上汽智己,如何成為Momenta第一個抬轎人?
重點摘要
2020年,上汽智己選擇Momenta,一定程度是因為對方沒量產過,但夠餓,夠銳,願意把全部身家押上牌桌。商業世界的殘酷合作,往往始於這樣的計算:不是選最強的,是選最敢賭的。Momenta的0到1,由此開始。上汽智己,這個關鍵託舉者,為Momenta此後鋪天蓋地的擴張打下了第一塊地基。01機遇窗口2020年,是智能駕駛行業的轉折點。
2020年,中國智能駕駛產業迎來關鍵轉折點。特斯拉上海工廠正式交付國產Model 3,股價從年初約28美元一路飆升至近300美元,市值突破萬億美元。這股熱潮迅速傳導至傳統車企,電動汽車不再是可選項,而是生存必答題。上汽集團順勢推出高端電動品牌智己,並明確定位豪華市場。然而,高端電動車必須搭載先進的智能駕駛系統才能支撐溢價,當時市場上卻缺乏成熟供應商能提供接近特斯拉體驗的全棧方案。博世、大陸等傳統Tier 1僅能提供L2級模塊化輔助駕駛,無法滿足車企對軟件快速迭代的需求。上汽最終做了一個大膽決定:將智己全棧智駕系統的開發交給Momenta——一家當時尚未經歷前裝量產完整週期驗證的初創公司。 Momenta的劣勢,在合作談判中卻成了優勢。不夠強、但夠餓、夠銳,願意把全部身家押上牌桌,這是上汽智己選擇Momenta的底層邏輯。事實上,雙方早在2018年就有過接觸,當時Momenta與上汽合作了類記憶泊車項目的概念驗證,雖然僅停留在技術交流層面,卻讓上汽看到了Momenta在算法與感知層面的潛力,也認識到這是一個能「打硬仗」的團隊。真正的轉機出現在2020年下半年,隨著智己品牌發布在即,上汽需要快速敲定智駕方案供應商。當年7月,Momenta與智己項目組正式接洽,僅五個月後就敲定了覆蓋全棧智駕軟件與股權投資的一攬子合作。通常這類涉及底層架構的全棧合作需要1到2年的概念驗證週期,且車企傾向於引入多家供應商競標,但上汽這次沒有預留緩衝時間。 投資推進得更快。合作敲定後,Momenta CEO曹旭東很快見到上汽集團董事長陳虹,一個多月後雙方簽訂投資協議。2021年3月,上汽領投Momenta C輪5億美元融資;同年11月,又領投C+輪超5億美元,上汽成為Momenta最大機構投資者。這筆資金為Momenta後續的量產衝刺提供了關鍵彈藥。 2021年3月,上汽智己項目正式啟動。此時Momenta成立已近五年,在計算機視覺感知領域積累了顯著技術優勢,研發的視覺感知算法在多份行業評測榜單中名列前茅。但智能駕駛系統的完整交付不僅需要算法,還需要工程實現、系統集成、測試驗證、供應鏈管理等全鏈條能力,這些都是Momenta當時的短板。公司採取集中投入策略,當時總員工約600人,其中約300人被派往上海常駐,由聯合創始人孫剛帶隊,調動了近一半的技術和工程力量。 然而團隊很快就碰壁了。用孫剛後來在內部會議中的總結:團隊是在「沒有完全準備好的狀態下,打一場沒有打過的仗」。最核心的難題是,做演示車和做量產車完全是兩回事。演示可以靠快速集成和臨時方案實現功能,但量產要求每個模塊、每個接口都符合車規級標準,具備高可靠性和一致性。團隊最初對感知模塊與規控模塊之間的接口定義都不夠清晰,導致聯調時頻繁出現對接問題。據參與智己項目的沈知遠回憶,讓第一輛智己測試車能夠「踉踉蹌蹌跑起來」,團隊就花費了數月時間。作為對比,現在不管什麼新車型,Momenta一個月內絕對能讓它跑起來。 與工程能力建設並行的,是與客戶協作模式的磨合。智己項目的甲方團隊來自傳統汽車製造企業,工作習慣、溝通方式和決策流程與AI出身的Momenta團隊存在顯著差異。Momenta的算法工程師多畢業於頂尖院校,習慣在寬鬆環境中探索創新方案;而上汽的工程師則更注重流程規範、節點管控和結果確定性。項目初期進展未能達到預期,上汽採取了更嚴格的管控措施:每日早晨九點,Momenta團隊必須準時出現在上汽會議室,向數十名相關方匯報進展和計劃。在關鍵階段,上汽甚至直接派人進駐Momenta辦公室「監工」,當日任務不完成就不能下班。壓力也傳導到公司最高層,曹旭東習慣在樓道裡獨自抽菸排解,曾多次在深夜帶領全體副總裁親赴客戶現場解決問題。當交付進程出現嚴重阻塞時,孫剛被暫停所有其他工作,全身心投入攻堅。孫剛回憶:「很長一段時間,團隊士氣都非常低落,每個人心裡都在打鼓:我們真的能做成這個項目嗎?」持續的壓力讓他的體重一度降至80多斤。 這種深度綁定的工作模式,初期帶來顯著摩擦,卻也迫使團隊快速適應車規級開發的嚴苛要求。這段經歷後來沉澱為Momenta的一項運營準則:堅持在客戶所在地設立辦公室。