编者按：2018年12月28日，由网易智能、清华大学数据科学研究院和25家评审机构共同评出的「2018中国AI英雄风云榜」年度人物榜单揭晓，10位人工智能领域的从业者获奖。其中，Momenta创始人兼CEO曹旭东凭借在人工智能商业领域的成绩荣获本次评选的商业创新人物新锐奖。
出品 | 网易智能（公众号 smartman163）
作者 | 丁广胜
一百年后，那时的人们一定会赞叹，甚至会嫉妒，我们所处的时代。
对于汽车行业，这是一百年一遇的大变革的时代；对于中华民族，这是一百年来从落后到伟大复兴的时代；对于全人类，这是电气革命之后一百年，智能革命的时代，是第三次工业革命。
曹旭东在新年的致全员信中这样写道，面对百年机遇，他高呼打造自动驾驶大脑的口号，带领Momenta驶入了快车道。
他们遵循着渐进式可量产自动驾驶技术的路线图，发起冲锋，Momenta定位自己是整个汽车产业链中的供应商角色，Tier 1或Tier 2，主要服务的OEM，与OEM共同把自动驾驶大脑和身体结合起来实现自动驾驶。
目前，Momenta宣布累计完成融资2亿美金，估值超过10亿美金，位居国内自动驾驶行业第一梯队。
这家公司的舵手曹旭东则被称为“技术癌”，从清华大学到微软亚洲研究院，从商汤科技再到自主创业，这位不折不扣的技术大牛，有着怎样的故事？
成长之路
曹旭东2008年毕业于清华大学，本科就读工程力学专业，毕业后，曹旭东因成绩优异取得了清华大学直博的机会，但出于对人工智能的强烈兴趣，他选择了放弃，在《一起上》的采访中，曹旭东说道，我对统计学有着浓厚兴趣，但当我一心扎入人工智能计算机相关的课程，哪怕自己上课、看书、查文献都乐在其中。
图：微软人工智能程序How-old
就这样，导师三次挽留未果的情况下，曹旭东加入了微软亚洲研究院计算机视觉组，他非常喜欢这里的研究氛围，并担任了研究员，学术兴趣包括机器学习，计算机视觉等，负责研发的人脸识别算法曾用于微软Xbox、How-old等产品，How Old.net有数亿用户，他还业余研究了巴别鱼计划，这是一个专门用于英语学习的聊天机器人项目。
在学习和研究期间，曹旭东还在CVPR/ICCV/ECCV等计算机视觉顶级会议发表了十余篇论文，其中三篇CVPR论文和两篇ICCV论文获得口头报告荣誉（接收率小5%）。
他曾参加National Data Science Bowl比赛，与1000多支来自世界各地团队的选手角逐，并拿到全球第二的好成绩。
图：求学期间的曹旭东
2015年，曹旭东深感人工智能技术需要落地实践才能发挥真正价值，他又从微软亚洲研究院跳槽到在当时还名不见经传的AI创业公司商汤科技，担纲执行研发总监，负技术责研发和筹建北京团队。
而在商汤科技短短的一年多之后，曹旭东选择投身创业浪潮，结合自身优势和经验，选择了自动驾驶赛道，2016年9月，宣布成立自动驾驶领域的人工智能公司Momenta。
他曾在知乎说，很多清华学生把人生当成一场马拉松，在同一个拥挤的赛道上，朝着大众期许的目标，惯性的奔跑。
曹旭东属于那部分不安于现状的人，不愿加入这场“惯性”马拉松，而谁说创业就不是更艰难的长跑呢？
创业之路
Momenta成立之初即获得来自蓝湖资本领投，创新工场和真格基金跟投的天使轮500万美元融资；2017年初，获得顺为资本领投的A轮融资；2017年7月宣布获得B1轮4600万美元投资，由蔚来资本、戴姆勒集团领投，顺为资本、创新工场和九合创投跟投；2017年10月，宣布获得B2轮融资，由凯辉旗下中法创新基金领投，GGV纪源资本参投。
2018年10月，他们宣布了新一轮超2亿美金的融资，投资者包括腾讯等多家机构，国资背景投资者则包括招商局创投、上海国资经营公司旗下国鑫资本、苏州元禾资本以及建银国际。
至此，Momenta估值超10亿美元，跻身独角兽AI创企行列。
曹旭东把人工智能创业公司分为三类：第一类，有技术，无应用场景；第二种，有一定场景但是商业模式没有创新；第三种，是他眼中的完美状态，技术带来需求场景，从而引发商业模式的创新和产业格局的变化。
而他想做的是第三种公司。
对此，他们制定了“三步走计划”：第一阶段是底层基础平台的建设；第二阶段是基于底层平台，建立起环境感知、高精度地图与定位、驾驶决策规划等一系列的软件算法；第三阶段是形成自主泊车、高速公路与城市环路以及城市道路等不同场景和不同级别的自动驾驶解决方案。
据了解，Momenta 提供基于深度学习的环境感知、高精度语义地图、驾驶决策等核心技术，产品包括不同级别的自动驾驶方案，以及衍生出的大数据服务。
