Momenta创始人曹旭东毕业于清华大学，先后任职于微软亚洲研究院和商汤科技，在人工智能行业有超过十年的研发和管理经验。
2016年，曹旭东创立Momenta。创立同年，真格基金天使轮投资Momenta。如今，中国的道路上有接近10万辆车使用Momenta的自动驾驶软件。
作者｜程曼祺
编辑｜黄俊杰宋玮
到2024年上半年结束，中国的道路上有接近10万辆车使用Momenta的自动驾驶软件。在设置好目的地后，这些车在高速路和大部分城区路段都可以自行换道、超车、过路口，避让电动车和行人；它们来自上汽、比亚迪、广汽……都装着英伟达的自动驾驶芯片。
接下来，还有包括通用、丰田、奔驰在内的十多个品牌的数十款车型也会搭载Momenta的软件，这让它成为目前拿到最多高阶智能驾驶订单的公司。已交付过类似高阶方案的供应商现在只有华为和Momenta，自研智驾的车企中，则只有蔚小理。
不久前有报道称，Momenta正计划赴美上市，如成功，它会成为中国自动驾驶第一股。
Momenta曾经历起落：2018年，它成为中国第一个自动驾驶独角兽；但在2019-2020年的中国自动驾驶融资黄金时期，小马智行、文远知行等公司连续融资，Momenta却没有发布任何融资进展，它的研发总监还离职去了蔚来。
进入2021年，Momenta却在一年里获得10亿美元融资，占其历史总融资额的3/4，投资方集齐了上汽、丰田、戴姆勒、通用、博世等中外大车企和供应商。
这家公司成立以来的主要战略并无变化，但自动驾驶的行业坐标已经改变。
2016年，曹旭东在30岁时创立Momenta。这之前，他本科在清华学物理，直博后又退学，跨专业去微软亚研院研究AI；2014年，他加入当年刚成立的AI明星公司商汤；创立Momenta前，他已做到商汤研发总监。
第一批自动驾驶公司普遍锚定Google的Waymo，想做Robotaxi（无人出租车）：给车装激光雷达、做路测，直接做出全无人驾驶方案，试图颠覆整个汽车行业。
但曹旭东创办Momenta时，就不认为用几百、上千辆车做测试，用一堆工程师写代码，就能做出全无人驾驶。他想一边给汽车公司做有限的智能驾驶功能，拿到「1000亿公里的实际路测数据」，一边用这些数据反馈帮助研发全无人驾驶。
这条路起初被认为缺乏想象力。「丰田是小马的供应商（Robotaxi公司会改装车辆，做测试），而Momenta的目标是给丰田当供应商。」一位没选Momenta的投资人曾如此解释两种路线的差别，他认为量产供应商的天花板远不如Robotaxi。
除了要做「量产」自动驾驶，Momenta的早期融资BP、曹旭东早期采访中反复提及的关键词还有「数据驱动」：想办法用深度学习等主要依赖数据的方法来做智驾系统，而原本的智驾系统需要用编程写大量规则，无法直接从驾驶数据中学习怎么开车。
「现在这是行业共识了，但当时真没有人知道自动驾驶全流程要怎么用数据来驱动。」曹旭东说他自己当时也不完全知道答案，但他判断这是实现完全无人驾驶的必要条件，因为传统的规则方法下，一旦遇到未被规则优化的个例（cornercase），系统就不知道怎么办，始终有安全挑战。
「他最初的考虑并不是自己创业。」Momenta天使轮投资人、真格基金合伙人刘元说，曹旭东创业前也接触过Google、苹果，但发现这些公司当时没有认真考虑过实现全无人驾驶需要很多很多车和数据，「他不是为创业而创业，而是真的相信这是做出无人驾驶的最优方式。」
量产+数据驱动的非主流路线使Momenta一度进展缓慢。当一批Robotaxi公司比拼测试区域大小、路测车数量和越来越少的接管次数时，主要精力是与车企做预研的Momenta没有太多可展示的成果。
转折点发生在2020年：特斯拉大卖，市值超过丰田、大众之和，更多车企将高阶智驾视为必然方向，这有利于做量产的供应商找到客户——2021年3月，上汽集团投资Momenta，采购它的方案用于自己的新能源品牌智己。同年，Momenta完成巨额融资。
