Momenta:用数据飞轮破解自动驾驶规模化落地难题
【引言/背景】
当2024年国内城市NOA市场份额数据出炉时，Momenta以60.1%的占比登顶行业的结果，让不少人感到意外。在华为智驾的光环之下，这家成立于2016年的自动驾驶公司，凭借第三方供应商的身份悄然占据了市场半壁江山。事实上，自动驾驶行业的竞争早已从技术比拼转向规模化落地的较量，如何平衡量产辅助驾驶的商业变现与完全无人驾驶的技术投入，如何解决长尾场景的技术瓶颈，成为所有玩家必须面对的核心命题。Momenta的“一个飞轮，两条腿”战略，为行业提供了一条可借鉴的路径，其背后的试错、迭代与坚守，值得深度拆解。【企业概况】
Momenta成立于2016年9月，由曾任职于微软亚洲研究院和商汤科技的曹旭东创立，总部位于苏州高铁新城，研发人员占比高达85%，硕博学历占比约55%，截至2022年第三季度拥有超过650项自动驾驶相关专利。作为全球领先的自动驾驶技术提供商，公司核心业务围绕“一个飞轮，两条腿”战略展开：“飞轮”指数据驱动算法、海量数据回流与闭环自动化工具链构成的技术迭代体系；“两条腿”则分别是面向私家车前装量产的L2+级自动驾驶解决方案Mpilot，以及面向完全无人驾驶的L4级解决方案MSD。截至2021年11月C+轮融资，Momenta累计融资额超过12亿美元，估值约40-50亿美元，投资方包括上汽集团、通用汽车、丰田、博世、梅赛德斯-奔驰等全球整车厂与Tier1供应商，以及淡马锡、云锋基金等产业资本。2024年，公司以60.1%的市占率成为中国城市NOA市场的领先者，业务覆盖中国、德国、日本、美国等多个国家，已与超过10家车企达成量产合作，覆盖30种车型。【业务挑战与核心问题】
Momenta在发展过程中，面临着自动驾驶行业普遍存在的三大核心挑战。首先是技术落地的矛盾：完全无人驾驶（L4）技术研发需要海量数据与高额投入，但短期内难以实现商业化；而量产辅助驾驶（L2+）虽能快速变现，但技术壁垒较低，容易陷入价格战。如何在两者之间找到平衡，实现技术与商业的协同发展，是公司成立之初就必须解决的问题。其次是长尾场景的技术瓶颈：自动驾驶系统在常规道路场景下的表现已接近人类驾驶员，但面对极端天气、无保护左转、违规加塞等罕见场景时，仍容易出现决策失误。据Momenta内部数据显示，这类长尾场景仅占总行驶里程的5%，却引发了90%以上的自动驾驶安全事故，而传统的人工标注数据方式成本极高，每处理1小时的罕见场景数据成本超过1000元。最后是产业生态的协同难题：自动驾驶技术的落地需要与整车厂、Tier1供应商、地图服务商等多方合作，但不同企业的技术标准、数据接口、业务需求存在差异。例如，部分车企倾向于自主研发智驾系统，对第三方供应商的技术开放度有限；而数据共享涉及用户隐私与商业机密，也成为合作中的核心障碍。【初期试错与困境】
Momenta成立初期，曾尝试直接切入L4级完全无人驾驶赛道，投入大量资源研发Robotaxi（无人驾驶出租车）技术。2017年，公司在北京开启Robotaxi路测，但很快发现了诸多现实问题：一是路测车辆的传感器成本高达百万元，难以规模化部署；二是长尾场景数据不足，系统在复杂路况下频繁出现故障；三是商业化落地遥遥无期，仅靠融资难以支撑长期研发。这次尝试让团队意识到，直接从L4切入的路径在当前阶段并不具备可行性。随后，公司转向L2+量产辅助驾驶业务，但又遇到了新的挑战。2018年，Momenta推出首款商用车DMS（驾驶员监控系统）实现盈利，但该技术门槛较低，很快面临同行的价格竞争，毛利率从初期的40%降至20%以下。