2018年10月，Momenta研发总监夏炎谈到，在完成基础平台建设之后，团队开发了围绕环境感知、高精度地图和驾驶决策相关的算法，已经进一步产品化形成了多个不同级别的自动驾驶产品和解决方案，包括后装安全辅助驾驶产品、L3级别面向高速公路和城市环路的自动驾驶解决方案、L4级别自主泊车解决方案以及L4级别城市道路的自动驾驶解决方案。
落地方面，他们于去年4月与苏州签订了战略合作协议，将在苏州建立规模化的测试车队，推动L4级别自动驾驶落地；
同年10月，Momenta获得由上海市政府颁发的自动驾驶车辆道路测试牌照，我们注意到，上海嘉定区共开放11.1公里，临港地区新开放26.1公里，嘉定区的测试道路将聚焦于推进乘用车自动驾驶技术的研发测试，临港地区的测试道路将聚焦于推进商用车自动驾驶技术的研发测试。
此外，高精度地图作为Momenta深耕的细分领域，团队投入了大量的精力，目前，高精度地图主要有以下三点问题，太昂贵，基于激光雷达的传统制图方式价格昂贵，难以大规模铺开，最终制图的成本会转嫁到OEM身上，使用门槛高；不敢用，不同于传统的导航地图，高精度地图服务于机器，任何信息错误都有可能导致致命的事故，因此确保高精度地图提供的信息是安全可靠尤为重要；不会用，高精度地图的发展尚处于早期阶段，行业中真实应用高精度地图的经验有限，且大部分用户对于高精度地图产品还未形成非常清晰的需求。
基于这样的痛点，Momenta采用以视觉为主的方案，摄像头成本低廉，能够支持规模化和众包部署，还能够在保证质量的前提下实现地图的创建和大规模更新。
然后，Momenta通过视觉众包的方式，实现从发现信息变化到质量验证测试的完整流程，能够快速大规模地实现高精度地图的更新，由此来保障高精度地图的安全性。
鉴于大部分高精度地图用户真实应用地图的经验有限的问题，他们通过多个不同级别的自动驾驶解决方案，打通了从感知到高精度地图，再从决策规划到控制的完整链条，在这个过程中，他们可以准确地定义不同自动驾驶场景下对于高精度地图的需求。
显然，对于一家仅仅成立两年多的创业公司而言，要想成就非凡，这还远远不够，曹旭东曾谈到，“我相信未来世界的生产力和自由，将来自大数据和智能”，他笃定自动驾驶方向，而且，这也是他选择创业的原因。
求索之路
曹旭东曾谈及团队最大的优势是深度学习算法能力。
他认为，第一、深度学习算法的通用性很强，基于深度学习的算法更加通用，比如faster RCNN在人脸、行人、一般物体检测任务上都可以取得非常好的效果。
第二、深度学习获得的特征(feature)有很强的迁移能力。第三、工程开发、优化、维护成本低，深度学习计算主要是卷积和矩阵乘，针对这种计算优化，所有深度学习算法都可以提升性能。
图：震惊业界的Uber自动驾驶致死事故
在算法研究和思考之外，曹旭东坦言，思考最多的地方还是自动驾驶的安全性，他在多个场合反复提及，对人类驾驶员来说，平均1亿公里会发生一起致命性的事故，自动驾驶系统想达到人类的安全性水平，大概需要100亿公里的数据，如果安全性想超过人类驾驶安全性一个量级，则需要1000亿公里的数据。
那么，如何实现1000亿公里呢？根据计算，100万辆车跑一年可以达到1000亿公里，但如果每辆车的成本按照100万人民币来计算，大概需要1万亿人民币的造价，这是一个非常非常惊人的数字。
他认为通过数据众包可以很好的解决数据积累问题，“第一点是硬件成本和运营成本较低，出行者在通勤的路上便帮助系统收集了各种各样的数据，另一点是可以通过众包收集影子数据，测试自动驾驶大脑的准确性和安全性，影子测试是不需要直接控制的，通过对比真实司机的驾驶行为和系统的预测行为，就可以评判自动驾驶大脑的安全性。”
曹旭东还表示如果无法保障安全性，自动驾驶不可能大规模商业化。
而在中国，自动驾驶技术的挑战则更大，他指出，第一，在中国，车辆与车辆的距离、行人与行人的距离是很近的；第二，中国人对交通规则的遵守做得并不好，如果要根据当前的位置预测车辆或行人接下来的位置是有困难的；第三，中国的道路很容易出现拥堵，实现拥堵情况下的自动驾驶非常困难。
“但不可否认，这样的挑战也意味着中国对自动驾驶的需求更大，如果大规模普及将为中国交通带来变革”，曹旭东如是说。
而面对经济下行压力，作为创业者的挑战同样巨大，在商业模式未得以验证之前，一切都充满变数。
资料援引及参考：
一起上，《Momenta曹旭东：他能否成为自动驾驶破局者？》；
雷锋网，《曹旭东7000字剖析：无人驾驶端到端的学习（end-to-end learning）靠谱吗？》；亿欧等。
本文来源：网易智能
责任编辑：
王超_NT4133
