“Momenta定位於打造自動駕駛大腦，核心技術是基於深度學習的環境感知、高精度地圖和駕駛決策演算法，產品包括不同級別的自動駕駛方案。Momenta的戰略是量產自動駕駛與完全無人駕駛兩條腿走路，通過資料、資料驅動演算法和閉環自動化，推動自動駕駛技術落地量產，並最終實現無人駕駛。成立三年多來，Momenta與AWS建立了長期穩定的合作基礎，AWS完備的基礎雲平臺支援，助力創業公司在高速成長的同時，也保障了IT基礎設施得以高效能、易擴充套件的穩定執行。”

——Momenta研發總監 董維山

Momenta定位於打造自動駕駛大腦，核心技術是基於深度學習的環境感知、高精度地圖和駕駛決策演算法，產品包括不同級別的自動駕駛方案，以及衍生出的大資料服務。Momenta的戰略是量產自動駕駛與完全無人駕駛兩條腿走路，通過資料、資料驅動演算法和兩者之間的迭代閉環，推動自動駕駛技術落地量產，並最終實現無人駕駛。

自動駕駛對基礎設施的核心需求就是海量資料的採集和處理。Momenta的測試車利用安裝在車上的各樣感測器，在汽車行駛過程中隨時感應周圍的環境，進行靜態/動態物體的辨識、偵測與追蹤，並結合高精度地圖資料，實現自動駕駛的能力。一輛測試車，每天路面測試產生的資料可達TB級。所有測試車在一起，每天需要上傳雲端進行處理的資料量是非常可觀的。除了測試車以外，隨著Momenta面向高/快速道路的Mpilot Highway和麵向泊車場景的Mpilot Parking釋出，也會產生大量的資料需要處理。可見，一個穩定、可靠、高效能、易擴充套件的IT基礎架構，對高速成長的Momenta來說非常重要。

“Momenta從一開始就使用AWS，主要有三個原因：一是曾經使用AWS的良好體驗；二是AWS雲創計劃在Momenta創業初期提供多方面的支援，使Momenta能夠快速起步，很快把資料服務的原型搭建起來；三是Momenta創業初期就有全球發展的佈局，AWS的全球基礎設施覆蓋非常有優勢。”Momenta研發總監董維山介紹說。事實上，AWS的確是創業公司的正確選擇。

• 無限容量、經濟的儲存

車端感測器收集的資料是自動駕駛的重要基礎。一方面，車端系統會在行車過程中隨時根據感測器採集到的資訊進行駕駛決策；另一方面，每一輛測試車也會在路面測試中實時地、智慧化地篩選和採集高價值資料，資料通過4G網路回傳或通過硬碟方式回收上雲。通過眾包的方式，對資料進行標註，隨後提供給演算法引擎供模型迭代訓練，讓車輛變得更加智慧。

Amazon Simple Storage Service (Amazon S3)對創業公司的支援不遺餘力，比如在儲存、管理、訪問乃至上百PB級資料上都可以提供諸多便利。對Momenta而言，一是永續性和靈活擴充套件性。使用Amazon S3，Momenta可以安全地儲存任意數量的資料，資料永續性可達到 99.999999999%（11個9）。“三年的時間，我們的資料量從零增長到PB級，Momenta的IT基礎設施毫無壓力”董維山說道。結合Amazon Elastic Container Service (Amazon ECS)進行橫向和縱向擴充套件，很好地滿足了動態資料標註量的需求。如果換作本地儲存，則需要投入大量的運維成本。二是訪問可靠性。自動駕駛需要對大量路測資料進行標註，Momenta採用眾包方式，在全國範圍內有很多人在24小時持續不斷地發出請求，Amazon S3能夠連續可靠地滿足如此大範圍、大規模的訪問請求。三是Amazon S3提供了豐富的儲存型別，在不犧牲效能的情況下，根據資料的價值生命週期進行分級儲存，從而節省成本。例如，在光環新網運營的AWS中國（北京）區域，利用儲存1TB資料，每月的費用只需3.4元。四是Amazon S3具有內建的功能和免費服務，可以直接查詢資料，無需資料複製或將其載入到單獨的分析平臺或資料倉儲。同時，Amazon S3還可以結合Amazon EMR進行大資料分析，提供安全駕駛輔助決策服務。

• 功能豐富的AWS IoT服務

AWS提供了豐富的IoT服務，方便創業公司構建車端應用。董維山說，自動駕駛的車端用是一個非常典型的IoT服務應用場景。車端裝置連線著車上的各種感測器和控制系統。Momenta需要構建一個能夠管理超大規模車輛的統一管理平臺，管理海量的IoT裝置。

