城市NOA普及加速，智驾“双强”华为Momenta单月搭载量达8-10万

市占率61%，Momenta领跑城市NOA第三方供应商市场。

作者 | 郑浩钧

编辑 | 吴 彤

随着智能驾驶方案的快速进化，从高速NOA到城市NOA，从规则驱动到数据驱动，智能驾驶的研发难度与所需资金也在迅速提升，每年数亿元的投入似乎只是行业的入场票。

智能驾驶研发门槛的提高，使得一些弱势第三方智驾供应商陷入发展困局，智驾供应商市场份额逐渐向头部集中，呈现出“双强主导”格局。

近日，《2025城市NOA汽车辅助驾驶研究报告》（以下简称“报告”）在中国汽车工业协会汽车行业信息发布会上正式发布。报告显示，2025年1-11月，在城市NOA第三方供应商市场中，Momenta和华为HI模式的市场份额显著领先，合计占第三方供应商比例约八成。其中，Momenta城市NOA搭载量41.44万辆，占第三方供应商比例约61.06%。

在Momenta领先的市场地位背后，是其技术探索脚步一直走在行业前沿，而更深层次的原因是Momenta在创业初期就认识到物理世界对智能驾驶的重要性，因此没有埋头只做技术，而是选择了研发与交付并重的发展路线。

PART 1

算法、数据闭环带动规模化量产

2025年，城市NOA功能在中国汽车市场进一步普及。报告显示，2025年1—11月，我国搭载城市NOA功能的乘用车累计销量达312.9万辆，占乘用车上险量的15.1%，较2024年全年提升5.6个百分点。

其中，Momenta城市NOA搭载量41.44万辆，占第三方供应商比例约61.06%，保持行业领先，覆盖国内主流乘用车企业，且全球排名前10大车企中，有8家与Momenta开展合作；华为HI模式搭载量约13.41万辆，占第三方供应商比例约19.76%。

根据中汽协数据分析预估，2025年11月华为乾崑智驾（鸿蒙智行+HI模式）的搭载量已达到10万辆，Momenta搭载量约9万辆。从第三方城市NOA供应商市场份额、搭载规模上看，华为与Momenta“双强格局”稳固。

据雷峰网《新智驾》了解，方案、数据的通用性是Momenta能与如此多车企的不同车型合作的原因。目前，搭载Momenta城市NOA功能的L2车型与L4方案均使用统一的软件算法架构、传感器方案，采集到的数据可以在不同车型上通用以及用于针对性地训练和优化算法模型。

可以说，Momenta已经构建起了“算法、数据闭环、规模化量产”的体系化闭环。

在数据驱动的模式下，智能驾驶功能的发展速度很大程度取决于数据量。如今，Momenta城市NOA的年搭载量已经突破40万辆，已经接近甚至超越许多自研城市NOA的车企，更是在第三方城市NOA供应商市场中一骑绝尘，先发优势已愈发明显。

PART 2

强化学习带动模型进化

在智能驾驶这个智力密集型行业，除了数据积累的先发优势，Momenta市场表现领先的另一大原因是其在技术上的领先。

目前，Momenta已推出Momenta R6强化学习大模型（以下简称“R6模型”），这是国内首个在端到端基础上真正实现量产落地的强化学习大模型。 区别于模仿学习，Al的驾驶能力是接近人，而基于强化学习的Momenta R6强化学习大模型，可以在模拟的环境里去探索新的驾驶行为，系统从自己的成功和失败中吸取经验，自我快速的成长，可以让驾驶在安全、安心的能力上，有机会超过人甚至大幅度超过人。

Momenta R6强化学习大模型在技术上的领先也转化为了体验领先，在安全性上，通过对不安全轨迹给予负反馈，提升了模型对鬼探头等危险场景的应对能力；在舒适性上，在十字路口无保护左转等多目标博弈场景中，模型能做到既考虑对向来车，又考虑斑马线上的行人、两轮车；在通行效率上，Momenta通过奖励机制激励模型的正确行为，惩罚错误行为，提升了通行效率，例如在拥堵路段智能选择车道、精准下匝道等。

回顾Momenta的智能驾驶发展历史，可以发现其一直走在技术前沿。2020年起，Momenta就坚定推进端到端算法架构——用数据驱动算法逐渐取代规则算法，并将分散的小模型逐渐融合为统一大模型。

2022年，Momenta首款量产车型的智驾方案仍基于规则规划与多个专用模型（如红绿灯识别、动态物体检测等）。不过，改变很快发生。Momenta在2023年上半年，应用了基于Transformer的预测模型；2023年下半年实现感知与规划的两段式端到端，并推出基于Transformer的规划算法。作为对比，当时特斯拉的FSD仍为V11版本，采用的是基于规则的规划算法。

2024年，Momenta进一步将感知与规划融合为一段式端到端模型，实现从传感器原始信号到规划轨迹的端到端输出。一段式端到端方案的优势首先在于系统反应更快，能提升对通用障碍物的识别能力；其次，由于感知与规划模块的融合，在一段式端到端方案中，原始数据的损失更少，系统可以规划出更适合的行车轨迹，提升在复杂场景中的拟人能力。

不过，由于一段式端到端方案依赖模仿学习，其成长上限受制于人类司机数据，且难以完全抑制模型对一些错误行为的学习，Momenta于2025年在模型中引入强化学习机制，推出Momenta R6强化学习大模型。在云端仿真世界的训练中，Momenta通过强化学习中的奖励与惩罚，就能不断抑制模型的风险行为，并提升安全性、舒适性与通行效率。

PART 3

结语

如今，AI行业正处于极速变化的发展阶段，但数字世界AI与物理世界AI仿佛走向了相反的发展道路。前者以大语言模型为代表，谷歌、xAI、阿里、月之暗面等巨头与创业公司，仍在孜孜不倦地推出新产品、新模型。后者以智能驾驶为代表，已经从百花齐放开始逐渐走向头部集中。

两种AI的差异背后，固然有行业发展阶段、参与者投入决心、资金实力的不同，但回到第一性原理，这种差异更多取决于两种世界的性质——数字世界天生灵活、容错率高，用户愿意尝试不同的产品；物理世界则显得笨重，汽车生产出来后很难拆回零件的状态，大部分用户购车后三到五年才会选择换车。这就让主机厂、用户在选择智驾方案时慎之又慎，更愿意选择有过成功经验的公司，比如Momenta。

而Momenta之所以能取得如今的地位，也与其深谙物理世界的特性有关——智能驾驶是要在汽车上用起来的。在创业初期，当许多竞争对手只是埋头研发，不愿埋下身子做好更脏更累的交付时，Momenta选择了研发与交付并重，不仅与主机厂们密切沟通，高管们也频繁试驾各地的实验车辆。

现在，Momenta在第三方城市NOA市场中取得了超60%的市占率，马太效应已经越来越强，接下来他们最大的对手应该是自己——如何提升自身的组织效率，将更多的订单完美交付。