智能駕駛獨(dú)角獸Momenta正在赴美上市的路上。

Momenta已經(jīng)與全球排名前十的汽車(chē)集團(tuán)中的一半，展開(kāi)了量產(chǎn)合作。這些車(chē)企客戶有上汽集團(tuán)、通用汽車(chē)、豐田、奔馳等，同時(shí)這些主機(jī)廠也是Momenta的投資方。

自2016年成立，Momenta經(jīng)過(guò)7輪融資，累計(jì)融資額近13億美元。其資方既包括上述戰(zhàn)略合作車(chē)企，有博世這類(lèi)一級(jí)供應(yīng)商，有互聯(lián)網(wǎng)大廠如騰訊、馬云的云鋒基金、小米系的順為資本，還有知名的投資機(jī)構(gòu)淡馬錫、IDG、GGV紀(jì)源資本。

Momenta從創(chuàng)立之初就確立了“一個(gè)飛輪，兩條腿”的戰(zhàn)略。“一個(gè)飛輪”指的是數(shù)據(jù)驅(qū)動(dòng)的AI飛輪，“兩條腿”指的是Mpilot量產(chǎn)自動(dòng)駕駛方案和MSD完全無(wú)人駕駛方案，既做智能輔助駕駛，又做Robotaxi。這兩條腿之間產(chǎn)生很好的協(xié)同，量產(chǎn)自動(dòng)駕駛帶來(lái)數(shù)據(jù)流，給到完全無(wú)人駕駛，而完全無(wú)人駕駛反饋技術(shù)流、技術(shù)的更新迭代，給到量產(chǎn)自動(dòng)駕駛，使得量產(chǎn)的產(chǎn)品在市場(chǎng)上更有競(jìng)爭(zhēng)力，不斷為用戶刷新更好的使用體驗(yàn)。

6月15日下午，在第十六屆中國(guó)汽車(chē)藍(lán)皮書(shū)論壇智能駕駛專(zhuān)場(chǎng)，Momenta CEO曹旭東作了主題為《通往自動(dòng)駕駛的可規(guī)模化路徑》的演講。

他在簡(jiǎn)介了Momenta的產(chǎn)品以及一個(gè)“一個(gè)飛輪，兩條腿”的戰(zhàn)略之后，提出了智能駕駛的摩爾定律。

曹旭東認(rèn)為，能夠?qū)崿F(xiàn)城市NOA的高階智能駕駛今年進(jìn)入爆發(fā)期，是因?yàn)橹邱{的摩爾定律。

智駕摩爾定律包含兩部分，一個(gè)是智駕硬件的摩爾定律：同等算力情況下，每?jī)赡暧布杀緶p半。兩年前實(shí)現(xiàn)城市NOA的BOM（Bill of Material,物料清單）成本是15000-20000元，現(xiàn)在差不多是7000-10000元，2026年大概是4000-5000元，特斯拉FSD的BOM成本已經(jīng)做到4000元了。硬件有極限，整個(gè)BOM實(shí)現(xiàn)4000元出頭之后再往下降就非常難，也不是特別有必要。一個(gè)是智駕軟件的摩爾定律：（每?jī)赡辏┸浖w驗(yàn)提升十倍。兩年10倍，四年100倍，六年1000倍，智駕的體驗(yàn)會(huì)好到超乎大家的想象。

他覺(jué)得未來(lái)能夠跟上智駕摩爾定律的公司能夠生存下來(lái)，能超越摩爾定律的公司可以成為一家卓越的公司。

以下是曹旭東演講實(shí)錄。

曹旭東：首先非常感謝受邀參加這個(gè)活動(dòng)，非常榮幸，非常感謝各位老師和各位領(lǐng)導(dǎo)，有機(jī)會(huì)能給大家匯報(bào)一下我們公司的一些思考。

先看一個(gè)視頻，是關(guān)于我們產(chǎn)品的集錦，對(duì)我們公司有一個(gè)直觀的介紹。因?yàn)橐粋€(gè)（智能駕駛）公司的本質(zhì)就是做產(chǎn)品，產(chǎn)品作為載體給用戶創(chuàng)造價(jià)值，（視頻）能看一下我們的產(chǎn)品是什么樣子的，以及給用戶創(chuàng)造什么樣的價(jià)值。這是我們的城市領(lǐng)航，現(xiàn)在可以做到有路就能開(kāi)，有導(dǎo)航就能開(kāi)，有高德的導(dǎo)航能開(kāi)得更好。