行业此时评价智驾公司的最主要指标不再是博士数量、论文、接管次数和融资与估值，而变成了车企客户数量、车型订单数量、已交付产品的口碑。一批原本做Robotaxi的公司也试图进入量产自动驾驶市场，但进展缓慢。Momenta的对手从创业公司变成了大公司——华为车BU、大疆车载、商汤绝影。
近年逐渐兴起的端到端大模型智驾趋势，则让数据驱动有了更明确的实现方式。
2021年，特斯拉在AIDay上提出用Transformer架构的模型做感知视觉模型，这被视为「端到端」的雏形。但当时特斯拉并未详细解释在决策环节，智驾系统该怎么用深度学习方法「思考」开车，其它公司都要自己找路径。
自动驾驶有感知、规划与决策和控制三个模块，靠感知「看」，靠决策「思考」怎么开车，靠控制模块完成驾驶行为。端到端技术就是从感知到决策，整个过程都用一个大模型实现。
Momenta在2020年已开始预研深度学习的决策模块，到2022年初，年底量产高速NOA在即，一个选择摆到面前：到底是用深度学习做量产方案的决策模块，还是用传统的规则方法？最后Momenta选择主推深度学习方法，用规则方法保底。
2024年，特斯拉FSDV12上线，感知到决策成为一个贯通的大模型，「端到端」变成主流。据多家媒体报道，特斯拉FSD今年可能落地中国。
端到端大模型其实就是数据驱动的一种高级形式：一端输入摄像头等传感器获得的数据，另一端直接输出车辆行驶轨迹，让系统知道车该怎么开。
2022年初做出那个决定后，Momenta在当年底量产了用深度学习做决策的高速NOA，他们后来又把视觉模型和决策模型合并，变成了一个贯通的端到端大模型，Momenta也成为中国第一批量产端到端方案的公司。目前，上汽智己、比亚迪腾势和广汽昊铂的部分车主已经用上了它的端到端无图NOA。
智驾行业的变化和竞争仍在继续。最被看好的还是特斯拉：自己造车，自研智驾系统和芯片。尚未消除的疑问是：自研的车企最终会挤压掉多少供应商的空间？
从芯片切入智驾的英伟达和地平线等公司也使战局更复杂，它们现在分别服务着奔驰、大众两个重要车企。
更快完成多车型交付是Momenta目前的优势。新能源车价格战已持续一年半，传导到智驾环节，车企少付甚至不服研发费并不罕见，同一车型引入多个供应商比价、赛马几乎成为中国车企的标准操作。如果交付效率不高，智驾公司客户越多、亏损越多。
「Momenta强在多平台适配能力，可以同步兼容多种硬件平台，快速部署、快速迭代。」一位智驾测评人士称。
Momenta现在以1300多人的规模同时交付数十个车型；华为智驾团队加上外包人员总共4000多人，服务着十余个车型。
面对新竞争，曹旭东认为，未来全球可能只有3、4家智能驾驶Tier1，因为这是个壁垒高、规模效应强的行业——端到端技术带来的性能进化会继续加强头部公司的优势。
曹旭东把它总结为智驾的摩尔定律：软件体验每两年提升10到100倍；硬件BOM成本（原材料成本）每两年降一半。
他认为，最终活下来的头部公司，很可能是垂直整合智驾软件和计算平台的Tier1形态，这才有可能在降低成本和提升性能上，超越智驾的摩尔定律。Momenta现在不掌握计算平台，这是它的弱点，也是它下一个阶段的空间。
以下是与Momenta创始人、CEO曹旭东的对话。
01
「FSD进入中国，是良币驱逐劣币的转折点」
Q：一年多以前，你最担心的事是高阶智驾方案不够好用，不能帮车企卖车；而现在，推出包含NOA功能的高端智驾方案成为车企共识，变化是如何发生的？
曹旭东：关键是智驾体验的提升，两年十倍。
去年是一个重要拐点。今年初我去美国试乘FSDv11和Waymo，那时v11的体验和Waymo还有巨大差距。但最新的v12和Waymo已经非常接近了。特斯拉FSD在这半年内至少进化了超过十倍。
Q：你们自己的进化速度呢？
曹旭东：我们的城市NOA方案从今年初到现在已经提升了10倍。现在是有路就能开，有导航就能开。
Q：有什么让你惊艳的表现吗？
