一套新規、一系列的事件，讓整個行業認知到，做不好安全，輔助駕駛何以談發展。隨著輔助駕駛快速上量，一套足夠安全的輔助駕駛系統，正成為越來越多消費者購車決策中的核心考量。
打造安全的輔助駕駛產品，依靠的絕非是單點的技術應用，而是貫穿從研發到產品再到測試的系統性工程。擁有嚴格質量管理體系的合資車企，和不斷深耕輔助駕駛技術的中國企業，正攜手探索破局之道。本次上海車展上，上汽大眾宣布與智能駕駛公司Momenta達成戰略合作，其多個量產車型將全面搭載與Momenta聯合打造的最新量產輔助駕駛一體化解決方案。做出更安全、更安心的輔助駕駛體驗，正是雙方合作的主要方向之一。
圖1 上汽大眾汽車有限公司黨委書記、總經理陶海龍（左）和Momenta CEO曹旭東（右）在合作儀式現場，圖片來自Momenta
Momenta與上汽大眾的合作，意味著德系安全標準與中國輔助駕駛技術的深度融合，發揮各自優勢，構建覆蓋“研發-驗證-量產”的安全體系，為車主交付安全可靠的輔助駕駛產品。
全鏈路質量管理體系，讓安全直達真實場景
技術是安全的基石，而嚴格的質量管理體系和試驗標準，則是確保技術的可靠性能夠在實際應用中得到驗證、發揮作用。
作為有著40年歷史的中國第一合資轎車品牌，上汽大眾背靠大眾汽車集團，構建了健全的產品全生命周期質量保證體系和質量評估體系。例如，VW80000這套被稱為汽車電子產品環境試驗的“易經”，便是由大眾汽車提出，并被全球車企廣泛采用的汽車電子產品環境試驗標準。
VW80000 標準覆蓋了從零部件到系統級別等測試場景，包括環境適應性測試、電氣安全驗證、電磁兼容性評估、可靠性測試等方面，旨在確保產品的質量和性能符合嚴格的行業要求，詳細規定了汽車電子產品在開發過程中的測試標準和實驗規范。
同時，在整車驗證測試方面，都會模擬不同行駛工況以及極端環境進行路試驗證，像ID. 家族在全球范圍內測試里程累積超過 600 萬公里。
圖2 出廠前測試中的上汽大眾車輛，圖片來自網絡
尤其是在主動安全方面，上汽大眾聯合Momenta會針對某個場景做環境范圍的擴大和細化，來覆蓋更多可能的復雜工況，僅行人橫穿場景下的主動安全就涉及兒童與行人橫穿、夜間路口兒童橫穿、對向有遠光燈情況下的兒童橫穿等。而針對雨雪天氣，還會關注在雨雪路面下的自適應能力，以做到在更大的剎停距離下仍然能確保足夠的安全性。
這些因素共同構成了大眾車的全方位安全保障。除了主動安全方面的輔助駕駛功能，大眾在被動安全方面也做得很出色，車身結構堅固，配備安全氣囊、預緊式安全帶等，在發生碰撞時能有效保護車內人員安全，與輔助駕駛系統的主動安全功能相結合，形成全方位的安全保障。
以數據驅動，打造輔助駕駛的安全飛輪
輔助駕駛的應用場景千變萬化，靠手寫規則，無法窮舉所有安全場景。數據驅動，是實現安全能力不斷進化的明確路徑。Momenta的“一個飛輪兩條腿”的技術路徑，本質也是通過數據驅動的方式來解決輔助駕駛問題。
“一個飛輪”指數據驅動的AI 飛輪。Momenta 通過量產的自動駕駛車輛收集數據，利用這些數據不斷完善技術體系，包括感知、融合、預測和規控等算法模塊，然后將優化后的技術反饋至產品中，實現自動駕駛技術的持續進化，形成一個良性循環，加速技術迭代和應用推廣。
“兩條腿”分別代表智能輔助駕駛和自動駕駛Robotaxi。
智能輔助駕駛側重于量產自動駕駛技術的快速推廣，通過與全球主流車企合作，快速積累真實路況數據和商業化經驗，目前其智能輔助駕駛能應對多種極限場景，未來還將基于用戶洞察持續發掘高價值極限場景。憑借“無圖”技術，打破了高精地圖的地域束縛，實現了“全球都能開”，為用戶提供功能豐富、性能極致的安全、安心使用體驗，同時也為自動駕駛 Robotaxi 的長尾問題解決提供海量數據支持。
據媒體報道，Momenta在國內城市NOA 市場份額超過 60%，處于領先地位，且取得定點客戶涵蓋全球銷量前十主機廠中的近七成。高比例的市場份額和巨量搭載Momenta系統的車輛，意味著其有更多機會收集真實數據，特別是各種真實的邊緣場景（corner case）數據。
除了海量真實數據，Momenta內部還構建了CFST（Critical FST）體系，將功能場景樹作為產品架構，專門識別和處理“高精尖”的特殊場景。
「功能場景樹」會覆蓋幾百個細分場景，通過對這些場景進行評測，評估深度學習方法在哪些場景行之有效，而哪些場景可能會有意料之外的問題出現。如果來源于算法問題，則通過調整模型結構進行解決。如果來源于數據問題，就需要找出輔助駕駛系統訓練時使用的那些不好的駕駛行為。
更多的真實數據，加上數據閉環技術所生成的高質量場景虛擬數據，再加上Momenta的功能場景樹在大的駕駛場景下不斷細分各種子場景和極端場景，實現場景盡可能的全覆蓋。
以上“真實場景數據+功能場景樹+數據閉環”，三個不斷增長的數據要素再結合進自我反饋自增強的“飛輪大模型”，保證了Momenta對各種困難場景、極端場景（絕大多數事故都發生于這些場景）的覆蓋和有效處理，做到“難不住，問不倒”。
此外，Momenta在模型訓練中還采用了短期記憶+長期記憶的雙支路技術。這一技術模擬人腦“直覺推理+邏輯分析”雙軌思維模式，將模型訓練劃分為短期記憶與長期記憶兩條支路。“短期記憶”能快速訓練，驗證數據和算法的有效性，就如同人類在日常駕駛中對即時路況做出的快速反應。經過 “短期記憶” 驗證的優質算法和數據，在積累一段時間后會被應用于“長期記憶”，即最終的端到端大模型。這種雙支路技術將訓練成本顯著降低，助力車輛精準且迅速地應對各類駕駛場景，并在保證模型效果的前提下，降低產品成本，增加競爭力。