可以支援數十億臺裝置、數萬億條訊息，實現IoT裝置與雲應用程式及其它裝置的安全互動，並對這些訊息進行處理，將其安全可靠地路由至AWS終端節點和其他裝置。應用程式隨時跟蹤所有裝置並與其通訊，即使這些裝置未處於連線狀態也不例外。AWS IoT Core支援HTTP、WebSockets和MQTT多種通訊協議，方便Momenta將車端的各種IoT裝置連線到雲；AWS IoT Core會在所有連線點提供身份驗證和端到端加密服務，確保車端管理和控制的安全。“我們僅用了兩週時間，就可以快速搭建車端後裝裝置IoT原型並完成了方案驗證，打通了整個閉環。這也是基於AWS IoT和完成的。若完全獨立開發必需的功能元件，至少需要兩個月的時間。”董維山說道。通過AWS IoT Core，將車端後裝裝置感應到的告警資訊及時傳到雲端，Lambda根據不同規則自動觸發並將這些反饋資料推送給不同的B端應用。

未來，Momenta車端數採監控平臺有可能需要管理幾十萬、上百萬的IoT裝置。藉助 AWS IoT Device Management，Momenta可以輕鬆而安全地大規模註冊、組織、監控和遠端管理 IoT 裝置，方便且視覺化地管理許可權、監控裝置功能、排除故障，查詢佇列中任何IoT裝置的狀態，通過無線方式 (OTA) 傳送韌體更新等等。除此之外，在資料傳輸方面，AWS提供的AWS Snowball服務可以將大規模資料以低廉的成本，安全、高效地遷移至雲端，大大節省運維成本，提升開發人員效率。

通過AWS提供的以上IoT服務，Momenta可以方便、快速地構建其車雲一體的資料平臺，實現實時位置回傳、指令下發、車輛控制以及大量IoT裝置的管理。如果自己搭建這些服務，還要維持AWS的高可用性、擴充套件性以及不斷創新的功能性，所需的人力物力是難以想象的。 

• 強大的算力支撐機器學習平臺

人工智慧是Momenta的核心競爭力，而模型的演算法則是依賴AWS雲端進行持續迭代。在深度學習模型訓練方面，Momenta將所有在車端採集的有效資料傳回雲端，雲端根據這些資料產生更好的演算法，再推至車端，車端更新之後，使得演算法更加穩定、精確度更高，這就形成了一個閉環。“因為我們的資料量非常大，且由眾多小檔案組成，因此訓練規模也相當龐大，例如一個訓練集大約千萬或上億的規模。利用Amazon Elastic Compute Cloud (Amazon EC2) P3例項，對底層和訓練框架進行優化，以實現對特有場景的支援。”董維山說。

相對於本地部署，Amazon EC2 P3.16xlarge例項具有良好的彈性擴充套件能力，能夠自動增量、自動迭代，幾乎可以實現無限的容量，並且可以按照工作負載需求輕鬆靈活地更改資源。例如在篩選環節，需要根據不同的資料量或專案規模，靈活配置資源進行雲上推理。此外，強大的穩定性和超大的GPU可以幫助Momenta加快機器學習的速度。

Momenta作為APN高階合作伙伴，計劃加入AWS Marketplace China，藉此向客戶輸出Momenta在人工智慧和機器學習方面的能力，在AWS基礎架構之上，賦能千千萬萬的人工智慧企業。

Momenta主要使用了由光環新網運營的AWS中國（北京）區域。圖1是Momenta基於AWS的系統架構示意圖，Momenta採用的AWS服務包括：Amazon EC2、Amazon S3、Amazon S3 Glacier、Amazon EMR、Amazon DynamoDB、AWS IoT Core、AWS IoT Device Management、Lambda、Amazon CloudWatch、Amazon Relational Database Service (Amazon RDS)、AWS Direct Connect、Amazon Kinesis、Amazon Simple Queue Service (Amazon SQS)、Amazon Aurora、AWS CloudTrail等。

通過使用AWS，Momenta獲得的價值主要體現在以下幾方面：

一是在公司創新加速時，更加穩定高效。通過使用AWS IoT服務，Momenta只用了兩週時間，就快速搭建出一個量產自動駕駛解決方案的產品原型，並且驗證了設計方案的可行性。

二是提升開發效率，節省運維成本。使用Amazon EC2 P3例項，使Momenta能夠以經濟高效的方式快速訓練模型並進行調優。此外，Momenta維持了非常精簡的運維團隊。同樣的規模，如果不用雲，至少需要10人以上的運維團隊。

三是AWS提供了多種多樣的支援。包括海外成功案例的借鑑，通過亞馬遜中國創新日、AWS技術分享會、AWS Marketplace開拓市場等等。同時，Momenta的業務也將覆蓋全球市場，在這一過程中，一方面可以通過AWS全球的區域實現快速部署；另一方面可以有更多機會利用AWS以及整個亞馬遜的全球資源進行市場擴充。