0
隨著智能駕駛方案的快速進化，從高速NOA到城市NOA，從規(guī)則驅動到數據驅動，智能駕駛的研發(fā)難度與所需資金也在迅速提升，每年數億元的投入似乎只是行業(yè)的入場票。
智能駕駛研發(fā)門檻的提高，使得一些弱勢第三方智駕供應商陷入發(fā)展困局，智駕供應商市場份額逐漸向頭部集中，呈現出“雙強主導”格局。
近日，《2025城市NOA汽車輔助駕駛研究報告》（以下簡稱“報告”）在中國汽車工業(yè)協會汽車行業(yè)信息發(fā)布會上正式發(fā)布。報告顯示，2025年1-11月，在城市NOA第三方供應商市場中，Momenta和華為HI模式的市場份額顯著領先，合計占第三方供應商比例約八成。其中，Momenta城市NOA搭載量41.44萬輛，占第三方供應商比例約61.06%。
在Momenta領先的市場地位背后，是其技術探索腳步一直走在行業(yè)前沿，而更深層次的原因是Momenta在創(chuàng)業(yè)初期就認識到物理世界對智能駕駛的重要性，因此沒有埋頭只做技術，而是選擇了研發(fā)與交付并重的發(fā)展路線。
2025年，城市NOA功能在中國汽車市場進一步普及。報告顯示，2025年1—11月，我國搭載城市NOA功能的乘用車累計銷量達312.9萬輛，占乘用車上險量的15.1%，較2024年全年提升5.6個百分點。
其中，Momenta城市NOA搭載量41.44萬輛，占第三方供應商比例約61.06%，保持行業(yè)領先，覆蓋國內主流乘用車企業(yè)，且全球排名前10大車企中，有8家與Momenta開展合作；華為HI模式搭載量約13.41萬輛，占第三方供應商比例約19.76%。
根據中汽協數據分析預估，2025年11月華為乾崑智駕（鴻蒙智行+HI模式）的搭載量已達到10萬輛，Momenta搭載量約9萬輛。從第三方城市NOA供應商市場份額、搭載規(guī)模上看，華為與Momenta“雙強格局”穩(wěn)固。
據雷峰網(公眾號：雷峰網)《新智駕》了解，方案、數據的通用性是Momenta能與如此多車企的不同車型合作的原因。目前，搭載Momenta城市NOA功能的L2車型與L4方案均使用統一的軟件算法架構、傳感器方案，采集到的數據可以在不同車型上通用以及用于針對性地訓練和優(yōu)化算法模型。
可以說，Momenta已經構建起了“算法、數據閉環(huán)、規(guī)模化量產”的體系化閉環(huán)。
在數據驅動的模式下，智能駕駛功能的發(fā)展速度很大程度取決于數據量。如今，Momenta城市NOA的年搭載量已經突破40萬輛，已經接近甚至超越許多自研城市NOA的車企，更是在第三方城市NOA供應商市場中一騎絕塵，先發(fā)優(yōu)勢已愈發(fā)明顯。
在智能駕駛這個智力密集型行業(yè)，除了數據積累的先發(fā)優(yōu)勢，Momenta市場表現領先的另一大原因是其在技術上的領先。
目前，Momenta已推出Momenta R6強化學習大模型（以下簡稱“R6模型”），這是國內首個在端到端基礎上真正實現量產落地的強化學習大模型。區(qū)別于模仿學習，Al的駕駛能力是接近人，而基于強化學習的Momenta R6強化學習大模型，可以在模擬的環(huán)境里去探索新的駕駛行為，系統從自己的成功和失敗中吸取經驗，自我快速的成長，可以讓駕駛在安全、安心的能力上，有機會超過人甚至大幅度超過人。
Momenta R6強化學習大模型在技術上的領先也轉化為了體驗領先，在安全性上，通過對不安全軌跡給予負反饋，提升了模型對鬼探頭等危險場景的應對能力；在舒適性上，在十字路口無保護左轉等多目標博弈場景中，模型能做到既考慮對向來車，又考慮斑馬線上的行人、兩輪車；在通行效率上，Momenta通過獎勵機制激勵模型的正確行為，懲罰錯誤行為，提升了通行效率，例如在擁堵路段智能選擇車道、精準下匝道等。
回顧Momenta的智能駕駛發(fā)展歷史，可以發(fā)現其一直走在技術前沿。2020年起，Momenta就堅定推進端到端算法架構——用數據驅動算法逐漸取代規(guī)則算法，并將分散的小模型逐漸融合為統一大模型。
2022年，Momenta首款量產車型的智駕方案仍基于規(guī)則規(guī)劃與多個專用模型（如紅綠燈識別、動態(tài)物體檢測等）。不過，改變很快發(fā)生。Momenta在2023年上半年，應用了基于Transformer的預測模型；2023年下半年實現感知與規(guī)劃的兩段式端到端，并推出基于Transformer的規(guī)劃算法。作為對比，當時特斯拉的FSD仍為V11版本，采用的是基于規(guī)則的規(guī)劃算法。
2024年，Momenta進一步將感知與規(guī)劃融合為一段式端到端模型，實現從傳感器原始信號到規(guī)劃軌跡的端到端輸出。一段式端到端方案的優(yōu)勢首先在于系統反應更快，能提升對通用障礙物的識別能力；其次，由于感知與規(guī)劃模塊的融合，在一段式端到端方案中，原始數據的損失更少，系統可以規(guī)劃出更適合的行車軌跡，提升在復雜場景中的擬人能力。
不過，由于一段式端到端方案依賴模仿學習，其成長上限受制于人類司機數據，且難以完全抑制模型對一些錯誤行為的學習，Momenta于2025年在模型中引入強化學習機制，推出Momenta R6強化學習大模型。在云端仿真世界的訓練中，Momenta通過強化學習中的獎勵與懲罰，就能不斷抑制模型的風險行為，并提升安全性、舒適性與通行效率。
如今，AI行業(yè)正處于極速變化的發(fā)展階段，但數字世界AI與物理世界AI仿佛走向了相反的發(fā)展道路。前者以大語言模型為代表，谷歌、xAI、阿里、月之暗面等巨頭與創(chuàng)業(yè)公司，仍在孜孜不倦地推出新產品、新模型。后者以智能駕駛為代表，已經從百花齊放開始逐漸走向頭部集中。
兩種AI的差異背后，固然有行業(yè)發(fā)展階段、參與者投入決心、資金實力的不同，但回到第一性原理，這種差異更多取決于兩種世界的性質——數字世界天生靈活、容錯率高，用戶愿意嘗試不同的產品；物理世界則顯得笨重，汽車生產出來后很難拆回零件的狀態(tài)，大部分用戶購車后三到五年才會選擇換車。這就讓主機廠、用戶在選擇智駕方案時慎之又慎，更愿意選擇有過成功經驗的公司，比如Momenta。
而Momenta之所以能取得如今的地位，也與其深諳物理世界的特性有關——智能駕駛是要在汽車上用起來的。在創(chuàng)業(yè)初期，當許多競爭對手只是埋頭研發(fā)，不愿埋下身子做好更臟更累的交付時，Momenta選擇了研發(fā)與交付并重，不僅與主機廠們密切溝通，高管們也頻繁試駕各地的實驗車輛。
現在，Momenta在第三方城市NOA市場中取得了超60%的市占率，馬太效應已經越來越強，接下來他們最大的對手應該是自己——如何提升自身的組織效率，將更多的訂單完美交付。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