曹旭東明確要求,無論訂單大小,哪怕客戶只訂了一台車,也要在客戶公司附近設辦公室。 時間來到2022年春節,整個Momenta團隊過得不太踏實——春節前智己的自動泊車功能在測試中成功率僅約60%,遠未達到量產標準。工程師高繼揚(現星海圖創始人)在春節後被緊急調入攻關小組。高繼揚2018年博士畢業後加入Waymo從事感知研發,2019年一次會議後被曹旭東在走廊裡認出,兩人聊得投契,2021年1月高繼揚加入Momenta。在智己項目中,他最初負責感知模塊,2022年春節後被調去負責泊車功能。恰逢上海封控,除了休息他幾乎所有空餘時間都花在停車場,通過反覆路測、問題分析和算法優化,最終將泊車成功率提升至95%以上,達到交付門檻。 2022年4月,智己L7正式上市。對Momenta而言,這意味著一年多的高強度攻堅迎來第一個里程碑——其全棧智能駕駛方案首次量產落地,交付即具備ACC、Pilot、自動泊車等16項基礎輔助駕駛功能。這不僅是功能交付,更是能力的交付:從算法研究到車規級產品,Momenta走通了創業公司最難的一段路,具備了符合ASIL等級的軟件開發流程、覆蓋仿真到實車的驗證體系、匹配產線節拍的工具鏈,以及能在主機廠節奏下交付的工程團隊。從「技術供應商」到「量產夥伴」,身份的轉變意味著入場資格。後續Momenta與比亞迪、奔馳們的合作,都建立在智己項目錘鍊出的這套體系之上。 在智己項目的極限交付週期中,曹旭東的管理邏輯呈現出兩個鮮明特徵:對體系構建的堅持,以及對責任終端的堅持。用Momenta內部表達來說,前者是「主線思維」,後者是「以客戶為中心」的思維。當團隊近三百人日夜忙於應對層出不窮的具體問題時,曹旭東要求他們同步投入精力構建標準化的工具鏈和交付流程。他認為僅解決眼前問題無法突破交付能力的瓶頸,從接手項目的第一天起,他思考的就是未來如何同時服務10個、100個客戶。他曾對團隊說:「我們不是只做0到1的交付,而是構建‘0到1,再從1到N’的體系。」曹旭東鼓勵的文化是,系統性的方法比天才的臨場發揮更可靠,一個可靠的體系應該能讓一個60分的工程師穩定輸出90分的結果。Momenta在智己項目中並未設立獨立的工具鏈團隊,而是授權一線工程師在解決項目問題的同時自主開發所需工具,任何發現效率瓶頸的工程師都可以發起優化流程。 以客戶為中心的思維則體現在另一個案例中。2021年8月,智己項目的奧地利中間件供應商因休假導致交付延誤,軟件問題頻發。當團隊與對方爭執責任歸屬時,曹旭東直接要求團隊:「我們得多做一點,就當他們不存在。」Momenta團隊隨後為這家供應商開發了全套測試工具和測試用例,以白盒形式交付,確保對方提交的軟件質量。因為最終要對整個系統負責,當客戶把所有希望都壓在Momenta身上時,團隊就必須成為那個兜底的人。 曹旭東的管理哲學,似乎也在回答一個更根本的問題:從技術到產品、從產品到商業的漫長鏈條上,創業公司的核心價值究竟應該建立在何處——是建立在單個項目的交付思維,還是建立對複雜工程問題的系統化解決能力?是基於創始人的個人意志,還是建立在一套能夠讓平凡人做出不平凡事的組織機制上?當然,任何邏輯都有其邊界。主線思維在追求確定性與效率的同時,是否可能讓組織在顛覆性創新前變得遲鈍?極致的「以客戶為中心」,是否會與公司自身的技術路線或商業利益產生衝突?這套誕生於殘酷量產交付壓力下的生存哲學,當Momenta開始面對更多元、更複雜的未來時,又會經歷怎樣的考驗?一位熟悉內情但不願具名的人士評價:「有些人經歷一場大戰役後,會將其視為人生的一個節點,選擇輕鬆前行;而另一些人,則始終在為下一場、更宏大的戰役做準備。這種分野,往往決定了一個團隊能走多遠。」
在自動駕駛領域,客戶都是「龐然大物」——主機廠、出行平台,每個都是高淨值客戶。交付過程雖然艱難,但可以實現從0到1再到N的規模化複製。很多做demo起家的公司,往往不習慣量產過程中的「髒活累活」,而曹旭東在Momenta早期就有意識地將工程化能力注入體系。這不是技術問題,是組織基因問題,甚至是人性問題。2019年,曹旭東在Momenta發起「清洗式」變革,將公司從自由探索的「研究院」轉向紀律與交付驅動的「工程體系」;2021年,在智己項目的極限壓力中,他堅持「在救火的同時設計消防系統」;2022年底,他拍板自研大模型芯片,以「軟件先行、芯片後至」的模式,在流片前跑通全部軟件。時至今日,經歷行業冷暖、聚焦量產落地之後,他離L4的終極願景也越來越近。曹旭東和Momenta的故事關乎閉環,關乎飛輪,也關乎一個技術信仰者如何在商業現實中一步步完成從邏輯自洽到商業閉環的漫長跋涉。
Related
相關文章

