪腾势/仰望、吉利路特斯等。Momenta 与整车厂签署的联合开发订单总体金额较大，依照完工进度及订单签署到车型量 产上线时间按年分摊确认。 2） 采取授权收费模式，按每台车收取固定金额的方式与整车厂合作，根据不同车型 的配置及整车厂要求调整价格。在合作车型进入大规模量产后，Momenta 会开始 收取授权费，既会采取前期一次性授权费，也会考虑采取订阅授权的形式，伴随 量产车型的进一步拓展，在全生命周期内提供较为持续的收入来源。目前， Momenta 与整车厂合作的量产定点仍以高端车型为主，价格区间在 25 万元以上， Mpilot 有望率先实现合作整车厂中该部分车型的渗透。未来伴随大算力芯片、激 光雷达等自动驾驶硬件成本下探，整车厂有望将合作车型扩展至 20 万元以下的价 格区间，扩张 Mpilot 装车量，形成规模效应。

竞争优势：联手“整车厂+Tier1”组建朋友圈，前装量产身位相对领先

Momenta 通过组建“整车厂+Tier1”的强大朋友圈以推进产业协作，相对同赛道竞 争对手进度领先。我们认为，Momenta 在 L2+乘用车自动驾驶领域的核心竞争优势在于：

1） 股东及合作方产业背景强大，多为国内外头部传统车企及 Tier1，在乘用车量产 领域具备雄厚实力。公司主要股东包括上汽、通用、戴姆勒、丰田等整车厂，同 时也包括博世、德赛西威等知名 Tier1。此外，Momenta 与吉利路特斯于 2021 年 11 月合资设立宁波路特斯机器人有限公司，并与比亚迪于 2021 年 12 月合资 设立深圳市迪派智行科技有限公司，进行自动驾驶技术合作。而其他同样专注自 动驾驶算法的技术公司多数以提供辅助驾驶、智能泊车等单点功能为主，在产业 资本背景、定点车企及项目数、量产进度上较 Momenta 均有一定差距。我们认 为，伴随L2+乘用车跨入大规模量产快车道，强大的产业股东背景决定了Momenta 将会在这条持续扩张的赛道中占据当的市场份额。

2） 前装量产进度较快，在手定点储备较丰富。公司在 2023 年自动驾驶产业论坛上 表示，目前已与上汽、吉利、比亚迪、通用、丰田、奔驰等知名海内外车企展开 合作，覆盖了上汽智己、比亚迪腾势/仰望、吉利路特斯等超 10 个量产定点和超 25 款车型。

公司与上汽合作的智己系列已成功量产上车，智己 L7 和 LS7 分别于 2022 年 6 月和 2023 年 3 月正式开启交付。L7 和 LS7 搭载 11 个高清摄像头、5 个毫米波 雷达及 2 个高精度定位单元，同时可选装 2 颗激光雷达，IM AD 智驾全功能包一 次性买断原价 3.68 万元。根据智己在 2023 年 8 月的“智己汽车智能驾驶公开课” 上的介绍，智己的高速领航功能已于 2023 年 4 月实现首城落地；“去高精地图 NOA”已于 2023 年 4 月开启内测，2023 年 9 月正式公测；城市 NOA 已于 2023 年 4 月开启内测，2023 年 10 月正式公测。 公司与比亚迪合作的腾势 N7 也于 2023 年 7 月开启交付。腾势 N7 标准版采用地 平线 J3 芯片（5TOPS），配备 5V5R，可实现自适应巡航、辅助变道、自动泊车 等标准 L2 功能；高阶版则另需 2.8 万元选装，搭载 1颗英伟达 Orin 芯片（254TOPS） 以及 5R13V2L 传感器配置，后续可实现高速领航（公司预计 4Q23 上车）、城区 领航（公司预计 1Q24 上车）以及跨楼层停车（公司预计 1Q24 上车）等更高阶 的智驾功能。据汽车之心官方微博，腾势N7的高阶驾驶辅助硬件选装占比达35%。 此外，据晚点 Auto 窦亚娟在《高级辅助驾驶上车战：功能、价格与服务姿态的较 量（2023/6/28）》的报道，Momenta 还为仰望 U8 提供智能驾驶方案，豪华版配 置 3 颗激光雷达、5 个毫米波雷达、10 个感知摄像头（4 环视+4 侧视+双目前视）。