曹旭东：今年清明节前后，有天晚上我途经一个小镇，有人在路边烧纸钱，占了半个车道。我跟安全员说这大概率要接管，结果那辆车开到火堆附近就避让绕行了。我们又试了好几次，每次它都会绕行，我还专门拍了视频。
端到端大模型的能力有时会超出想像，烧纸的火堆在我们的感知模型里是从来没有被定义过的。
Q：在中国范围内，把自研的车企也算上，端到端高阶智驾的第一梯队有哪些？你最在意的对手是谁？
曹旭东：华为。我们有客户评测过，在上海和深圳——华为做得最好的两个城市，我们是各有千秋。但在其他城市，比如北京、保定、杭州、广州，我们的产品体验还有泛化能力比华为更好。
Q：你们是车型定点最多的高阶智驾供应商，但服务的车的数量不是最多的。轻舟智航的高速NOA方案今年推送给了40万台车，超过了你们和华为。
曹旭东：这个数字变化很快。判断一家智驾公司在市场中的位置，最重要的是看量产后的产品体验，其次是客户质量，再次是客户数量。因为只要是一个高质量客户，它就想给自己的用户提供最好的产品，合作会从一个车型变成三、五个车型，十个车型，量就会上来。
Q：马斯克说今年底FSD有可能进入中国，到时会发生什么？
曹旭东：它有点像特斯拉被引入上海，良币驱逐劣币。这之前，中国电动车的水平参差不齐。但特斯拉进来后，能对标特斯拉体验的车企才能更好活下来。
FSD来到中国也会把竞争带起来，至少先把价值，把消费者的口碑和认知卷到足够高，让他们真的愿意买单。
如果一开始没把体验和价值卷到足够高就把价格卷到很低，为了卷价格到又不得不牺牲价值，最终消费者花几千块买了一个方案，又不好用，就会觉得智驾是骗人的，哪怕卖得再便宜也卖不长。
曹旭东：如果你是一家大车企，你会选FSD吗？不会，商业风险太大。
02
「全球头部车企可能会有20家，智驾公司只有3、4家」
Q：你之前说，考虑到研发和运营投入，一个智驾公司一年要服务1000万台车才能活得相对好。真能做到1000万意味着什么？（近3年来，全球每年乘用车销量在5500-6500万之间。）
曹旭东：至少是全球前二。智驾最后在全球可能就三、四家公司，中国可能就两、三家公司。格局可能是7：2：1——第一名占70%的市场。
因为这是一个是强壁垒、强规模效应的赛道，这种领域基本都是高集中度的，如芯片。
而且消费者对智驾的需求是一样的：安全、安心、高效、智能，它只有好与更好。而车则有很强的服装和装修属性，萝卜青菜各有所爱，所以集中度不会特别高，全球头部车企可能会有20家。
Q：你认为能活到终局的智驾公司可能是什么形态？为什么？
曹旭东：如果终局成立，你会看到剩下的两三家或三四家公司最终的策略是垂直整合。
我之前讲过智驾的摩尔定律：软件体验每两年提升10到100倍；硬件BOM成本（原材料成本）每两年降一半。BOM成本两年前是1.5万到2万，现在是7000到1万，未来会到四五千。
这需要垂直整合才有可能做到，我们的目标就是超越智驾的摩尔定律。
当然很多东西也不需要自己做，比如智驾的传感器和域控等，行业里已经做得很好了，最优方式是找出最好的一、两个公司深度合作。
Q：对应你说的7:2:1终局，头部智驾公司未来还需要更大的量、服务更多价位的车。你们过去主要服务中高端车型，接下来的计划是什么？
曹旭东：今年后半年到明年上半年，我们的方案就可能在15万的车上量产上市，除了高速NOA，它还会有城区记忆领航等高阶功能。这是汽车行业的规律，新东西肯定在贵的车上先上，产品更成熟、成本更低之后再下探一个价位。
Q：你们过去的方案主要是基于英伟达的芯片，今年也开始和高通合作，这主要是为了把高阶方案用到更便宜的车上吗？
曹旭东：这是原因之一，另一个原因是高通的功耗很好，所以可以上油车，也更适合混动。
03
「做出端到端不难，但提升端到端的下限很难」
Q：现在行业都在提端到端大模型，你们是怎么理解和做端到端的？
曹旭东：这个大方向是对，但下面可能有1万条路径，其中只有10条是work的。
我们最早在2020年就开始尝试用端到端，或者说深度学习的方法来做智驾。在感知模块上，这在2020年、2021年就相对成熟了，行业里的好公司大概都知道怎么做。