類似 Anthropic Mythos 模型:消息稱微軟正開發 AI 漏洞檢測工具,最快 7 月發佈
微軟正在開發一款名為「感知項目」的AI漏洞檢測工具,類似於Anthropic的Mythos模型,最快可能於本月發佈。該工具採用「模型路由」技術,能在多個AI模型間分配任務,以降低成本並提升效率,為微軟新任安全主管主導的重點項目之一。

達卯科技WAIC首發算電協同2.0:構築AI算力與綠色能源融合新範式
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 達卯科技WAIC首發算電協同2.

真人短劇,被AI逼上大銀幕
# 真人短劇,被AI逼上大銀幕 過去幾年,短劇與電影幾乎是兩條平行的賽道,如今這道界線正在被打破。現象級短劇《好一個乖乖女》的電影版已經傳出組訓消息,預計今年9月在三亞開機。這部在2025年於紅果平台創下40億播放成績的頭部IP,成功捧紅了柯淳、餘茵兩位短劇頂流演員,但熱度過後,網劇版與韓版的反應都相對平淡。如今,從豎屏到大銀幕,真人短劇正在嘗試跨出熟悉的內容生態。 《好一個乖乖女》並非唯一選擇電影化的短劇。《一家三口在同班》《掀桌》等頭部短劇IP也已在今年5月通過國家電影局立項,預計將推出電影版本。

終於用上 AI 的公司,發現業務被大模型公司搶了
許多傳統企業歷經漫長評估與試錯,終於開始將 AI 導入內部流程或對客戶服務時,卻赫然發現自己的市場地盤正被大模型公司一步步蠶食。這些原先被視為技術供應商的大型 AI 業者,不再滿足於扮演底層工具的角色,而是直接推出面向終端用戶的產品,從客服、數據分析到內容生成,幾乎所有曾經屬於第三方服務商的垂直場景,如今都成了它們的囊中物。

給人形機器人當老師,撐起一個百億市場
人形機器人想真正走進工廠和家庭,必須先學會「像人一樣幹活」。這個學習過程,依賴大量真實動作數據,也催生了一個新興職業——具身智能數據採集員。在印度,流水線工人頭頂和手腕裝上攝像頭,反覆進行分揀、裝配等動作,為機器人提供訓練素材。中國的兼職市場上,也出現大量「日結薪資、居家可做、無學歷要求」的招聘帖,求職者重複抓取水杯、整理衣物、搬動物品,成為機器人的「AI教練」。 這背後是具身智能行業的「數據飢渴」。人形機器人要從演示影片走進真實場景,不能只靠模型和硬體本體,還需要海量真實、乾淨、可複用的動作數據。

人工智能終端智能化分級首批測試結果公佈,涉及手機、電腦、眼鏡、電視、汽車座艙等
工業和信息化部等部門聯合發布《人工智能終端智能化分級》國家標準,從L1到L4分級,首批測試結果今日公佈,涵蓋手機、電腦、眼鏡、電視、汽車座艙等終端產品。測試結果顯示多數產品達到L3輔助級,少數為L2工具級,L4協同級將在後續修訂中完善。