3） 凭借深入产业协作，在整车厂形成较好“卡位”。整车厂与自动驾驶技术公司合作 共研后，由于团队磨合的时间成本、定制及投入成本较高，基本不会随意更换供 应商。一款车型的合作从传感器选型、联合开发、验证测试、到最终量产落地， 需要至少 2-3 年合作时间。此外，目前大多 L2+供应商以提供领航辅助、自动泊 车等单点功能为主，或向主机厂售卖现成算法代码，缺乏后续配套服务。Momenta则提供全栈式解决方案，通过合作共研帮助传统车企积累经验，真正建立起自动 驾驶研发能力，推出完整的高级别自动驾驶功能。我们认为，传统车企更愿意选 择 Momenta 进行深入共研，Momenta 也在各大整车厂已经形成了较好的“卡位”。

L4 Robotaxi：大规模商业化尚需时日，Momenta 路 在何方？

伴随着国内外多个“主驾无人”乃至“全车无人”收费项目的启动，Robotaxi 商业 化正在迈入 2.0 阶段，但想要实现真正的规模化商业落地或仍需超 3 年的时间。我们认为， Momenta 当前在无人化进程方面较头部玩家仍有差距，但有望依靠 L2+前装量产项目加 速积累数据以反哺算法，同时依托以上汽为代表的强大股东背景和产业资源在未来加速扩 展车队规模，具备后发制人的广阔机遇。但公司的 L4 算法能够在多大程度上与 L2+打通 技术和数据流闭环仍待验证。

行业格局：Robotaxi 商业化开启“去安全员”2.0 阶段，但距离规模化落 地仍需时间

2021 年开始，中美陆续有“主驾无人”乃至“全车无人”的 Robotaxi 收费运营项 目落地。我们认为，Robotaxi 商业化已迈入 2.0“去安全员”阶段，小马智行、百度等头 部 Robotaxi 公司进度较快，Momenta 还需迎头赶上。但整体而言，我们认为，Robotaxi 想要实现真正的规模化商业落地，或仍需超 3 年的时间。 按照商业化进程，我们将 Robotaxi 牌照分为道路测试（可载人示范，但免费）和商业 化运营（收费）两类；按照去安全员进程，我们再将其细分为主驾有人、主驾无人、前排 无人和全车无人，但各地政策规划略有不同。

北京亦庄：政策最成体系，示范效应显著。2021 年 10 月，北京市高级别自动驾 驶示范区工作办公室发布《北京市智能网联汽车政策先行区无人化道路测试管理 实施细则》，获批企业可在北京亦庄经开区 60 平方公里范围内开展 Robotaxi 测试 运营活动，分为“副驾有人”、“后排有人”、“车外远程”3 个阶段。目前，小马 智行和百度 Apollo 的进程最快，分别于 2022 年 7 月和 2023 年 3 月获批“主驾 无人”的商业化运营和“全车无人”的免费试运营许可。2023 年 7 月，北京市高 级别自动驾驶示范区工作办公室宣布开放“全车无人”商业化试点，企业在达到 相应要求后即可在示范区面向公众提供常态化的自动驾驶付费出行服务。

广州：政策起步早、态度积极。广州是国内首批开放远程测试许可的城市之一。 文远知行和小马智行分别于 2020 年 7 月和 2021 年 6 月获批广州远程测试许可， 可在广州路测范围内进行“全车无人”的道路测试。2023 年 4 月，小马又获颁广 州首个远程载客测试许可，即“全车无人”的免费试运营，政策步伐紧随北京。 此外，从收费角度，文远早在 2019 年年底即在广州面向公众开放 Robotaxi 商业 化运营，覆盖黄埔和开发区超 144 平方公里的城市开放道路；小马也于 2022 年 6 月底在广州南沙全域 803 平方公里的范围内开启收费运营，但目前二者在广州的 收费运营仍需配备安全员。

深圳：开启全市范围的无人测试。自 2022 年 8 月深圳出台全国首部智能网联汽 车管理法规后，2023 年 5 月 29 日，深圳正式向小马智行颁发首个市级“智能网联汽车无人测试”许可，小马可在深圳核心城区开启“主驾无人”道路测试。此 前，各地 Robotaxi 的牌照发放仍局限于特定示范区内，例如北京亦庄和上海嘉定 等，而此次深圳以市级为单位发放牌照，我们认为对 Robotaxi 未来的规模化部署 有重要意义。