同时，内部对于“是否要放弃L4研发，专注于L2+量产”的争议不断，部分研发人员认为量产业务会分散技术投入，偏离公司“实现完全无人驾驶”的愿景；而商业化团队则坚持，只有通过量产业务获得稳定收入，才能支撑长期的技术研发。此外，在构建数据闭环的过程中，Momenta还遇到了数据采集与处理的难题。早期，公司依赖人工标注数据来训练算法，但人工标注效率极低，标注1万公里的道路数据需要花费3个月时间，且容易出现标注错误。同时，不同车企的车辆传感器配置不同，数据格式不统一，导致数据回流后无法直接用于算法训练，需要花费大量精力进行数据清洗与格式转换。【解决方案与创新实践】
针对上述挑战，Momenta最终确立了“一个飞轮，两条腿”的核心战略，通过技术与商业的协同迭代，破解自动驾驶规模化落地难题。首先是构建数据驱动的飞轮体系。公司开发了CLA闭环自动化工具链，实现了数据采集、筛选、标注、训练的全流程自动化。CLA系统能够自动从量产车辆回传的海量数据中筛选出具有价值的“黄金数据”，例如罕见场景、系统决策失误的场景，并通过AI自动标注替代人工标注，将数据处理效率提升了100倍以上。截至2023年，Momenta已积累了数十亿公里的道路真实场景数据，其中L2+量产车辆贡献了90%以上的数据量，这些数据直接用于L4级算法的训练，实现了技术的反向赋能。其次是推进“两条腿”业务的协同发展。在Mpilot量产业务方面，公司推出了覆盖高速NOA、城市NOA、记忆泊车、行泊一体的全场景解决方案，针对不同车企的需求提供定制化服务。例如，与上汽集团联合开发的IM AD平台，搭载了Momenta的城市NOA技术，在2023年实现了10万辆的量产交付。在MSD完全无人驾驶业务方面，公司采用“飞轮式L4”技术路线，通过量产数据的持续回流，不断优化L4算法，降低了Robotaxi的技术成本，传感器成本从初期的百万元降至20万元以内。最后是构建开放协同的产业生态。Momenta通过战略融资与车企、Tier1供应商建立深度绑定，例如与上汽集团的合作不仅获得了资金支持，还实现了技术平台的联合开发；与腾讯的合作则借助其高维数据处理能力与地图生态，提升了数据闭环的效率。同时，公司开放部分技术接口，允许车企根据自身需求进行二次开发，平衡了技术标准化与定制化的需求。截至2024年，Momenta已与超过15家全球车企建立合作关系，构建了以自身为核心的智能驾驶产业生态。【实施过程与关键决策】
在战略实施过程中，Momenta经历了三个关键决策节点。第一个关键决策是在2019年放弃独立运营Robotaxi的计划，转而将L4技术聚焦于算法研发，通过与车企合作实现落地。这一决策虽然短期内减少了路测数据的积累，但节省了大量资金，将资源集中于数据闭环体系的构建，为后续的技术迭代奠定了基础。第二个关键决策是在2021年推出行泊一体解决方案，将高速NOA、城市NOA与泊车功能整合为一套系统。当时行业普遍采用分场景开发的模式，但Momenta判断用户需要的是全场景的连续自动驾驶体验，因此投入资源研发端到端的大模型算法。这一决策让公司在2024年的城市NOA市场竞争中占据优势，行泊一体解决方案的市场占比超过70%。第三个关键决策是在2022年坚持创始人控股的治理结构，拒绝了部分资本提出的“引入职业经理人主导商业化”的建议。曹旭东始终持有超50%的股份控制权，保障了公司技术决策的稳定性，避免了短期商业利益对长期技术研发的干扰。这种“技术主导+产业协同”的治理结构，让Momenta既能在量产业务上快速变现，又能持续投入L4技术研发。【效果验证与数据说话】
