Z Circle 是關於人的欄目。
Momenta 創始人曹旭東畢業於清華大學，先後任職於微軟亞洲研究院和商湯科技，在人工智慧行業有超過十年的研發和管理經驗。
2016 年，曹旭東創立 Momenta。創立同年，真格基金天使輪投資 Momenta。如今，中國的道路上有接近 10 萬輛車使用 Momenta 的自動駕駛軟體。
在近期的深度訪談中，曹旭東分享了 Momenta 穿越智駕行業週期的堅持，以及對端到端大模型趨勢的看法、對智駕行業的未來展望。以下是訪談原文。
本文經授權轉自《晚點LatePost》（ID：postlate）
作者｜程曼祺
編輯｜黃俊杰 宋瑋
到 2024 年上半年結束，中國的道路上有接近 10 萬輛車使用 Momenta 的自動駕駛軟體。在設定好目的地後，這些車在高速路和大部分城區路段都可以自行換道、超車、過路口，避讓電動車和行人；它們來自上汽、比亞迪、廣汽……都裝著英偉達的自動駕駛晶片。
接下來，還有包括通用、豐田、賓士在內的十多個品牌的數十款車型也會搭載 Momenta 的軟體，這讓它成為目前拿到最多高階智慧駕駛訂單的公司。已交付過類似高階方案的供應商現在只有華為和 Momenta，自研智駕的車企中，則只有蔚小理。
不久前有報道稱，Momenta 正計劃赴美上市，如成功，它會成為中國自動駕駛第一股。
Momenta 曾經歷起落：2018 年，它成為中國第一個自動駕駛獨角獸；但在 2019-2020 年的中國自動駕駛融資黃金時期，小馬智行、文遠知行等公司連續融資，Momenta 卻沒有釋出任何融資進展，它的研發總監還離職去了蔚來。
進入 2021 年，Momenta 卻在一年裡獲得 10 億美元融資，佔其歷史總融資額的 3/4，投資方集齊了上汽、豐田、戴姆勒、通用、博世等中外大車企和供應商。
這家公司成立以來的主要戰略並無變化，但自動駕駛的行業座標已經改變。
2016 年，曹旭東在 30 歲時創立 Momenta。這之前，他本科在清華學物理，直博後又退學，跨專業去微軟亞研院研究 AI；2014 年，他加入當年剛成立的 AI 明星公司商湯；創立 Momenta 前，他已做到商湯研發總監。
第一批自動駕駛公司普遍錨定 Google 的 Waymo，想做 Robotaxi（無人計程車）：給車裝雷射雷達、做路測，直接做出全無人駕駛方案，試圖顛覆整個汽車行業。
但曹旭東創辦 Momenta 時，就不認為用幾百、上千輛車做測試，用一堆工程師寫程式碼，就能做出全無人駕駛。他想一邊給汽車公司做有限的智慧駕駛功能，拿到「1000 億公里的實際路測資料」，一邊用這些資料反饋幫助研發全無人駕駛。
這條路起初被認為缺乏想象力。「豐田是小馬的供應商（Robotaxi 公司會改裝車輛，做測試），而 Momenta 的目標是給豐田當供應商。」一位沒選 Momenta 的投資人曾如此解釋兩種路線的差別，他認為量產供應商的天花板遠不如 Robotaxi。
除了要做「量產」自動駕駛，Momenta 的早期融資 BP、曹旭東早期採訪中反覆提及的關鍵詞還有「資料驅動」：想辦法用深度學習等主要依賴資料的方法來做智駕系統，而原本的智駕系統需要用程式設計寫大量規則，無法直接從駕駛資料中學習怎麼開車。
「現在這是行業共識了，但當時真沒有人知道自動駕駛全流程要怎麼用資料來驅動。」曹旭東說他自己當時也不完全知道答案，但他判斷這是實現完全無人駕駛的必要條件，因為傳統的規則方法下，一旦遇到未被規則最佳化的個例（corner case），系統就不知道怎麼辦，始終有安全挑戰。
「他最初的考慮並不是自己創業。」Momenta 天使輪投資人、真格基金合夥人劉元說，曹旭東創業前也接觸過 Google、蘋果，但發現這些公司當時沒有認真考慮過實現全無人駕駛需要很多很多車和資料，「他不是為創業而創業，而是真的相信這是做出無人駕駛的最優方式。」