上海：小步快走，有序推进。四大一线城市中，上海自动驾驶牌照的发放进度相 对较慢，但目前也已开始加快步伐，以 2023 年 2 月开始施行的《上海市浦东新 区促进无驾驶人智能网联汽车创新应用规定》进展最快。3 月 22 日，以百度智行 为代表的 8 家企业获颁上海首批无驾驶人智能网联汽车创新应用测试通知书，可 在上海浦东新区的划定路端开启“全车无人”的道路测试。

公司业务：推出完全无人驾驶解决方案 MSD，与上汽享道合作Robotaxi

Momenta 推出全无人驾驶解决方案 MSD（Momenta Self Driving），并与整车厂及 网约车平台合作共研 Robotaxi，提供自动驾驶技术服务，有望依靠产业协作在资源、技 术、运营经验等方面实现互补。 Momenta自2020年开始在苏州推出自运营的Robotaxi服务。2021年12月，Momenta 又联合上汽人工智能实验室、享道出行推出享道 Robotaxi，主要负责提供 L4 自动驾驶解 决方案，而由享道出行负责运营。 目前，Momenta 在苏州和上海约有 100 辆 Robotaxi 进行测试运营，2021 年至今累 计客单量超 25 万。其中，有 15 辆 Robotaxi 于 2023 年 8 月获颁苏州首批 Robotaxi 示范 运营收费牌照（仍需带安全员），目前车均日单量近 30。值得一提的是，2022 年 8 月 15 日，享道出行完成超 10 亿元人民币 B 轮融资，投后估值达到 10 亿美元，Momenta 参与 本轮投资，我们认为双方将持续加深在技术、产品和商业落地层面的合作。

竞争优势：借力 L2+乘用车业务加速数据收集及算法迭代

相比头部 Robotaxi 公司，Momenta 的无人化进程仍需追赶，但公司有望依靠 L2+ 前装量产项目加速积累数据以反哺算法。公司致力于打造 MSD 和 Mpilot 的统一传感器方 案，打通 L2+与 L4 之间技术流和数据流的闭环迭代，但通过 Mpilot 收集的数据能在多大 程度上赋能 MSD 目前仍待验证。 目前，MSD 凭借多传感器融合感知能力及数据驱动算法，已实现部分 L4 级自动驾驶 功能。多传感器融合基于摄像头、毫米波雷达、激光雷达等传感器输出的信息不断训练， 利用神经网络进行信号处理及自动推理，实现自动驾驶算法更新迭代，有助于提高决策规 划的正确性。根据 Momenta 官网的演示视频，搭载 MSD 的车辆在应对路口避让电动车、 加塞处理、路口汇流处理、避让突然穿行车辆、避让盲区出车、狭窄小路复杂多车交互等 方面都具备较好的处理能力。根据 Momenta 2022 年 5 月在数博会上对于享道 Robotaxi 的展示视频，搭载 MSD 的享道 Robotaxi 对异型车如两轮车、货车、大型施工车辆等具备 及较好的识别处理能力，能识别盲区与可通行宽度，进行减速避让或绕行等操作。另外， 根据 Momenta 在 2022 年 7 月 20 日公布的 L4 自动驾驶复杂场景案例分析，视频中包含 了夜间环境下远光中行人横穿马路、大车异型车遮挡路口信号灯、电动车“鬼探头”、狭 窄道路中避让侧方停车等复杂场景，车辆均顺利完成了挑战。

L4的规模化落地需要大规模高质量数据的收集，Momenta致力于打造MSD和Mpilot 的统一传感器方案，打通 L2+与 L4 之间技术流和数据流的闭环迭代。据 Momenta 官网提 供，Momenta 的 L4 解决方案采取 12 颗摄像头、5 颗毫米波雷达，相比 Mpilot 仅额外增 设 1 颗激光雷达，无须推翻整体电子电气架构。需要指出的是，激光雷达的 3D 点云数据 与摄像头和毫米波雷达有较大不同，增加激光雷达后也需在算法上对不同传感器的数据进 行融合。目前，搭载 Mpilot 的部分车型亦已搭载激光雷达，例如智己 LS7 和腾势 N7 的高 阶版，提升了乘用车所收集的数据质量。但整体而言，通过 Mpilot 收集的数据能在多大程 度上赋能 MSD 目前仍待验证。