可以看到，中國(guó)的路況挺復(fù)雜的，既有大城市的大路，也有小城市的小路，非常豐富。我現(xiàn)在出差最大的一個(gè)樂(lè)趣就是，去到每一個(gè)城市都（體驗(yàn)）有我們（智駕產(chǎn)品）的自動(dòng)駕駛的車(chē)，從機(jī)場(chǎng)到（拜訪）客戶，而且專(zhuān)門(mén)選那種刁鉆難走的路，非常有意思。

這個(gè)是去年年底的冬測(cè)。可以看到在逆光揚(yáng)雪冰雪路面的情況下，AEB也可以剎停，保障用戶的生命安全。我們有一個(gè)非常重要的愿景，就是“十年挽救百萬(wàn)生命”，現(xiàn)在AEB每周有對(duì)應(yīng)的KPI來(lái)跟蹤觸發(fā)的數(shù)量。這里是用戶的一些反饋。（播放視頻）更好的人工智能，更好的生活，希望越來(lái)越好的智駕能夠給大家?guī)?lái)更安全、更安心、更好的生活體驗(yàn)。

簡(jiǎn)要地介紹一下我們公司。我們公司成立到現(xiàn)在有8年時(shí)間，獲得了很多車(chē)企的支持，比如上汽、通用汽車(chē)、奔馳、豐田等，通過(guò)非常好的合作和非常好的交付，我們建立起來(lái)了很好的信任關(guān)系，最終（這些車(chē)企）也成為我們的戰(zhàn)略投資人。我們公司現(xiàn)在大概有1300人，辦公地點(diǎn)很多，最大的兩個(gè)辦公室主要在北京和蘇州，另外在上海、杭州、廣州、深圳都有辦公室，海外在德國(guó)斯圖加特、日本豐田市（Toyota City）、美國(guó)桑尼維爾（Sunnyvale，硅谷重鎮(zhèn)）都有辦公室。

我們公司很重要的一個(gè)文化是以客戶價(jià)值為中心，只要能跟客戶建立深度的量產(chǎn)合作，我們都會(huì)在客戶旁邊去建辦公室。因?yàn)橹邱{是一個(gè)特別復(fù)雜的系統(tǒng)，所以我們?cè)诮ㄞk公室的時(shí)候，尤其是客戶的第一個(gè)平臺(tái)、第一輛車(chē)量產(chǎn)的時(shí)候，我們有一個(gè)很重要的原則，就是跟客戶肩并肩作戰(zhàn)、肩并肩辦公，這樣才能及時(shí)溝通、及時(shí)解決（客戶）第一個(gè)平臺(tái)第一臺(tái)車(chē)量產(chǎn)過(guò)程中的各樣問(wèn)題，建立起兩個(gè)組織之間合作的信任。

做完我們公司的基礎(chǔ)情況匯報(bào)之后，我來(lái)匯報(bào)一下公司的一個(gè)思考：就是怎么能夠?qū)崿F(xiàn)可規(guī)模化的L4。其實(shí)這個(gè)思考不算新東西，公司2016年成立的時(shí)候思考的很多內(nèi)容其實(shí)都在了。我們公司剛成立的時(shí)候就希望能夠?qū)崿F(xiàn)可規(guī)模化的L4。

什么是可規(guī)模化的L4？不是說(shuō)在某一個(gè)地方、某一個(gè)區(qū)域有畫(huà)好的高精度地圖，幾十輛車(chē)或者幾百輛車(chē)不停地跑啊跑，雖然這有可能叫做L4，但是不是可規(guī)模化的L4。

可規(guī)模化的L4是全國(guó)都能開(kāi)甚至全球都能開(kāi)，并且能夠達(dá)到人類(lèi)（司機(jī)）的安全水平甚至超過(guò)人類(lèi)（司機(jī)）的安全水平——達(dá)到10于倍人類(lèi)（司機(jī)）的安全水平，這個(gè)是我們希望實(shí)現(xiàn)的可規(guī)模化的L4。