量產 + 資料驅動的非主流路線使 Momenta 一度進展緩慢。當一批 Robotaxi 公司比拼測試區域大小、路測車數量和越來越少的接管次數時，主要精力是與車企做預研的 Momenta 沒有太多可展示的成果。
轉折點發生在 2020 年：特斯拉大賣，市值超過豐田、大眾之和，更多車企將高階智駕視為必然方向，這有利於做量產的供應商找到客戶——2021 年 3 月，上汽集團投資 Momenta，採購它的方案用於自己的新能源品牌智己。同年，Momenta 完成鉅額融資。
行業此時評價智駕公司的最主要指標不再是博士數量、論文、接管次數和融資與估值，而變成了車企客戶數量、車型訂單數量、已交付產品的口碑。一批原本做 Robotaxi 的公司也試圖進入量產自動駕駛市場，但進展緩慢。Momenta 的對手從創業公司變成了大公司——華為車 BU、大疆車載、商湯絕影。
近年逐漸興起的端到端大模型智駕趨勢，則讓資料驅動有了更明確的實現方式。
2021 年，特斯拉在 AI Day 上提出用 Transformer 架構的模型做感知視覺模型，這被視為「端到端」的雛形。但當時特斯拉並未詳細解釋在決策環節，智駕系統該怎麼用深度學習方法「思考」開車，其它公司都要自己找路徑。
自動駕駛有感知、規劃與決策和控制三個模組，靠感知「看」，靠決策「思考」怎麼開車，靠控制模組完成駕駛行為。端到端技術就是從感知到決策，整個過程都用一個大模型實現。
Momenta 在 2020 年已開始預研深度學習的決策模組，到 2022 年初，年底量產高速 NOA 在即，一個選擇擺到面前：到底是用深度學習做量產方案的決策模組，還是用傳統的規則方法？最後 Momenta 選擇主推深度學習方法，用規則方法保底。
2024 年，特斯拉 FSD V12 上線，感知到決策成為一個貫通的大模型，「端到端」變成主流。據多家媒體報道，特斯拉 FSD 今年可能落地中國。
端到端大模型其實就是資料驅動的一種高階形式：一端輸入攝像頭等感測器獲得的資料，另一端直接輸出車輛行駛軌跡，讓系統知道車該怎麼開。
2022 年初做出那個決定後，Momenta 在當年底量產了用深度學習做決策的高速 NOA，他們後來又把視覺模型和決策模型合併，變成了一個貫通的端到端大模型，Momenta 也成為中國第一批次產端到端方案的公司。目前，上汽智己、比亞迪騰勢和廣汽昊鉑的部分車主已經用上了它的端到端無圖 NOA。
智駕行業的變化和競爭仍在繼續。最被看好的還是特斯拉：自己造車，自研智駕系統和晶片。尚未消除的疑問是：自研的車企最終會擠壓掉多少供應商的空間？
從晶片切入智駕的英偉達和地平線等公司也使戰局更復雜，它們現在分別服務著賓士、大眾兩個重要車企。
更快完成多車型交付是 Momenta 目前的優勢。新能源車價格戰已持續一年半，傳導到智駕環節，車企少付甚至不服研發費並不罕見，同一車型引入多個供應商比價、賽馬幾乎成為中國車企的標準操作。如果交付效率不高，智駕公司客戶越多、虧損越多。
「Momenta 強在多平臺適配能力，可以同步相容多種硬體平臺，快速部署、快速迭代。」一位智駕測評人士稱。
Momenta 現在以 1300 多人的規模同時交付數十個車型；華為智駕團隊加上外包人員總共 4000 多人，服務著十餘個車型。
面對新競爭，曹旭東認為，未來全球可能只有 3、4 家智慧駕駛 Tier1，因為這是個壁壘高、規模效應強的行業——端到端技術帶來的效能進化會繼續加強頭部公司的優勢。
曹旭東把它總結為智駕的摩爾定律：軟體體驗每兩年提升 10 到 100 倍；硬體 BOM 成本（原材料成本）每兩年降一半。
他認為，最終活下來的頭部公司，很可能是垂直整合智駕軟體和計算平臺的 Tier1 形態，這才有可能在降低成本和提升效能上，超越智駕的摩爾定律。Momenta 現在不掌握計算平臺，這是它的弱點，也是它下一個階段的空間。
