Better AI, Better Life

2016 年，Momenta 在中关村萌芽时，就带着一句简单却有力量的使命 ——“Better AI, Better Life”。它想做的不只是 “造技术”，而是用 AI 让自动驾驶从实验室走进现实，让每个人的出行更安全、更从容。如今，这个初心已让它成长为全球智能辅助驾驶领域的佼佼者，上汽、通用等车企纷纷选择与它同行，不少日常通勤车辆的智能驾驶核心模块中，都搭载着 Momenta 的技术。

为了加速这份“出行理想”的落地，公司制定了“一个飞轮两条腿”的产品战略：一条腿是智能辅助驾驶，积累多场景海量数据；另一条腿是可规模化的自动驾驶 Robotaxi，计划今年推出行业首个基于前装量产的 Robotaxi，显著降低单车成本。飞轮大模型则通过海量数据、闭环自动化工具链及数据驱动算法，支撑这两条腿高速运转。

技术层面，Momenta 去年发布的飞轮大模型 5.0，是行业首个一段式端到端量产大模型。今年，基于强化学习的 Momenta R6 飞轮大模型将量产落地，成为国内首个在端到端基础上实现量产的强化学习大模型。

自 2016 年成立以来，Momenta 的智能辅助驾驶搭载量和量产车型数均实现了飞跃式发展。量产车型数从 2022 年起步期的 1 款增至次年的 8 款、26 款，到今年 4 月已超 130 款，方案搭载量也突破了 40 万台。

随着飞轮大模型的持续进化和量产客户的增多，车型和软件迭代速度加快，工作量大幅增加，但研发人员并未显著增长。如何用少量研发人员撬动数十倍客户项目和车型增量？Momenta 研发高级总监范小军揭示了秘诀：优秀的软件架构、领先的模型算法、强大的软件工程能力，还有一套行之有效的软件研发流程。

一场 “双向奔赴”：从 “想自研” 到 “两周定合作”

2024 年初，Momenta 提出了 “导入准出 SPA” 的目标：以 “标准化（Standard）、流程化（Process）、自动化（Automation）” 为核心，让客户需求导入不遗漏、不偏差，让车型版本准出实现高质量、高可靠性。要实现这个目标，需要一套能适配多场景、可快速调整的工具。

Momenta 有个规矩：一件事重复两三次，就必须用工具替代人工。最初，研发团队本想自研工具，却在调研时发现，飞书项目的特性与他们的需求恰好 “同频”。

飞书项目的 “灵活”，刚好接住了复杂的研发流程。智能驾驶研发像 “多线作战”，各产品线、各个研发团队的工作流程都不一样。Momenta 沉淀在飞书项目的流程已有两三百个，涵盖主线、量产项目及各类细分场景。 如果全靠自研，不仅成本高，迭代速度根本赶不上业务的变化 。而飞书项目的低代码甚至无代码能力，让 Momenta 能快速搭建和调整流程， 大大降低了流程数字化的门槛。

更让 Momenta 认可的，是飞书项目的 “开放性”。通过标准化接口，它能把需求、测试、准出等研发核心环节串成一条线，让信息顺畅流转。Momenta 的研发团队也对比过国外的工具，虽流程规范，但总 “水土不服”， 难以贴合国内研发场景。仅两周试用，Momenta 就决定正式引入飞书项目。范小军坦言： “不是我们选了飞书项目，是‘Momenta 想做’，飞书项目刚好能做，这样的一种‘双向奔赴’”。

流程“自动驾驶”，让信息流转更顺畅

Momenta 追求的不只是 “搭流程”，而是让流程 “自己动起来”。正如范小军所说：“我们做自动驾驶的，研发流程，也必须得能‘自动’地‘驾驶’起来。” 飞书项目首先帮它实现了这个目标的核心 —— 全链路可追溯。

在汽车行业，软件研发的 “可追溯性” 是不可逾越的红线：从成千上万条客户需求导入，到主线集成准出、客户项目交付，每一步都得是可验证、可控制的透明链路。

在 Momenta 看来，这从不是需要权衡的 “额外成本”，而是智能驾驶技术真正落地装车的安全基石 —— 毕竟，若连端到端研发环节的关联都梳理不清，又怎么敢将核心算法搭载到消费者日常使用的车辆上？

但过去，需求管理曾是这条 “透明链路” 上的 “堵点”：客户需求格式五花八门，Excel、Reqif 文件混杂，内容颗粒度参差不齐；项目经理每周要跟客户开 20 次会核对进展，大量时间耗费在手动导出数据、反复沟通上。