技术实现：算法+数据+工具链助力“飞轮”转动

Momenta 依靠独特的“飞轮”路线，建立了较深的技术护城河。我们认为，公司的 技术优势源自于“数据驱动算法+海量数据回流+闭环自动化工具链”的三方共振，使其得 以发挥在计算机视觉领域的雄厚实力，并依靠前装量产积累的海量数据反哺算法，实现高 效迭代。也正得益于此，公司在增长潜力上优于传统 ADAS 公司，而在商业化落地节奏 上又领先于专攻 L4 的 Robotaxi 公司。 智能驾驶进入数据驱动 3.0 阶段，数据或成为制胜关键。经过由硬件驱动的 1.0 阶段 和软件驱动的 2.0 阶段（以 rule-based 为主），智能驾驶正伴随“BEV+Transformer”大 模型的上车迈向由数据驱动的 3.0 阶段。智能驾驶的实现包含算法、硬件（传感器&计算 平台）、数据量和数据闭环等多方面能力。我们认为，在 1.0 和 2.0 阶段，算法和硬件是领 先的关键；而走向 3.0 阶段，数据或将成为更为重要的胜负手。尤其是特斯拉引领的 “BEV+Transformer”技术路线成为业界共识后，感知端算法的基本思路和框架已逐渐清 晰，而此时，数据将成为决定模型上限的关键。

1） 算法：Momenta 核心技术模块均采用数据驱动算法，可伴随路线扩展进行数据 积累，不断自我进化，提高泛化性。自动驾驶技术公司一般采用基于规则驱动（Rule-Based）的算法，部分在感知领域采用数据驱动（Data-Driven）的算法。 传统基于规则驱动的算法框架高度依赖人工干预，在遭遇特殊情况时需要设计对 应的算法或参数进行解决，而数据驱动则可基于统一框架解决，从而实现低成本、 高速的系统迭代，此外还可对感知、融合、预测和规控等算法模块进行高效的迭 代更新。Momenta 在感知、预测、建图、定位等核心技术模块上均已采用数据驱 动算法，如红绿灯感知算法，不仅需检测视野中红绿灯的位置及类别，还需根据 时序信息，识别当前红绿灯的绿闪状态、黄灯状态等。过去采取基于规则驱动的 算法，往往需要依靠规则来决定红绿灯结果的连续帧状态输出，难以适应不断扩 展的路线上遇到的不同变化规律的红绿灯。Momenta 则采取数据驱动的图像感知 与多帧融合算法，只要输入时序的训练数据，就可以自动学习红绿灯的语义与状 态跳转模式，无需进行手工调参和状态设计。

Momenta 在深度学习的视觉注意力机制（Attention Mechanisms）领域建树颇 丰。该机制借鉴了人类视觉的注意力思维方式，帮助模型在有限资源约束下从图 片的无关背景中筛选出关键的目标区域，从而更高效地处理视觉信息。其本质是 通过学习训练，在图片数据中标识关键特征，让模型学会专注于更重要、有价值 的信息。 Momenta 在 ImageNet 2017 挑 战 赛 中 依 靠 网 络 架 构 SENet （Squeeze-and-Excitation Networks），以 2.251%的 Top5 error 斩获冠军。SENet 由 Squeeze 及 Excitation 两部分组成，通过学习 Channel 间相关性，筛选出针 对通道的注意力，构造较简单、易于部署。此外，Momenta 还在 CVPR2019 上 发布了 SKNet（Selective Kernel Networks），对 SENet 进行改进，由于不同图 像能得到不同重要性的卷积核，SKNet 针对不同尺度图像动态生成卷积核，通过 Split、Fuse、Select 三步骤形成新的特征图。SENet 及 SKNet 在嵌入常用网络 结构如 ResNet、Inception、ShuffleNet 上具备较强便利性，能够实现精度提升。

2） 数据量：有多少高质量的有效数据，Momenta 依靠前装业务实现海量数据回流。 Corner cases（极端案例）的存在是制约智能驾驶走向更高阶的关键因素。尤其 是当领航辅助从高速进入城区场景，corner cases 的数量和复杂程度大幅提升， 对数据的需求也因此激增。相同类型的大量数据叠加对模型的边际效用很低，只会徒增成本，而场景库中未曾“见过”的数据才是对模型有真正增益的优质数据。 场景数据的采集可通过测绘车和量产车进行。相较于成本上百万、全国仅千台级 别的测绘车，量产车无疑是更为理想的采集方式，既能在更短时间内以更低成本 采集到大规模的数据（量），又能够大幅提升场景覆盖度从而更容易地收集极为罕 见的案例（质）。例如特斯拉在北美正是通过其百万车队和影子模式，快速积累了 颇为丰富的场景数据库。Momenta 通过率先推进 L2+自动驾驶产品的量产落地， 进行低成本的海量数据回流，实现“量”上的积累，帮助算法实现更新迭代。