以下是與 Momenta 創始人、CEO 曹旭東的對話。
01
「FSD 進入中國，是良幣驅逐劣幣的轉折點」
Q：一年多以前，你最擔心的事是高階智駕方案不夠好用，不能幫車企賣車；而現在，推出包含 NOA 功能的高階智駕方案成為車企共識，變化是如何發生的？
曹旭東：關鍵是智駕體驗的提升，兩年十倍。
去年是一個重要拐點。今年初我去美國試乘 FSD v 11 和 Waymo，那時 v11 的體驗和 Waymo 還有巨大差距。但最新的 v12 和 Waymo 已經非常接近了。特斯拉 FSD 在這半年內至少進化了超過十倍。
Q：你們自己的進化速度呢？
曹旭東：我們的城市 NOA 方案從今年初到現在已經提升了 10 倍。現在是有路就能開，有導航就能開。
Q：有什麼讓你驚豔的表現嗎？
曹旭東：今年清明節前後，有天晚上我途經一個小鎮，有人在路邊燒紙錢，佔了半個車道。我跟安全員說這大機率要接管，結果那輛車開到火堆附近就避讓繞行了。我們又試了好幾次，每次它都會繞行，我還專門拍了影片。
端到端大模型的能力有時會超出想像，燒紙的火堆在我們的感知模型裡是從來沒有被定義過的。
Q：在中國範圍內，把自研的車企也算上，端到端高階智駕的第一梯隊有哪些？你最在意的對手是誰？
曹旭東：華為。我們有客戶評測過，在上海和深圳——華為做得最好的兩個城市，我們是各有千秋。但在其他城市，比如北京、保定、杭州、廣州，我們的產品體驗還有泛化能力比華為更好。
Q：你們是車型定點最多的高階智駕供應商，但服務的車的數量不是最多的。輕舟智航的高速 NOA 方案今年推送給了 40 萬臺車，超過了你們和華為。
曹旭東：這個數字變化很快。判斷一家智駕公司在市場中的位置，最重要的是看量產後的產品體驗，其次是客戶質量，再次是客戶數量。因為只要是一個高質量客戶，它就想給自己的使用者提供最好的產品，合作會從一個車型變成三、五個車型，十個車型，量就會上來。
Q：馬斯克說今年底 FSD 有可能進入中國，到時會發生什麼？
曹旭東：它有點像特斯拉被引入上海，良幣驅逐劣幣。這之前，中國電動車的水平參差不齊。但特斯拉進來後，能對標特斯拉體驗的車企才能更好活下來。
FSD 來到中國也會把競爭帶起來，至少先把價值，把消費者的口碑和認知捲到足夠高，讓他們真的願意買單。
如果一開始沒把體驗和價值捲到足夠高就把價格捲到很低，為了卷價格到又不得不犧牲價值，最終消費者花幾千塊買了一個方案，又不好用，就會覺得智駕是騙人的，哪怕賣得再便宜也賣不長。
Q：FSD 也在對外授權，馬斯克說今年就會談下第一個車企客戶。你覺得這會帶來什麼變化？
曹旭東：如果你是一家大車企，你會選 FSD 嗎？不會，商業風險太大。
02
「全球頭部車企可能會有 20 家，智駕公司只有 3、4 家」
Q：你之前說，考慮到研發和運營投入，一個智駕公司一年要服務 1000 萬臺車才能活得相對好。真能做到 1000 萬意味著什麼？（近 3 年來，全球每年乘用車銷量在 5500- 6500 萬之間。）
曹旭東：至少是全球前二。智駕最後在全球可能就三、四家公司，中國可能就兩、三家公司。格局可能是 7：2：1——第一名佔 70% 的市場。
因為這是一個是強壁壘、強規模效應的賽道，這種領域基本都是高集中度的，如晶片。
而且消費者對智駕的需求是一樣的：安全、安心、高效、智慧，它只有好與更好。而車則有很強的服裝和裝修屬性，蘿蔔青菜各有所愛，所以集中度不會特別高，全球頭部車企可能會有 20 家。
Q：你認為能活到終局的智駕公司可能是什麼形態？為什麼？
曹旭東：如果終局成立，你會看到剩下的兩三家或三四家公司最終的策略是垂直整合。
我之前講過智駕的摩爾定律：軟體體驗每兩年提升 10 到 100 倍；硬體 BOM 成本（原材料成本）每兩年降一半。BOM 成本兩年前是 1.5 萬到 2 萬，現在是 7000 到 1 萬，未來會到四五千。
