《深度体验后，和大家聊聊 Momenta 到底是一家什么样的公司？》 这次和大家深度聊聊 Momenta｜ 最近非常深度的体验 Momenta 的产品，也到北京学清路总部打了卡。还记得今年来这最多的是再往北走几公里的小米总部。 现在北京大部分的同事已经聚集在一个办公地，过去还比较分散，大家开个会可能“凑一凑”，现在一个大平层，容纳几百上千人，员工的一日三餐都包，如果晚上挑夜灯奋战的场景，颇为壮观。 Momenta 的人数没有我想象的多，只有一千多个人，市场部的人数更少，但大家都会觉得这就是“Momenta的风格”。 这次体验了 5.0 版本，和我预期类似，产品体验已经打磨超过了目前大部分头部自研主机厂。 让我没想到的是，曹旭东对产品的注重程度远超我的想象，我觉得他的风格以及用户敏感性甚至接近李想。除了他本人外，公司内部的产品和研发都必须上车。 我发现用户产品体验的leader做得好一般有几个性格，一般性子都比较急、触点敏感、学习能力超强以及具备全局思维的能力。 1｜Momenta ，端到端了吗？ 目前 Momenta 给到用户用到的软件版本已经是一个以端到端为主的算法架构，接下来会完全切入直接就剩一个端到端。 其实当时在做高速领航的时候，我当时体验到的版本在规划决策算法上其实已经用了数据驱动。 因为大部分算法强的公司一般的特性就是更“依赖”算法的领先性，比如会做预研，会更早做数据闭环。甚至 Momenta 行事风格是当官方在说这件事儿的时候，其实基本已经量产的差不多了。 2｜体验有哪些不同？ 如果感知是眼睛，规划是大脑。在规则时代，看到什么让大脑学习什么，这个过程是由我们人为来决定的。 端到端的意义，就是拿掉人工规则，让眼睛和大脑完成无损传递，看到什么、学习什么由大模型决定。这时候系统会有两个重要变化，系统会对环境理解产生了意识，道路不再是靠过去的高精地图的各种xy点数据结构，而是更接近人脑的结构，比如更好的理解前方200米右转的信息，和人一样有目的地意识。 而针对环境变化判断产生了直觉，比如绕行的动作也不是先看到、再预测、再规划再到控制，类似一个编程走完一个个序列，而是直接输出轨迹，体验更类人丝滑、聪明。 这是我这次体验 Momenta 版本最大感受，后续视频中再和大家进一步分享。 3｜数据从哪里来？体验为什么能做好？ Momenta 更多的数据是靠采集，而且这部分数据就是老司机直接车开回来的数据。回来之后进入仿真中和人类的差距做一个对比，通过不断扩大采集量得到更多高质量的轨迹，不断缩小大模型和人类的差距，最后做到让大模型越来越像人。 这也是 Momenta 所提到的“短期记忆”和“长期记忆”两个模块，短期记忆跑的是效率，能够像人一样学下来的驾驶习惯会沉淀在长期记忆中，而这样的训练成本会非常低。 我发现和理想定义一个老司机的标准再去数据库里挖掘不同，Momenta 更在意的是前期培养的“老司机”没有任何人工干预，而不是写好规则再学。通过不断扩大采集量，也就是高质量的轨迹提高模型的能力，直到越来越类人。 而前期挖掘只是一个补充，比如一些 corner case 补充需要挖掘。 4｜我在深圳开得好，如何解决其他城市也能开、开得好的问题？ 现在其实 Momenta 的 5.0 已经是全国都可开。5.0 我们理解其实是一个主线产品，不同客户拿到后其实都是一样的，只不过不同客户拿到这个版本后怎么定义、怎么推、时间节奏等是客户决定。 包括端到端实际也很早上车，比如奔驰、广汽就非常聪明，一早就传播端到端以及全国多可开。 其次大模型到来后，泛化能力其实也有明显增强。基本上大模型见过相对类似一些的场景的话，基本上都没有太大问题。 那不同客户有不同需求怎么办？ 甚至合资车厂在德国或者日本有不一样需求怎么办？ 这绝对是一个宇宙难题，这也是为什么 5.0 需要是一个强大的主线产品的原因，主线产品其实已经经过大量用户体验和客户需求定义下来的产品，比如效率、老司机的用户体验、具备智能的优化能力，这也才能做到说服大部分客户甚至海内外客户的原因。 接下来视频中可以和大家聊聊端到端后，体验到底会有哪些区别？可能相比学术科普大家可能会更加好理解一些。