难的是，怎么用深度学习来做planning，就是决策规划。当时有人认为规控就不适合用深度学习做；甚至有极端声音说，谁讲用深度学习做规控，谁就是骗子。因为深度学习方法的可解释性没那么强，有人会把不可解释和不安全联系起来，其实这是两件事。
Q：那会儿用端到端做规控是个非共识？
曹旭东：对，我们做的一个比较重大的决策是在2022年初——我们2022年底要量产高速NOA，当时就面临选择：一年之后，我们到底是要上深度学习的规控，还是传统的基于规则的规控？
这两套东西我们当时都有。深度学习方法是上限高、下限低，它在一些场景令人惊艳，但有时又会犯匪夷所思的错误；传统方法是上限低、下限相对高。所以前者在一个宽区间，后者在一个窄区间。宽区间意味着机会，也意味着风险。
Q：你们后来是怎么解决深度学习方法下限低的问题的？
曹旭东：它是一个体系。首先是用「功能场景树」来识别问题。我们梳理出了几百个细分场景，对这些场景做评测，知道深度学习方法在哪些场景是ok的，哪些场景可能会有意料之外的问题。
然后就去分析到底是算法问题还是数据问题。如果是算法问题，就要改模型结构，再去做实验，看问题有没有解决。
如果是数据问题，我们就去看是不是引入了一些不好的驾驶行为。因为只要你把人开车的数据喂进去，模型就会学，它很难区别好坏，端到端下限低就是因为这个。
这就要构建一套数据产线，知道怎么造和挖掘好的数据和清洗数据。我们有一个团队专门做这个，有一整套造、挖、洗的数据产线。
最后你还要有一个评测系统，去判断改进是不是真提升了效果。
到2023年底时，我们就把深度学习的规控和感知模块合在了一起，变成了一个端到端的大模型。这就像拼乐高，它本身不难，难的是继续解决下限低的问题，这个过程中，我刚才说的这一套体系都可以继承。
Q：端到端无图智驾方案还在快速发展，还会面临很多技术选择。怎么提高持续做对技术判断的概率？
曹旭东：我们公司有一个文化叫「低成本短周期试错」。在做探索前，先要搞清楚最核心假设是什么，把它抽取出来去检验，这样周期就会更短、成本就会更低。
我们公司的文化就是两条：一是以客户价值为中心，一是低成本短周期试错。
04
「你永远不可能靠1000辆车实现完全无人驾驶」
Q：Momenta成立的最初几年都难以被归类。你们不像博世、大陆、法雷奥等老牌Tier1那样做车道保持、跟车等L2辅助驾驶功能，目标是实现全无人驾驶。但你们也不像同期成立的小马、文远等Robotaxi公司那样用改装车做路测，而是选择给车企做量产的高阶辅助驾驶，为什么？
曹旭东：因为我们觉得不做量产根本无法实现完全无人驾驶。完全无人驾驶就是要解决解决万分之一、十万分之一的长尾问题，你永远不可能靠1000辆车实现全无人驾驶。
我们看到的路径后来被总结成「一个飞轮，两条腿」。一个飞轮是数据飞轮，就是用数据驱动的方式去发现和解决长尾问题，它包括算法、整个数据产线和一套自动化工具链。
两条腿，一是量产的自动驾驶，一是全无人驾驶，这两个产品的架构是一致的。先把全无人系统先放到测试车上跑，相对成熟了，再往量产推；然后量产的数据回来了，又能用于发展下一代全无人产品，两条腿协同。
Q：几年前另一家自动驾驶公司创始人曾对你说，既做又做可能会「搏二兔不得一兔」。
曹旭东：确实更难，其他家做Robotaxi可以用很大的算力、很多高性能传感器，但是我们就必须在量产的芯片上做，必须用量产传感器，而且我们的Robotaxi软件架构和量产软件架构是兼容的，这都是约束。
短期看增加了做事的难度。但长期看，它的优势就在于两条腿之间的技术流和数据流的协同，所以还是得这么选。
Q：把你们的思路推到极致，好像应该自己造车。
曹旭东：这个探讨过，但我们觉得做不出新的价值，也不是我们的passion。你能感觉到斌哥（李斌）、李想是真喜欢造车，就像我们是真喜欢AI。
Q：你们2016年成立，真的有第一个客户已经是2020年了，为什么这么久？