這需要垂直整合才有可能做到，我們的目標就是超越智駕的摩爾定律。
當然很多東西也不需要自己做，比如智駕的感測器和域控等，行業裡已經做得很好了，最優方式是找出最好的一、兩個公司深度合作。
Q：對應你說的 7:2:1 終局，頭部智駕公司未來還需要更大的量、服務更多價位的車。你們過去主要服務中高階車型，接下來的計劃是什麼？
曹旭東：今年後半年到明年上半年，我們的方案就可能在 15 萬的車上量產上市，除了高速 NOA，它還會有城區記憶領航等高階功能。這是汽車行業的規律，新東西肯定在貴的車上先上，產品更成熟、成本更低之後再下探一個價位。
Q：你們過去的方案主要是基於英偉達的晶片，今年也開始和高通合作，這主要是為了把高階方案用到更便宜的車上嗎？
曹旭東：這是原因之一，另一個原因是高通的功耗很好，所以可以上油車，也更適合混動。
03
「做出端到端不難，但提升端到端的下限很難」
Q：現在行業都在提端到端大模型，你們是怎麼理解和做端到端的？
曹旭東：這個大方向是對，但下面可能有 1 萬條路徑，其中只有 10 條是 work 的。
我們最早在 2020 年就開始嘗試用端到端，或者說深度學習的方法來做智駕。在感知模組上，這在 2020 年、2021 年就相對成熟了，行業裡的好公司大概都知道怎麼做。
難的是，怎麼用深度學習來做 planning，就是決策規劃。當時有人認為規控就不適合用深度學習做；甚至有極端聲音說，誰講用深度學習做規控，誰就是騙子。因為深度學習方法的可解釋性沒那麼強，有人會把不可解釋和不安全聯絡起來，其實這是兩件事。
Q：那會兒用端到端做規控是個非共識？
曹旭東：對，我們做的一個比較重大的決策是在 2022 年初——我們 2022 年底要量產高速 NOA，當時就面臨選擇：一年之後，我們到底是要上深度學習的規控，還是傳統的基於規則的規控？
這兩套東西我們當時都有。深度學習方法是上限高、下限低，它在一些場景令人驚豔，但有時又會犯匪夷所思的錯誤；傳統方法是上限低、下限相對高。所以前者在一個寬區間，後者在一個窄區間。寬區間意味著機會，也意味著風險。
最後我們決定要上深度學習的規控，這是一個比較冒險的決策，因為當時還不完全知道怎麼解決它下限很低的問題，我們又只有一年時間；而且自動駕駛對安全要求非常高，哪怕你解決了 99% 的下限問題，這個產品也沒法釋出，只要這個車偶爾行為比較詭異，使用者一下子就不想用了。
Q：你們後來是怎麼解決深度學習方法下限低的問題的？
曹旭東：它是一個體系。首先是用「功能場景樹」來識別問題。我們梳理出了幾百個細分場景，對這些場景做評測，知道深度學習方法在哪些場景是 ok 的，哪些場景可能會有意料之外的問題。
然後就去分析到底是演算法問題還是資料問題。如果是演算法問題，就要改模型結構，再去做實驗，看問題有沒有解決。
如果是資料問題，我們就去看是不是引入了一些不好的駕駛行為。因為只要你把人開車的資料喂進去，模型就會學，它很難區別好壞，端到端下限低就是因為這個。
這就要構建一套資料產線，知道怎麼造和挖掘好的資料和清洗資料。我們有一個團隊專門做這個，有一整套造、挖、洗的資料產線。
最後你還要有一個評測系統，去判斷改進是不是真提升了效果。
到 2023 年底時，我們就把深度學習的規控和感知模組合在了一起，變成了一個端到端的大模型。這就像拼樂高，它本身不難，難的是繼續解決下限低的問題，這個過程中，我剛才說的這一套體系都可以繼承。
Q：端到端無圖智駕方案還在快速發展，還會面臨很多技術選擇。怎麼提高持續做對技術判斷的機率？
曹旭東：我們公司有一個文化叫「低成本短週期試錯」。在做探索前，先要搞清楚最核心假設是什麼，把它抽取出來去檢驗，這樣週期就會更短、成本就會更低。