可規(guī)模化的L4最關(guān)鍵的就是安全。我們覺(jué)得哪怕是乘用車(chē)要實(shí)現(xiàn)可規(guī)模化的L4，安全水平也應(yīng)該達(dá)到10倍于人類(lèi)司機(jī)的安全水平。而如果是做Robotaxi（L4）的話，10倍的安全水平可能還不夠。我們做過(guò)計(jì)算，如果Robotaxi在幾個(gè)城市要大規(guī)模商用，至少需要近10萬(wàn)臺(tái)車(chē)，10萬(wàn)臺(tái)車(chē)可能需要100—1000倍人類(lèi)司機(jī)的安全水平才能達(dá)到足夠的安全性，因?yàn)楦鶕?jù)我們的觀察Robotaxi對(duì)于安全事故的接受度是更低的，大家可以參考最近Cruise Automation（GM旗下無(wú)人駕駛車(chē)公司）最近的一起事故，就可以看到消費(fèi)者、社會(huì)對(duì)于Robotaxi的安全閾值是非常非常高的。

那怎么達(dá)到這么高的安全性呢？很重要的就是要解決數(shù)百萬(wàn)個(gè)長(zhǎng)尾問(wèn)題。這數(shù)百萬(wàn)個(gè)長(zhǎng)尾問(wèn)題是非常具有挑戰(zhàn)性的。舉個(gè)例子，我們有一次路測(cè)的時(shí)候剛好遇到了逆行，但逆行的不是一輛車(chē)，逆行的是一頭大象。逆行的三輪車(chē)中國(guó)很常見(jiàn)，逆行的大象在中國(guó)路測(cè)的時(shí)候也會(huì)遇到，這些都是需要解決的長(zhǎng)尾問(wèn)題，這樣的長(zhǎng)尾問(wèn)題有數(shù)百萬(wàn)個(gè)，那就決定了很難用rule-based（規(guī)則導(dǎo)向）或者是Human-driven（人為驅(qū)動(dòng)）的方式去解決問(wèn)題。

如果是Human-driven的話，你可以用100個(gè)人、1000個(gè)人去解決100、1000個(gè)頭部問(wèn)題，但是很難用這些人去解決數(shù)百萬(wàn)個(gè)長(zhǎng)尾問(wèn)題。這就引出了我們第一個(gè)關(guān)鍵的洞察：數(shù)據(jù)驅(qū)動(dòng)的飛輪，用這個(gè)數(shù)據(jù)驅(qū)動(dòng)的飛輪自動(dòng)化地解決數(shù)百萬(wàn)個(gè)長(zhǎng)尾問(wèn)題。

我們現(xiàn)在的數(shù)據(jù)驅(qū)動(dòng)的飛輪已經(jīng)迭代到第五代了。第一代能夠自動(dòng)化地解決50%的問(wèn)題，第二代70%，第三代90%，第四代95%，現(xiàn)在第五代超過(guò)99%的問(wèn)題都可以自動(dòng)化地去解決，這樣極大地提升了整個(gè)研發(fā)迭代的效率、解決這些長(zhǎng)尾問(wèn)題的效率。

第二個(gè)關(guān)鍵的洞察是：數(shù)據(jù)驅(qū)動(dòng)的飛輪一定需要數(shù)據(jù)，那我們到底需要多少數(shù)據(jù)才能夠?qū)崿F(xiàn)規(guī)模化的L4呢？

我們?cè)?016年公司成立之前就提出了這個(gè)問(wèn)題。當(dāng)時(shí)我們算了答案之后非常吃驚，也非常驚訝。我們計(jì)算完之后，需要1000億公里的數(shù)據(jù)。1000億公里的數(shù)據(jù)，如果是一年跑10萬(wàn)公里的出租車(chē)，大概一年需要100萬(wàn)臺(tái)車(chē)；如果是乘用車(chē)的話，大概需要500萬(wàn)臺(tái)以上跑一年，才有足夠的數(shù)據(jù)去驗(yàn)證這套系統(tǒng)是不是達(dá)到了可規(guī)模化的L4。

當(dāng)然，訓(xùn)練是一個(gè)必要條件，還不是一個(gè)充分條件，充分條件的話有可能這些數(shù)據(jù)就夠了，也有可能需要更多的數(shù)據(jù)才能夠?qū)崿F(xiàn)可規(guī)模化的L4。這就引出了我們公司很重要的一個(gè)戰(zhàn)略叫“一個(gè)飛輪，兩條腿”。