曹旭东：特斯拉和小鹏对我们有很大帮助。2020年之前，你去和客户聊高级功能，很难推进订单。因为那时大部分人都不觉得特斯拉怎么样，而且它的自动驾驶路线有些激进，更多车企还是希望逐步去上自动驾驶。
2020年，特斯拉销量和市值飞涨，很多车企开始在智能化上加大投入。这之前，跟我们聊的可能是车企的总监、副总裁；这之后出面的就是总裁、CEO这个级别了。
Q：有人认为供应商选大客户就是赌。比如空气悬架，孔辉选了理想，宝隆选了小鹏，最后孔辉成了中国市占率第一的空气悬架供应商。你们的第一个重要客户是上汽智己，他们2021年上市以来累计卖了不到10万辆。这是运气还是赌？
曹旭东：有时候这真是缘分。但更晚做量产高阶方案的公司也不会有更多自由去找客户。现在同样一个客户，Momenta跟一个新玩家PK，肯定是Momenta胜出概率大。
05
「一件事重复干了两、三次后，必须用工具做」
Q：你们最早开始做量产交付的智驾公司，现在也是同时交付车型最多的公司，量产交付是ToB科技公司的一道坎，你们在交付上经历了几个阶段？
曹旭东：第一阶段是智己的交付，所有东西都是第一次。第二阶段是比亚迪的交付，换了一个新客户、一个新车型，还是会遇到0到1的部分。现在我们是第三个阶段，不管新老客户，都是1到N。
Q：0到1和1到N的区别是什么？
曹旭东：最直接的区别是人效。交付智己时，我们400多人用了1年半，这是研发和交付一起算。第二阶段，差不多是几十人干了大半年。现在对老客户交付一个新车型，只需要几个人干半年。我们现在同时在交付的车型有几十个。
Q：同时交付几十个车型，华为现在都没到这个状态。这是怎么实现的？
曹旭东：依靠强大的主线产品和一套快速适配的流程。主线是能持续积累的产品和方案，一定要坚持住一条主线不分叉。
Q：坚持一条主线，听起来也不太难？
曹旭东：事实是一线的同学经常会遇到各种短期压力，这就容易造成短期行为。比如解决一个问题有10种方法，其中只有一种是主线的，但其它支线可能短期内难度更低、工作量更小，他就可能选择支线。这会导致不同客户、不同车型上有多条支线，而一旦开出一条支线，就要持续开发和维护，大家会陷入消耗战，每条支线都在救火，但又做不好。
Q：你们作为供应商想要长期积累的主线，但车企想要更快、更有差异化的服务和方案，如何兼顾？
曹旭东：这需要一套流程和工具，能在统一架构上快速适配不同客户的需求，我们把它总结为三大法宝：M-Framework（Momenta框架），M-Adapter（适配器）和M-Box。
M-Framework是一套软件算法架构，它能用到不同车型、传感器和芯片上，也能帮一线的人去看一个东西是不是在主线上。M-Adapter是适配新车型时的一套标准化和自动化流程；M-Box是一套硬件开发套件。
给不同车型适配自动驾驶系统，是一个在工程样车上不断优化的过程。量产过程中，工程样车的硬件底座很不稳定，上面的摄像头、域控等部件可能会有各种问题。
所以你需要M-Adapter这种工具去高效检验样车状态、识别问题。否则一旦一个问题从上游流到了下游，发现问题、解决问题的成本和难度可能会大100倍。而当供应商在改零部件时，我们就可以用M-Box里的硬件去替换有问题的部件，保证开发进度并行向前。整车开发中有上千个关联件信号，只要有一个出问题就不行。
Q：现在这套流程听起来很完善。但2021年之后你们一度面临较大的交付压力，用了很多人，Momenta也成了出名的工作强度很高公司。
曹旭东：这有一个过程，你必须先让能开发工具的人去做交付，干苦活、累活，他才能知道交付流程和里面的痛点，不然开发工具就是无的放矢。
Q：你曾说，希望大家不要把自己当工具人，要学会使用工具。但这比较反人性，因为工具不成熟时，当工具人更不费脑、更省事。你们怎么让大家真的把工具用起来？
曹旭东：谁在这方面做得好，就给他更多奖励和机会：发钱，给荣誉，立标杆。同时要把这方面能力比较强的人选为leader，让他去引导大家。
一件事重复干了两次、三次后，必须用工具做，不能再用人去做。要让大家就知道，用工具去解决问题是公司鼓励的。
