Momenta饒慶：智能駕駛將進入“摩爾定律時代”

11月9日，在第六屆世界互聯網大會烏鎮咖薈·汽車夜話現場，Momenta全球首席架構師饒慶帶來了他的最新判斷。

智能駕駛的核心競爭正從算法炫技轉向體系效率；

自動駕駛要實現可規?；?，必須依托千萬級量產車形成真實數據閉環；

數據驅動正在取代規則驅動，強化學習成為下一階段的關鍵技術；

智能駕駛的演進將遵循“智駕摩爾定律”——軟件體驗每兩年提升十倍，硬件成本每兩年減半。

以下為饒慶在烏鎮咖薈·汽車夜話現場的發言整理：

Momenta成立于2016年，使命是“Better AI, Better Life”，希望通過更好的AI帶來更好的生活。

從2016年到2021年，是公司從0到1的階段；2022年實現首款車型量產。2022年至2024年，是從1到10的階段，我們與多家合作伙伴陸續完成量產交付。到2025年，公司已有40多款量產車型，裝車規模超過50萬輛。

我們的原則是，在交付時要做到超出預期。很多合作的主機廠，也逐漸成為了戰略級伙伴。

接下來進入今天的主題——如何實現可規?；腖4自動駕駛。

我們所說的“可規?；?，并不是幾百輛、幾千輛RoboTaxi在特定區域內的示范運行，而是要能夠在全國乃至全球范圍安全運行，讓用戶真正“脫手、脫眼”。

要實現這一點，安全性是首要前提。

人類司機平均每1億公里會發生一次致命事故，如果要達到“比人類安全10倍”的目標，系統必須在1000億公里的數據中持續迭代性能。

這些數據里包含著真實世界的各種長尾問題：輪椅穿越人行橫道、高速掉落異物、節日期間路邊火堆、卡車裝載樹木等。只有通過大規模量產數據的回流，才能識別、覆蓋并解決這些復雜場景。

我們有兩個核心洞察。

第一，長尾問題必須用數據驅動的方式解決。傳統做法是“見問題、加規則”，但規則是有限的，世界的復雜性是無窮的。只有讓模型通過數據學習，系統才能持續進化。

第二，量產車輛是實現可規模化L4的關鍵。幾百輛RoboTaxi無法覆蓋真實世界的復雜度。只有當量產車輛達到千萬級規模，每輛車每年貢獻約一萬公里數據，整個系統才能累積到千億公里級的數據體量，支撐模型的持續迭代。

基于這兩個判斷，我們在公司內部形成了一套“飛輪體系”。

中間的核心是數據驅動的算法飛輪，兩條腿分別是量產輔助駕駛和自動駕駛。量產數據回流算法，算法提升再反哺量產，讓兩個體系形成閉環，不斷演進。

從2022年量產至今，我們的數據驅動算法已迭代到第六代。早期從算法2.0到5.0，經歷了由多個小模型向一體化端到端大模型的融合，也完成了從規則規劃到數據驅動規劃的轉變。

到2025年，我們升級到R6飛輪大模型。“R”指強化學習。與模仿學習不同，強化學習讓模型在云端世界中不斷自我試錯，通過獎懲機制優化行為。好的行為，如平穩、安全、高效的駕駛，會被強化；不好的行為會被抑制。這樣模型能在虛擬世界中不斷改進，逐步接近甚至超越人類老司機的水平。

可以用AlphaGo做一個類比。AlphaGo最初通過人類棋譜學習擊敗人類冠軍，之后通過自我對弈實現超越。我們認為，自動駕駛模型的進化也是類似路徑。

端到端大模型的能力在真實世界中已有體現。在無車道線、泥濘路面等復雜環境下，即使感知模型不輸出明確的車道類型，系統仍能生成符合人類老司機水平的路徑；

在ETC通行中，大模型能在無車道線、無序博弈的場景中自動判斷通道類型、桿形結構、并與其他車輛協調，實現絲滑通行；

在車位到車位的城市導航中，也能將停車場導航與城市領航無縫銜接，為用戶提供完整的智能駕駛體驗。

除了國內，我們的高階智能駕駛產品也在全球落地。

今年在慕尼黑車展期間，我們與合作伙伴共同完成了200多場城市環線展示，實現零接管，獲得了國際主機廠的良好反饋。

最后，想分享我們對行業未來的判斷：“智駕摩爾定律”——軟件體驗每兩年提升十倍，硬件成本每兩年減半。

2024年的體驗接近滴滴專車司機水平，2026年將達到國賓級司機，預計到2028年前后，可規?；腖4能力將真正形成。

硬件端同樣在快速優化，目前L2++智能輔助駕駛的成本約為一萬元人民幣，未來通過芯片進化、去激光雷達等方式，無圖城市智駕成本有望降至四五千元。

我們相信，自動駕駛的演進會遵循這條“智駕摩爾定律”。

這是一個持續學習、持續優化的過程，靠技術突破，更靠體系的穩健與信任。