我們根據(jù)前兩個(gè)洞察判斷，如果要實(shí)現(xiàn)可規(guī)模化的L4，第一，整個(gè)軟件算法架構(gòu)、整個(gè)研發(fā)體系必須是一個(gè)數(shù)據(jù)飛輪的驅(qū)動(dòng)，才有可能實(shí)現(xiàn)可規(guī)模化的L4；第二，一定得量產(chǎn)。沒(méi)有量產(chǎn)不可能有幾百萬(wàn)臺(tái)車(chē)，沒(méi)有幾百萬(wàn)臺(tái)車(chē)的話根本沒(méi)有辦法實(shí)現(xiàn)規(guī)模化的L4。

基于這兩個(gè)洞察就引出來(lái)我們的戰(zhàn)略，其實(shí)非常通俗，叫做“一個(gè)飛輪兩條腿”。其中，一條腿是Mpilot量產(chǎn)自動(dòng)駕駛方案，另外一條腿是MSD——完全無(wú)人的駕駛方案，我們的整個(gè)算法是按照MSD的標(biāo)準(zhǔn)和要求設(shè)計(jì)的，之后再應(yīng)用于量產(chǎn)。

這“兩條腿”有很好的協(xié)同。量產(chǎn)自動(dòng)駕駛帶來(lái)數(shù)據(jù)流，給到完全無(wú)人駕駛，而完全無(wú)人駕駛反饋技術(shù)流、技術(shù)的更新迭代，給到量產(chǎn)自動(dòng)駕駛，使得量產(chǎn)的產(chǎn)品在市場(chǎng)上更有競(jìng)爭(zhēng)力，不斷給用戶刷新更好的使用體驗(yàn)。

介紹完“一個(gè)飛輪兩條腿”的戰(zhàn)略之后，介紹我們的飛輪。

飛輪有三個(gè)因子。第一個(gè)是數(shù)據(jù)驅(qū)動(dòng)的算法，第二個(gè)是海量的數(shù)據(jù)，然后是閉環(huán)自動(dòng)化。

我們先介紹一下海量的數(shù)據(jù)。我們現(xiàn)在的數(shù)據(jù)量已經(jīng)比較大了，去年年底大概是5萬(wàn)臺(tái)車(chē)（上）量產(chǎn)的高階智駕，今年年底大概差不多（能覆蓋）30萬(wàn)臺(tái)車(chē)，明年年底大概是100到150萬(wàn)臺(tái)車(chē)會(huì)量產(chǎn)我們的高階智駕，到了2028年的時(shí)候，我們估計(jì)累計(jì)的量應(yīng)該會(huì)超過(guò)1000萬(wàn)臺(tái)。

數(shù)據(jù)的增速也是一個(gè)指數(shù)級(jí)的增速，大家可以看一下這個(gè)短小的視頻，這是2022年量產(chǎn)之后，數(shù)據(jù)很快地從一開(kāi)始只覆蓋經(jīng)濟(jì)發(fā)達(dá)的沿海地區(qū)，到覆蓋全國(guó)，再到覆蓋全國(guó)紅得發(fā)黑（表示數(shù)據(jù)增速極快），其實(shí)就用了大概一年多一點(diǎn)的時(shí)間。相信隨著車(chē)的增加，整個(gè)數(shù)據(jù)的增速是非常快的。

有了這些海量數(shù)據(jù)，大家會(huì)逐漸發(fā)現(xiàn)一旦大規(guī)模量產(chǎn)之后，稀缺的就不是車(chē)或者稀缺的就不是數(shù)據(jù)了。

車(chē)和數(shù)據(jù)就有點(diǎn)像沙子或者有點(diǎn)像鐵礦石，真正稀缺的能力是如何把這些礦藏——而且這個(gè)礦藏含礦率可能不是那么高，它可能是貧礦，更像貧瘠的礦產(chǎn)，你如何在比例只有千分之一甚至萬(wàn)分之一的沙子、礦石里面，把這個(gè)鐵提取出來(lái)，把鐵提取出來(lái)之后再煉成鋼，再把鋼造成發(fā)動(dòng)機(jī)，最后再把發(fā)動(dòng)機(jī)裝到車(chē)上。這一整套的數(shù)據(jù)閉環(huán)的能力就變得越來(lái)越重要、越來(lái)越稀缺了。