如果我們一上來就做端到端大模型，每訓練一次模型可能要花上百萬美元。但我們的做法是，先去解決端到端裡最不成熟的深度學習的規控，做這件事花的錢和時間都少得多。而且這個過程中得到的一些結論和方法還可以遷移到更大的模型上。
我們公司的文化就是兩條：一是以客戶價值為中心，一是低成本短週期試錯。
04
「你永遠不可能靠 1000 輛車實現完全無人駕駛」
Q：Momenta 成立的最初幾年都難以被歸類。你們不像博世、大陸、法雷奧等老牌 Tier1 那樣做車道保持、跟車等 L2 輔助駕駛功能，目標是實現全無人駕駛。但你們也不像同期成立的小馬、文遠等 Robotaxi 公司那樣用改裝車做路測，而是選擇給車企做量產的高階輔助駕駛，為什麼？
曹旭東：因為我們覺得不做量產根本無法實現完全無人駕駛。完全無人駕駛就是要解決解決萬分之一、十萬分之一的長尾問題，你永遠不可能靠 1000 輛車實現全無人駕駛。
我們看到的路徑後來被總結成「一個飛輪，兩條腿」。一個飛輪是資料飛輪，就是用資料驅動的方式去發現和解決長尾問題，它包括演算法、整個資料產線和一套自動化工具鏈。
兩條腿，一是量產的自動駕駛，一是全無人駕駛，這兩個產品的架構是一致的。先把全無人系統先放到測試車上跑，相對成熟了，再往量產推；然後量產的資料回來了，又能用於發展下一代全無人產品，兩條腿協同。
Q：幾年前另一家自動駕駛公司創始人曾對你說，既做又做可能會「搏二兔不得一兔」。
曹旭東：確實更難，其他家做 Robotaxi 可以用很大的算力、很多高效能感測器，但是我們就必須在量產的晶片上做，必須用量產感測器，而且我們的 Robotaxi 軟體架構和量產軟體架構是相容的，這都是約束。
短期看增加了做事的難度。但長期看，它的優勢就在於兩條腿之間的技術流和資料流的協同，所以還是得這麼選。
Q：把你們的思路推到極致，好像應該自己造車。
曹旭東：這個探討過，但我們覺得做不出新的價值，也不是我們的 passion。你能感覺到斌哥（李斌）、李想是真喜歡造車，就像我們是真喜歡 AI。
Q：你們 2016 年成立，真的有第一個客戶已經是 2020 年了，為什麼這麼久？
曹旭東：特斯拉和小鵬對我們有很大幫助。2020 年之前，你去和客戶聊高階功能，很難推進訂單。因為那時大部分人都不覺得特斯拉怎麼樣，而且它的自動駕駛路線有些激進，更多車企還是希望逐步去上自動駕駛。
2020 年，特斯拉銷量和市值飛漲，很多車企開始在智慧化上加大投入。這之前，跟我們聊的可能是車企的總監、副總裁；這之後出面的就是總裁、CEO 這個級別了。
Q：有人認為供應商選大客戶就是賭。比如空氣懸架，孔輝選了理想，寶隆選了小鵬，最後孔輝成了中國市佔率第一的空氣懸架供應商。你們的第一個重要客戶是上汽智己，他們 2021 年上市以來累計賣了不到 10 萬輛。這是運氣還是賭？
曹旭東：有時候這真是緣分。但更晚做量產高階方案的公司也不會有更多自由去找客戶。現在同樣一個客戶，Momenta 跟一個新玩家 PK，肯定是 Momenta 勝出機率大。
05
「一件事重複幹了兩、三次後，必須用工具做」
Q：你們最早開始做量產交付的智駕公司，現在也是同時交付車型最多的公司，量產交付是 To B 科技公司的一道坎，你們在交付上經歷了幾個階段？
曹旭東：第一階段是智己的交付，所有東西都是第一次。第二階段是比亞迪的交付，換了一個新客戶、一個新車型，還是會遇到 0 到 1 的部分。現在我們是第三個階段，不管新老客戶，都是 1 到 N。
Q：0 到 1 和 1 到 N 的區別是什麼？
曹旭東：最直接的區別是人效。交付智己時，我們 400 多人用了 1 年半，這是研發和交付一起算。第二階段，差不多是幾十人幹了大半年。現在對老客戶交付一個新車型，只需要幾個人幹半年。我們現在同時在交付的車型有幾十個。
Q：同時交付幾十個車型，華為現在都沒到這個狀態。這是怎麼實現的？