Q：其实你说的这些流程化和使用工具的思维，在生产标准件的汽车供应商看来都比较常规，为什么它对智能驾驶行业的公司来说却是个大工程？
曹旭东：智驾算法和技术在快速迭代中，对一个持续进化的对象，要建立标准化，流程化的交付体系，难度会大很多。
Q：一条主线、三大法宝，听着也一点不「智能」，倒是很像「流水线」上的标语。
数据驱动算法、量产辅助驾驶和全无人驾驶并行的想法，在公司成立之前就有，前几年也在朝这个方向干，但到2018年底时，你从上到下、从左到右去问一遍，会发现只有20%的人在往这个方向做，80%的人还处于混沌状态。我们后来把这个战略总结成「一个飞轮，两条腿」，并且还要穿到身上。
Q：你今天就穿着。
曹旭东：2021年到2023年，我们把三大法宝也穿在身上。（在文化衫的背面）。
我们特别大投入做三大法宝是这3年，现在比较成熟了，所以最近改成了「十年挽救百万生命」。我们服务的车型越来越多，安全变得更重要了。
Momenta文化衫的正面（一个飞轮两条腿）与背面（目前是「十年拯救百万生命」）。有些Momenta工程师会开玩笑说自己在飞轮公司上班。
06
「最难的选择是不改变最初的选择」
Q：去年至今大语言模型火热，你有一种离开风口浪尖的感觉吗？
曹旭东：类似的情况我经历过几次了。去年大模型最火的时候，多个投资人建议我们搞大模型，因为我们有很多卡。我说我们肯定会做自动驾驶大模型，其他场景就先不凑热闹了。
Q：端午节前，一个智驾工程师群里讨论哪家公司发粽子了，有人说「首先排除MMT（Momenta)」。实际上你们发了吗？怎么看你们的行业形象？
曹旭东：没有。这可能是大家喜欢玩的一个梗。我们公司对一线员工的一句话就是「多发钱，高人效」。之前叫「高人效，多发钱」，后来改了，因为高人效是我想要的，多发钱是员工想要的，要先保证员工想要的。一线员工我也不跟你讲情怀、画大饼，要求他们对公司战略、使命、愿景百分百理解和认同，这是奢望。
Q：你现在最多的精力会花在哪儿？
曹旭东：技术和产品，你会发现技术和产品特别有杠杆效应，产品好了，所有客户都开心，如果产品有问题，所有客户都不开心。
Q：你前不久发朋友圈专门讲到了杠杆。
曹旭东：对。我刚创业时读过安迪·格鲁夫的《给经理人的第一课》。绝大部分内容我都忘了，但记下来一个概念，就是「管理杠杆」。
一定要做有杠杆效应的事；如果两件事都能做，一件事的杠杆是一，另一件是一百，聚焦做杠杆是一百的事。
Q：组织的杠杆是什么？
曹旭东：持续招更好的人和选拔更好的人。公司文化的最终体现是谁上谁下，谁走谁留。
Q：作为CEO，最近一年多你的进步是什么？
曹旭东：还是刚才说的杠杆效应，不光我自己要投入有杠杆效应的事，我也在把最了解情况、承担最大责任的人的精力牵引到有杠杆效应的事上。
Q：这靠什么实现？
曹旭东：有很多方法，比如我们有一个东西叫「落实三抓」。抓人、事，抓对齐，抓进展。
Q：创业快8年，你做过的最难的选择是什么？
曹旭东：不改变最开始的选择，就是坚持用数据飞轮来做自动驾驶，建立数据驱动的算法。别看现在这是行业共识了，但当时真没有人知道自动驾驶全流程要怎么用数据来驱动。我们现在可以说已经做到全流程数据驱动了。
Q：Momenta要成为智驾行业活下来的头部玩家，未来最大的坑和风险是什么？
曹旭东：要做的事还是超越智驾的摩尔定律，还要解决出海的政策壁垒，中国产业的崛起一定要把中国好的产品卖向全球，日本、韩国、德国、美国之前都是如此。
曹旭东：现在还没有，因为自动驾驶是非常大的赛道、非常好的机会，现在我们肯定想做到中国第一、全球第一，要聚焦。
十几年前上大学时，我看过一本书叫《人工智能的未来》，当年真是看得全身兴奋、每个细胞都兴奋。几年前，我重新翻了这本书，发现这本书已大大落后于我对智能的认知了，这说明整个行业相比零几年时的先驱已经前进了好几步，回头看我才感受到这份震撼。
通用AI一定会发生，我们有生之年也一定是重要的推动者之一。如果自动驾驶要干10年，这件事可以继续干20年、30年。20年之后我才50多岁。