當(dāng)有了海量的數(shù)據(jù)之后，在我們體系內(nèi)部叫做閉環(huán)自動(dòng)化，在不同的公司有不同的叫法，（有）叫“數(shù)據(jù)閉環(huán)”、“數(shù)據(jù)工廠”等等，這個(gè)能力就變得尤其稀缺、尤其重要，而且非常關(guān)鍵，尤其是整個(gè)自動(dòng)駕駛軟件算法架構(gòu)在逐漸往大模型方向發(fā)展的時(shí)候，這個(gè)基礎(chǔ)設(shè)施的建設(shè)就變得尤其重要。

我們的基礎(chǔ)設(shè)施包含了車(chē)端數(shù)據(jù)基礎(chǔ)設(shè)施FDI，還有云端的數(shù)據(jù)基礎(chǔ)設(shè)施CDI，再到自動(dòng)化的數(shù)據(jù)標(biāo)注，再到訓(xùn)練集群。訓(xùn)練集群大概有1萬(wàn)多張GPU，再到仿真的（里程數(shù)）。我們現(xiàn)在每周能夠做的仿真里程數(shù)已經(jīng)接近2000萬(wàn)公里。另外，我們每月OTA的數(shù)量也很快。

介紹完我們的數(shù)據(jù)和閉環(huán)自動(dòng)化之后，關(guān)于整個(gè)算法架構(gòu)到端到端的大模型，現(xiàn)在整個(gè)AI發(fā)展的趨勢(shì)是逐漸由小模型到大模型，由專(zhuān)用的小模型到多個(gè)專(zhuān)用的小模型組合起來(lái)去完成任務(wù)，變成了一個(gè)更加通用的大模型去完成任務(wù)，不管在自然語(yǔ)言（處理）、計(jì)算機(jī)視覺(jué)還是在自動(dòng)駕駛，這個(gè)趨勢(shì)都在發(fā)生。這里我跟大家也匯報(bào)一下我們?cè)谧詣?dòng)駕駛上的一些實(shí)踐。

我們現(xiàn)在在自動(dòng)駕駛上已經(jīng)做到了算法5.0，在這之前有（算法）2.0、3.0、4.0。

跟大家匯報(bào)三點(diǎn)：第一，大家可以看到在（算法）2.0的時(shí)候，尤其是感知的部分，我們有多個(gè)小模型。到3.0的時(shí)候我們把融合、跟蹤和預(yù)測(cè)合并成了更大一點(diǎn)的模型，能夠完成更加通用的任務(wù)。到了4.0就進(jìn)一步合并成更大的、更通用的模型。這個(gè)趨勢(shì)基本上也是行業(yè)里非常先進(jìn)的一些玩家共同探索的一個(gè)方向。

第二，在規(guī)劃的這部分，我們?cè)谛袠I(yè)里面屬于探索的先頭兵。我們實(shí)際上在2020年的時(shí)候就已經(jīng)開(kāi)始用Deep Learning（深度學(xué)習(xí)）來(lái)做planning（規(guī)劃）了，最終把這套東西做到比較成熟能夠量產(chǎn)上車(chē)，是在2023年上半年，這個(gè)時(shí)間點(diǎn)甚至比特斯拉用Deep Learning做planning的時(shí)間更早。去年，特斯拉V11的planning還是rule-based planning，但是今年V12已經(jīng)升級(jí)到端到端的Deep Learning的planning。大家可以看到一個(gè)趨勢(shì)，在planning的部分，逐漸用深度學(xué)習(xí)去替代傳統(tǒng)的基于規(guī)則的、基于優(yōu)化的planning，這是第二個(gè)趨勢(shì)。

第三個(gè)趨勢(shì)就是端到端的大模型，這個(gè)詞現(xiàn)在也非常熱。我匯報(bào)一下我們的架構(gòu)設(shè)計(jì)，可能跟特斯拉有相同的部分，也有不一樣的部分。

最不一樣的部分是我們的端到端分了兩個(gè)支路。一個(gè)支路是端到端的大模型，類(lèi)比于人類(lèi)的長(zhǎng)期記憶。另外一個(gè)支路分成了兩階段，DDOD加上DDLD相當(dāng)于是感知的部分，DLP是Deep Learning的planning，是認(rèn)知的部分。這個(gè)支路相當(dāng)于是人類(lèi)的短期記憶。