而飞书项目搭建的需求管理系统，彻底打通了这个堵点 —— 搭配 Momenta 联合飞书项目、高远华信共创的 ASPICE 插件，满足国际主流主机厂的认证标准。客户需求可一键批量导入，过去半天才能录完的几千条需求，现在 10 分钟内就能自动完成；项目经理把客户需求规范化映射到主线需求后，研发团队只需聚焦主线任务，不用再在零散需求里 “找方向”；进展同步也无需频繁开会，系统自动汇聚关键信息，一周沟通会锐减到 1-2 次。

从路测到准出，用有限资源守住安全边界

在智能辅助驾驶研发里，路测是关键环节。要知道，不管仿真测试做得多好，最终还得上车上跑起来实测， 才能得到跟消费者实际使用一样的体感。但传统路测模式效率极低：每辆车需 1 名安全员监控、1 名跟车员记录问题，随着合作车型增多，路测资源需求成倍增长。

基于飞书项目，Momenta 搭建了一套完整的路测管理系统，从测试计划制定、测试用例设计到实际测试执行，全流程覆盖。

路测团队敲定计划（例如用哪辆车、跑哪条路线、测哪些用例）后，一键同步到车端大屏。安全员按大屏指引执行测试，发现问题时按下车载按键就能录音上报，系统自动回传语音与车辆数据，生成包含车辆信息、软件版本、测试用例的问题清单；测试结束后，完整报告自动生成。效率的提升立竿见影：过去需专人跟车的路测员，现在 1 人能同时监管 10 辆车，效率翻了 10 倍，路测链路也更自动化、可追溯。

发现问题只是第一步，高效解决问题才是关键。Momenta 用 “飞书项目 + AI” 的组合，把问题管理从 “体力活” 变成了 “技术流”：车端问题点下按钮、拨下远光灯就能上报，客户反馈一键同步至系统；AI 会自动对问题聚类 —— 曾有客户一次性导入 4000 多个问题，经 AI 精简后降至 300 多条，大幅减少研发重复分析的工作量；AI 还会预分析问题原因，用图文呈现 “初步诊断框架”，研发人员若觉得分析不准，一键反馈就能优化 AI 模型。

而测试后的准出管理，是 Momenta 守住安全边界的最后一道防线。在自动驾驶领域，“算法可行” 不等于 “可以交付”，因此它基于飞书项目落地 “准出 SPA”，建立了多层级把关机制：PR 提交需过代码检查、单元测试；软件模块合入后经台架验证；多模块产品要做仿真与实车测试；主线版本到客户项目准出，还有专属流程。每一个版本都要走完这套流程，才能最终装到客户车辆上 —— 这是 Momenta 对 “让客户用上安全、安心的产品” 的承诺。

效率引擎，让复杂事情变简单

在范小军眼里，飞书项目最核心的价值，是帮 Momenta 把研发流程的 “标准化（S）、流程化（P）、自动化（A）” 落地了 —— 这就是他们说的 “SPA”。这三个字母，让 “从需求到交付” 的全流程，跑成了 “理想状态”。

如今，Momenta 在飞书项目上集成了 20 多个内部系统，开发了 50 多款插件，日均 API 调用 120 多万次。这些数据通过自动化方式在各平台之间流转，显著提升了研发效率。有了飞书项目这个效率引擎，Momenta 的飞轮大模型迭代更加扎实，智能辅助驾驶的研发更快、更稳、更准。

但这场合作的意义，远不止 “效率提升”。“数字化工具的意义，从来不止于效率，更在于解放研发人员的双手，让他们有更多时间专注于更有价值的事情。” 范小军的这句话，点出了核心：当流程自动化承接了重复工作，研发人员得以把精力聚焦于下一代智驾大模型的实验、更安全算法的打磨、人工智能边界的探索中。

正如 Momenta CEO 曹旭东所说，公司正站在 “智驾摩尔定律” 的风口浪尖。要超越摩尔定律、推动真正的智驾平权，不仅需要突破技术壁垒，更需要一场生态协作的 “平权革命”。而 Momenta 与飞书项目的合作，正是这场革命的一个缩影：用流程的 “自动驾驶” 释放人力价值，用工具的 “开放灵活” 适配业务变化，最终让智能驾驶的技术红利，更快、更稳地惠及每一个普通人的出行生活 —— 这，正是 “Better AI, Better Life” 初心的最好践行。