3） 数据闭环：数据能否真正高效率地赋能模型迭代，Momenta 闭环 know-how 积 累走在前列。完整的数据闭环通常包括数据采集、预处理、回传、标注、处理、 仿真、训练、验证、OTA 等多个环节。闭环的运行效率和自动化程度也直接决定 了自动驾驶模型的迭代效率。尽管数据闭环的原理和框架已相对清晰，但如何在 量产车上实现真正高效率、低成本的落地，目前对绝大多数玩家而言仍属难题。 事实上，针对量产车的数据闭环在国内仍属少数，其核心难点在于数据闭环的每 个环节都有颇多工程化细节需要处理，且最终都会影响整体的运行效率。这不仅 需要了解框架的工作原理，更重要的是优异的工程实践能力以及多年的打磨迭代。

Momenta 打造闭环工具链，实现标注、筛选、训练等环节自动化和智能化，降 低人工占比，提升开发效率。目前国内玩家在数据闭环方面皆仍处于 know-how 积累的阶段。那么谁接下来能够跑得更快？我们认为，核心在于经验和数据。大 规模的优质数据是“做出”数据闭环的前提，而经验丰富的工程师团队是“做好” 数据闭环的关键。Momenta 成立 7 年，模型开发和数据处理经验相对丰富，闭环 know-how 或走在行业前列。例如 Momenta 推出的闭环自动化（Closed Loop Automation）工具链，底层架构上采用 M Framework、M Adapter 及 M Box 三项 工具，支持 L2+与 L4 技术复用、不同车型高效适配。M Framework 可保证 Mpilot 及 MSD 在技术架构及数据流上的互通，使量产回流的数据可有效作用于技术框 架的更新；M Adapter 支持将解决方案高效适配于不同主机厂、不同车型及硬件 组合，提升产品体验及功能稳定性；M Box 则主要服务于内部研发，重在提升效 率，支撑“飞轮”高效运转。

数据标注：以数据标注为例，此前数据标注以人力为主，但随着数据量的大 幅增长、视觉神经网络的复杂化以及标注对象从 2D（图像）转为 3D（点云） 乃至 4D（3D 空间+时间），数据标注的工作量持续攀升，仅靠人力已难以完 成。因此，各自动驾驶玩家开始研发自动标注系统，致力于实现人机结合标 注乃至全自动化标注。标注的自动化程度、效率和成本也被认为是当前各玩 家数据闭环能力的重要考量因素之一。但据新智驾、机器之心和九章智驾引 用恺望数据年初的观点，国内自动驾驶玩家当前的预标注技术仅能处理 60%-70%的数据，距离 90%的全自动化目标仍有较大差距。而据智慧芽专 利数据库，Momenta 在自动化标注领域有多项已授权专利，涉及图像特征 点、连续帧数据、眼部关键点、车辆行为数据、云端辅助标注等方面，有望 有效降低标注过程中的人力成本，提高数据处理效率。

模型训练：在闭环自动化过程中，会产生包括图片、视频、点云、雷达数据 等在内的复杂数据源，单车每日路测产生数据可达 TB 级，因此数据闭环难 以在单车或单机进行实现，需要依靠稳定可靠的计算平台进行大数据处理。 Momenta 采用混合云结构，构建自动驾驶数据筛选训练平台，三年时间内， 数据量增长到 PB 级。此外，根据智慧芽专利库显示，Momenta 在自动驾驶 测试场景素材库创建、测试软件版本适配、测试车辆控制交互等方面都有专 利获授权，有助于减少测试工程师人工排查成本，提高测试效率。

Momenta公司专题分析：L2+前装量产开启L4雄关漫道，Momenta何以转动“飞轮”从头越？.pdf

【原创】 自动驾驶 虚拟仿真测试评价规范.docx

智能汽车行业专题报告：从小鹏、理想、蔚来布局，看 自动驾驶 发展趋势.pdf

【原创】智能网联汽车产品准入模拟仿真测试规范202001202.docx

自动驾驶 快递小车行业分析：千亿市场风起青萍之末.pdf

知行汽车科技公司研究： 自动驾驶 出海先行者，业务优化与海外扩张实现高质量增长.pdf