為什么一定要構(gòu)建一個(gè)長(zhǎng)期記憶、構(gòu)建一個(gè)短期記憶呢？其實(shí)最主要的原因是為了更好的、更低成本的、更短周期的試錯(cuò)，因?yàn)橛蒙疃葘W(xué)習(xí)來(lái)做自動(dòng)駕駛的話，它是一個(gè)開(kāi)始，不是一個(gè)結(jié)束。開(kāi)始的話意味著未來(lái)還會(huì)有很多的探索和升級(jí)，如何把整個(gè)試錯(cuò)成本降低，這是生物演進(jìn)也需要達(dá)到的一個(gè)效果，那對(duì)于我們來(lái)說(shuō)也需要達(dá)到這個(gè)效果。

埃隆·馬斯克的推特說(shuō)他去年花了20億美金構(gòu)建他的數(shù)據(jù)中心，今年計(jì)劃用100億美金去做自動(dòng)駕駛的訓(xùn)練和推理。可以看到，自動(dòng)駕駛的大模型訓(xùn)練其實(shí)試錯(cuò)的成本非常高，訓(xùn)練一個(gè)模型可能要花百萬(wàn)美金甚至幾百萬(wàn)美金，如果方法錯(cuò)了或者數(shù)據(jù)錯(cuò)了，那幾百萬(wàn)美金就打了水漂了。

我們的設(shè)計(jì)是短期記憶的訓(xùn)練成本比較低，因?yàn)檎嬲枰剿鞯氖荄LP（Deep Learning的planning）部分。所以在短期記憶上很重要的一件事情就是驗(yàn)證這個(gè)方法是不是正確以及用于訓(xùn)練的數(shù)據(jù)是不是正確，是不是好的方法，是不是好的數(shù)據(jù)。這樣短期記憶的訓(xùn)練成本會(huì)比較低，訓(xùn)練的周期也會(huì)比較短，能夠比較快速地去解決一個(gè)問(wèn)題、更新一個(gè)feature、驗(yàn)證一個(gè)方法、驗(yàn)證一批數(shù)據(jù)。最終我們被驗(yàn)證過(guò)的好的方法、好的數(shù)據(jù)，在積累一段時(shí)間之后再應(yīng)用到我們端到端的大模型上（就是長(zhǎng)期記憶），這樣能夠保證長(zhǎng)期記憶的訓(xùn)練基本上一次訓(xùn)練就能訓(xùn)練對(duì)，一次訓(xùn)練就能訓(xùn)練好。這其實(shí)也是跟人的長(zhǎng)期記憶、短期記憶很像，人去探索環(huán)境的時(shí)候，最先更新的是短期記憶，當(dāng)這個(gè)短期記憶學(xué)習(xí)到一些成功的經(jīng)驗(yàn)之后，這些成功的經(jīng)驗(yàn)再更新到人的長(zhǎng)期記憶中去，這樣就能夠更加低成本、短周期地去適應(yīng)環(huán)境，更加低成本、短周期地去探索更好的方法以及更好的數(shù)據(jù)。這就是我們的端到端大模型整個(gè)算法架構(gòu)的思路。通過(guò)這樣一個(gè)做法，比直接完全用端到端的大模型去試錯(cuò)，訓(xùn)練的成本應(yīng)該能小10到100倍。

介紹完端到端大模型的算法架構(gòu)和背后的思考，這里有一個(gè)簡(jiǎn)短的視頻，來(lái)看一下現(xiàn)在能夠取得的效果。（播放視頻）

我們發(fā)現(xiàn)端到端的模型對(duì)于施工道路的變化和非結(jié)構(gòu)化的道路學(xué)習(xí)，以及適應(yīng)的能力、泛化的能力都是非常強(qiáng)的。現(xiàn)在我們這套端到端的大模型系統(tǒng)已經(jīng)在一些客戶（的車(chē)）上量產(chǎn)了，包括上汽的智己、騰勢(shì)，還有昊鉑。時(shí)間有限，看更多的視頻還不如上車(chē)體驗(yàn)，未來(lái)有機(jī)會(huì)希望能夠邀請(qǐng)各位老師、各位領(lǐng)導(dǎo)一起上車(chē)體驗(yàn)。