曹旭東：依靠強大的主線產品和一套快速適配的流程。主線是能持續積累的產品和方案，一定要堅持住一條主線不分叉。
Q：堅持一條主線，聽起來也不太難？
曹旭東：事實是一線的同學經常會遇到各種短期壓力，這就容易造成短期行為。比如解決一個問題有 10 種方法，其中只有一種是主線的，但其它支線可能短期內難度更低、工作量更小，他就可能選擇支線。這會導致不同客戶、不同車型上有多條支線，而一旦開出一條支線，就要持續開發和維護，大家會陷入消耗戰，每條支線都在救火，但又做不好。
你去覆盤一段時間裡團隊為什麼崩潰，往往就是因為當時在支線和主線中選了更容易走、但更短期的支線，沒有堅持長期天花板更高、更可積累的主線。
Q：你們作為供應商想要長期積累的主線，但車企想要更快、更有差異化的服務和方案，如何兼顧？
曹旭東：這需要一套流程和工具，能在統一架構上快速適配不同客戶的需求，我們把它總結為三大法寶：M-Framework（Momenta 框架），M-Adapter（介面卡）和 M-Box。
Momenta 流程示意圖，其中 MF 中的 Mpilot 指量產自動駕駛方案，MSD 指全無人駕駛方案。
M-Framework 是一套軟體演算法架構，它能用到不同車型、感測器和晶片上，也能幫一線的人去看一個東西是不是在主線上。M-Adapter 是適配新車型時的一套標準化和自動化流程；M-Box 是一套硬體開發套件。
給不同車型適配自動駕駛系統，是一個在工程樣車上不斷最佳化的過程。量產過程中，工程樣車的硬體底座很不穩定，上面的攝像頭、域控等部件可能會有各種問題。
所以你需要 M-Adapter 這種工具去高效檢驗樣車狀態、識別問題。否則一旦一個問題從上游流到了下游，發現問題、解決問題的成本和難度可能會大 100 倍。而當供應商在改零部件時，我們就可以用 M-Box 裡的硬體去替換有問題的部件，保證開發進度並行向前。整車開發中有上千個關聯件訊號，只要有一個出問題就不行。
Q：現在這套流程聽起來很完善。但 2021 年之後你們一度面臨較大的交付壓力，用了很多人，Momenta 也成了出名的工作強度很高公司。
曹旭東：這有一個過程，你必須先讓能開發工具的人去做交付，幹苦活、累活，他才能知道交付流程和裡面的痛點，不然開發工具就是無的放矢。
Q：你曾說，希望大家不要把自己當工具人，要學會使用工具。但這比較反人性，因為工具不成熟時，當工具人更不費腦、更省事。你們怎麼讓大家真的把工具用起來？
曹旭東：誰在這方面做得好，就給他更多獎勵和機會：發錢，給榮譽，立標杆。同時要把這方面能力比較強的人選為 leader，讓他去引導大家。
一件事重複幹了兩次、三次後，必須用工具做，不能再用人去做。要讓大家就知道，用工具去解決問題是公司鼓勵的。
Q：其實你說的這些流程化和使用工具的思維，在生產標準件的汽車供應商看來都比較常規，為什麼它對智慧駕駛行業的公司來說卻是個大工程？
曹旭東：智駕演算法和技術在快速迭代中，對一個持續進化的物件，要建立標準化，流程化的交付體系，難度會大很多。
Q：一條主線、三大法寶，聽著也一點不「智慧」，倒是很像「流水線」上的標語。
曹旭東：這都是實踐出來的。我記得陳奕迅有一句歌詞，是「你應該活得像一句廣告。」
很多管理實踐也要像一句廣告，這樣大家才會真的記住和理解，才會進入心智。
資料驅動演算法、量產輔助駕駛和全無人駕駛並行的想法，在公司成立之前就有，前幾年也在朝這個方向幹，但到 2018 年底時，你從上到下、從左到右去問一遍，會發現只有 20% 的人在往這個方向做，80% 的人還處於混沌狀態。我們後來把這個戰略總結成「一個飛輪，兩條腿」，並且還要穿到身上。
Q：你今天就穿著。
曹旭東：2021 年到 2023 年，我們把三大法寶也穿在身上。（在文化衫的背面）。
我們特別大投入做三大法寶是這 3 年，現在比較成熟了，所以最近改成了「十年挽救百萬生命」。我們服務的車型越來越多，安全變得更重要了。