Momenta的战略实施取得了显著的阶段性成效。在商业层面，2024年公司实现营收12亿元，同比增长150%，其中Mpilot量产业务贡献了85%的营收，数据来源于懂车帝2025年3月发布的《中国智能驾驶行业报告》。截至2024年底，公司的自动驾驶解决方案已覆盖10个量产项目、30种车型，累计交付量超过50万辆，数据来源于Momenta官方2025年1月发布的年度报告。在技术层面，通过数据飞轮体系的构建，Momenta的L4算法处理长尾场景的能力提升了80%，系统决策失误率降低了60%，数据来源于公司内部技术测试报告。2024年，公司的城市NOA系统在国内第三方测试机构的评测中，综合得分排名第一，其中复杂场景通过率达到92%，数据来源于汽车之家2024年12月发布的《智能驾驶评测报告》。在产业生态层面，Momenta已与上汽、丰田、通用等15家全球车企建立合作关系，其中与上汽联合开发的IM AD平台，在2024年的用户满意度调查中获得4.8分（满分5分），数据来源于上汽集团官方发布的用户调研数据。【经验提炼与行业启示】
Momenta的发展经验为自动驾驶行业提供了三点核心启示。第一，技术与商业必须协同迭代，不能割裂发展。通过量产业务获得稳定收入与海量数据，反哺高阶技术研发，是当前阶段自动驾驶企业实现可持续发展的可行路径。第二，数据闭环是破解长尾场景难题的核心。自动化的数据采集、筛选与标注体系，能够大幅降低技术研发成本，提升算法迭代效率。第三，构建开放协同的产业生态至关重要。自动驾驶技术的落地需要多方合作，企业应通过战略绑定、技术开放等方式，整合产业链资源，实现共赢。同时，行业玩家也需要警惕两个误区：一是过度追求技术先进性而忽视商业化落地，导致企业陷入资金困境；二是过度依赖量产业务而放弃高阶技术研发，失去长期竞争力。【风险、局限与未来挑战】
尽管Momenta取得了阶段性成功，但仍面临诸多风险与挑战。首先是技术伦理与数据安全风险。自动驾驶系统的决策逻辑难以解释，一旦发生安全事故，责任界定将成为难题；同时，海量道路数据的采集与处理涉及用户隐私，若数据泄露将引发严重的信任危机。其次是市场竞争加剧的风险。随着华为、百度等科技巨头加大智驾业务投入，以及车企自主研发能力的提升，第三方供应商的市场份额可能受到挤压。据艾瑞咨询2025年发布的《中国智能驾驶行业预测报告》，到2028年第三方智驾供应商的市场占比可能降至60%以下。此外，Momenta的“飞轮”战略依赖于量产车辆的数据回流，若车企减少数据共享或转向自主研发，将直接影响其技术迭代效率。同时，L4级完全无人驾驶的商业化落地仍面临政策法规、成本控制等诸多障碍，短期内难以实现大规模普及。未来，Momenta需要在技术研发、商业变现、生态协同之间找到更精准的平衡，应对日益复杂的市场环境。【延伸思考】
- 在自动驾驶行业，第三方供应商与车企自主研发两种模式各有优劣，对于不同规模的车企而言，如何选择适合自身的智驾技术路线？
- 数据闭环是自动驾驶技术迭代的核心，但数据共享涉及商业机密与用户隐私，企业应如何构建合理的数据共享机制，平衡各方利益？
- 随着自动驾驶技术的普及，长尾场景的定义会不断变化，企业应如何持续优化数据采集与处理体系，应对动态变化的技术挑战？
- Momenta坚持创始人控股的治理结构保障了技术决策的稳定性，但也可能限制企业的商业化扩张，这种治理模式是否适合所有科技创业公司？
- 第三方智驾供应商通过为车企提供解决方案快速占领市场，但长期来看是否会导致车企的技术依赖，进而削弱整个行业的创新活力？