這里我再快速介紹一下一個(gè)思考，就是智駕的摩爾定律以及高階智駕的規(guī)模化。

我們認(rèn)為當(dāng)前是高階智駕的一個(gè)引爆點(diǎn)。去年如果是拐點(diǎn)的話，今年就是引爆點(diǎn)。作為類(lèi)比，有點(diǎn)像電動(dòng)車(chē)的2020年。大家知道2020年到現(xiàn)在2024年，電動(dòng)車(chē)的滲透率增速非常快，同樣，能夠?qū)崿F(xiàn)城市NOA的高階智能駕駛也進(jìn)入了爆發(fā)期。

為什么會(huì)有爆發(fā)期？我們認(rèn)為主要因?yàn)槭侵邱{的摩爾定律。

智駕的摩爾定律是我們內(nèi)部的一個(gè)說(shuō)法，它包含了兩部分，一個(gè)是智駕硬件的摩爾定律，另外一個(gè)是智駕軟件的摩爾定律。

硬件的摩爾定律就是每?jī)赡暧布某杀緯?huì)降一半，這是一個(gè)經(jīng)驗(yàn)公式。

比如兩年前能夠?qū)崿F(xiàn)的城市NOA，基本上一套BOM成本，加上域控，加上傳感器，包括攝像頭、激光雷達(dá)等，大概需要15000-20000元。但現(xiàn)在的話，實(shí)現(xiàn)一套城市NOA 的BOM成本差不多能做到7000—10000元，再過(guò)兩年到2026年的時(shí)候，能夠?qū)崿F(xiàn)的BOM大概是4000—5000元。

4000—5000元這個(gè)數(shù)字也不是我們瞎想的。大家仔細(xì)去研究一下特斯拉FSD，你會(huì)發(fā)現(xiàn)它的BOM成本已經(jīng)做到4000元了。所以有特斯拉在引領(lǐng)這個(gè)行業(yè)，我相信在2026年的時(shí)候整個(gè)行業(yè)能夠?qū)崿F(xiàn)城市NOA智駕的BOM基本上能夠做到4000元出頭。當(dāng)然硬件的摩爾定律是有極限的，整個(gè)BOM做到4000出頭再往下降的話就非常難了，也不是特別有必要了。

另外一個(gè)方面，sky the limited——沒(méi)有天花板的就是智駕的軟件摩爾定律。由于大規(guī)模的量產(chǎn)、大模型的上車(chē)，由于非常好的數(shù)據(jù)工廠、數(shù)據(jù)閉環(huán)自動(dòng)化的迭代，我們看到的一個(gè)趨勢(shì)就是每?jī)赡曛邱{的水平至少提升10倍。

10倍是什么感受？可以舉一個(gè)例子，最近有一個(gè)客戶來(lái)拜訪我們，體驗(yàn)了我們NOA的產(chǎn)品，他說(shuō)他也試了另外一家非常牛的產(chǎn)品，但是兩年前他開(kāi)那輛車(chē)的話就覺(jué)得汗流浹背，兩年后用我們的產(chǎn)品，就覺(jué)得有頭等艙的體驗(yàn)。并不是說(shuō)我們比另外一家做得好，另外一家在過(guò)去的兩年應(yīng)該也提升了10倍，如果他再去體驗(yàn)的話也應(yīng)該會(huì)有頭等艙的體驗(yàn)，而是說(shuō)整個(gè)行業(yè)的頭部公司每?jī)赡甓寄馨阎邱{的體驗(yàn)從兩年前的汗流浹背提升到頭等艙的體驗(yàn)。

可以暢想一下，兩年（智能駕駛體驗(yàn)提升）10倍，四年（提升）100倍，六年（提升）1000倍，如果（經(jīng)過(guò)）未來(lái)兩年、兩年再兩年，那這個(gè)智駕的體驗(yàn)會(huì)好到超乎大家的想象。

最后簡(jiǎn)單總結(jié)一下：我們覺(jué)得未來(lái)能夠跟上（智駕）摩爾定律的公司能夠生存，能超越摩爾定律的公司能夠成為一家卓越的公司。

希望能夠跟各位老師和各位領(lǐng)導(dǎo)建立起更好的合作關(guān)系，希望能夠一起打造卓越的產(chǎn)品，一起來(lái)超越摩爾定律。

好，謝謝大家。