Momenta 文化衫的正面（一個飛輪兩條腿）與背面（目前是「十年拯救百萬生命」）。有些 Momenta 工程師會開玩笑說自己在飛輪公司上班。
06
「最難的選擇是不改變最初的選擇」
Q：去年至今大語言模型火熱，你有一種離開風口浪尖的感覺嗎？
曹旭東：類似的情況我經歷過幾次了。去年大模型最火的時候，多個投資人建議我們搞大模型，因為我們有很多卡。我說我們肯定會做自動駕駛大模型，其他場景就先不湊熱鬧了。
Q：端午節前，一個智駕工程師群裡討論哪家公司發粽子了，有人說「首先排除 MMT（Momenta)」。實際上你們發了嗎？怎麼看你們的行業形象？
曹旭東：沒有。這可能是大家喜歡玩的一個梗。我們公司對一線員工的一句話就是「多發錢，高人效」。之前叫「高人效，多發錢」，後來改了，因為高人效是我想要的，多發錢是員工想要的，要先保證員工想要的。一線員工我也不跟你講情懷、畫大餅，要求他們對公司戰略、使命、願景百分百理解和認同，這是奢望。
Q：你現在最多的精力會花在哪兒？
曹旭東：技術和產品，你會發現技術和產品特別有槓桿效應，產品好了，所有客戶都開心，如果產品有問題，所有客戶都不開心。
Q：你前不久發朋友圈專門講到了槓桿。
曹旭東：對。我剛創業時讀過安迪·格魯夫的《給經理人的第一課》。絕大部分內容我都忘了，但記下來一個概念，就是「管理槓桿」。
一定要做有槓桿效應的事；如果兩件事都能做，一件事的槓桿是一，另一件是一百，聚焦做槓桿是一百的事。
Q：組織的槓桿是什麼？
曹旭東：持續招更好的人和選拔更好的人。公司文化的最終體現是誰上誰下，誰走誰留。
Q：作為 CEO，最近一年多你的進步是什麼？
曹旭東：還是剛才說的槓桿效應，不光我自己要投入有槓桿效應的事，我也在把最瞭解情況、承擔最大責任的人的精力牽引到有槓桿效應的事上。
Q：這靠什麼實現？
曹旭東：有很多方法，比如我們有一個東西叫「落實三抓」。抓人、事，抓對齊，抓進展。
抓人、事，第一是要把事情定位好，取一個好名字，要能體現事情的定位；同時要理清楚跟這個事最相關的人是誰。抓對齊是對齊這件事的方向原則、大致方案、每個人的責任、時間節奏。
抓進展就是重要的事要多溝通，這不是靠週報或週會，更多是每天交流。你會發現，很多時候重要的事大家不做，不是因為不知道它重要，而是因為重要的事通常都比較模糊，大家不知道怎麼做，那當然先去做知道的事。實際上越是不知道，越要多分享資訊，你要保證重要的事在重要的人身上有熱度，天天談、天天想，總會有好的行動出來。
Q：創業快 8 年，你做過的最難的選擇是什麼？
曹旭東：不改變最開始的選擇，就是堅持用資料飛輪來做自動駕駛，建立資料驅動的演算法。別看現在這是行業共識了，但當時真沒有人知道自動駕駛全流程要怎麼用資料來驅動。我們現在可以說已經做到全流程資料驅動了。
Q：Momenta 要成為智駕行業活下來的頭部玩家，未來最大的坑和風險是什麼？
曹旭東：要做的事還是超越智駕的摩爾定律，還要解決出海的政策壁壘，中國產業的崛起一定要把中國好的產品賣向全球，日本、韓國、德國、美國之前都是如此。
Q：自動駕駛之外，你現在還為哪些技術興奮？一年多以前你說過很關注人形機器人，有相關嘗試嗎？
曹旭東：現在還沒有，因為自動駕駛是非常大的賽道、非常好的機會，現在我們肯定想做到中國第一、全球第一，要聚焦。
十幾年前上大學時，我看過一本書叫《人工智慧的未來》，當年真是看得全身興奮、每個細胞都興奮。幾年前，我重新翻了這本書，發現這本書已大大落後於我對智慧的認知了，這說明整個行業相比零幾年時的先驅已經前進了好幾步，回頭看我才感受到這份震撼。
通用 AI 一定會發生，我們有生之年也一定是重要的推動者之一。如果自動駕駛要幹 10 年，這件事可以繼續幹 20 年、30 年。20 年之後我才 50 多歲。
推薦閱讀