對話Momenta曹旭東：加速落地物理AI，書寫東方硅谷傳奇

十年前，曹旭東在硅谷轉悠時，看到一個路牌寫著Fairchild，一時沒有反應過來，然后“突然就像被閃電擊中一般，感覺整個人燃燒起來了”——這條街叫仙童，而仙童半導體公司是硅谷誕生的標志，也是此后一系列偉大的起源。

這顆“火種”一直保留下來，在十年間支撐Momenta的“飛輪”快速轉動。4月25日的北京車展上，Momenta宣布累計定點車型數超過200款，成功交付超過70款量產車型，量產落地覆蓋十余個國家和地區(qū)。

一個更為直觀的體現是，登陸本屆北京車展的汽車品牌，有60余款產品搭載了Momenta的方案，包括奔馳、寶馬、奧迪新發(fā)布的車型。

從量產和定點數據，以及“朋友圈”規(guī)模來看，如今的Momenta已是國內智駕供應商市場不折不扣的領軍者之一，與華為形成了短期內難以被打破的“兩超多強”格局。在第三方城市NOA供應商市場的份額已連續(xù)三年超60%。

正值Momenta成立十年之際，曹旭東終于有底氣喊出，“創(chuàng)造屬于中國的東方硅谷傳奇”。

有熟悉Momenta的人士告訴我們，Momenta能夠迅速脫穎而出，來自于實力和機遇的多重因素：一方面它是國內最早L2+L4同時發(fā)展的公司，基礎技術能力夠硬，多年技術積累和技術驗證讓其量產業(yè)務能夠實現高效且質量過硬的交付。

另一方面則是在開拓市場上“卡位”的時間夠早。彼時在“靈魂論”理念的影響下，主機廠的選擇并不多，Momenta很好地抓住了這個窗口期。曹旭東在發(fā)布會后的訪談發(fā)言也印證了這一點，即智駕市場有非常強的規(guī)模效應和先發(fā)優(yōu)勢，換句話說，Momenta的“滾雪球”優(yōu)勢同樣是壁壘之一，而且還將越來越大。

從本次車展以及近期的動作來看，Momenta的氣質正在發(fā)生變化，這或許源自商業(yè)化爆發(fā)帶來的底氣，Momenta開始將愿景提到了更加重要的位置，也將目光投向了更長遠的地方。

例如“Better AI，Better Life”正在更醒目的位置被大規(guī)模提起，而車展上Momenta員工T恤的背后，都統一印上了“十年挽救百萬生命”的英文。

如果說過去的Momenta是一個崇尚技術飛輪的理工男，那么如今的Momenta則多了一份人文氣息——這正是眾多巨頭科技公司從強大走向偉大的一致性關鍵轉折點。

支撐Momenta實現高速發(fā)展新野心的底層引擎，是“物理AI”層面的全面加速。

這一方面來自行業(yè)競爭環(huán)境的變化：當下數字AI已經卷成深度紅海，傳統技術路線正在觸及天花板，尤其在長尾場景的表現上始終難以有效突破；同時眾多智駕供應商和車企均開始加速落地端到端和世界模型，同質化的價格戰(zhàn)和體驗戰(zhàn)正在擠壓增長空間。

另一方面，也是更重要的原因，是Momenta基于對未來趨勢明確預判的主動戰(zhàn)略“卡位”：曹旭東認為，自動駕駛是物理AI的序章?，而世界模型+強化學習則是物理AI的兩大核心支柱。

簡單來說，這是智駕從“看見世界”到“理解世界”的一次躍升，讓智駕像人一樣去真實理解物理世界和規(guī)律，最終實現大幅超越人類司機的水平。

據Momenta合伙人、研發(fā)SVP夏炎介紹，Momenta的技術路線分為三層：一是世界模型預訓練，通過海量真實駕駛數據，將物理規(guī)律、常識與因果關系壓縮進模型，使系統形成對物理世界的基礎認知；二是世界模型仿真，用于自動駕駛的閉環(huán)仿真，讓系統能夠推演自身行為變化時世界將如何演變，評估長尾場景；三是強化學習，基于前兩層構建高度真實的虛擬訓練場，讓系統在接近真實的環(huán)境中反復探索與試錯。

在能力的應用上，Momenta合伙人、研發(fā)SVP孫剛表示，讓車輛在絕大多數日常場景中順暢行駛只是基礎，Momenta物理AI的真正價值，是在萬中無一的極端罕見場景中依然能實現安全守護。

對此孫剛舉了一個例子，如果在行車中遭遇前車掉落一箱蘋果，傳統技術的邏輯是識別障礙，緊急剎停，而Momenta的物理AI能力則能預判蘋果滾落的軌跡與擴散范圍，提前平穩(wěn)減速、規(guī)劃繞行路線，以更從容、更貼合人類駕駛邏輯的方式進行處理。

事實上，Momenta的物理AI并不是技術理念，而是已經走向量產落地。Momenta R7作為物理AI能力的首發(fā)，已經搭載于上汽大眾ID.ERA 9X，該車在車展正式上市，29.98萬元的起售價已經實現了1小時鎖單破萬。

對于Momenta來說，BBA和大眾等海外巨頭的選擇，代表著全球最嚴苛標準之下篩選出的“入場券”，這成為其物理AI進入國際高端供應鏈的一張“通行證”。

在現場，光子智行等與曹旭東進行了一場線下對話，以下為對話實錄，部分內容經編輯梳理，核心觀點與表達邏輯未作修改：

Q：當下全球汽車產業(yè)流行反向合資，越來越多的海外車企看重了中國的科技巨頭，您怎么看待這種新的趨勢？今年北京車展期間，有哪些海外的意向客戶來咱們這邊交流？

曹旭東：中國的技術現在正在從中國走向世界，整個發(fā)展速度還是非常快的，進入海外的市場，比如說進入歐洲的市場，進入其他的一些市場的時候，給當地用戶帶來更領先的產品價值，但是另外一方面也會帶來一些沖擊，比如說沖擊當地的公司、當地的就業(yè)或者是當地的稅收等等。比較好的一個解決方案就是借鑒中國之前的模式，就是跟中國學習，來做反向合資，反向合資完之后，既讓當地享受到了中國高科技的技術和產品很好的用戶體驗，另外一方面就相當于是中國的技術賦能當地企業(yè)，對當地企業(yè)帶來更多的發(fā)展，帶來更好的工作機會、更多的就業(yè)、更好的稅收，是一個共贏的模式。

Q：今年車展上有哪些海外的客戶交流？Momenta在和外資車企合作的過程中，有過哪些挑戰(zhàn)？今年的出海目標是什么？

曹旭東：不光是今年，去年的時候我們就已經是全球品牌的共同選擇了，在全球最頂尖的品牌里面，像德系的BBA、大眾，日系的豐田、本田、日產，美系的通用、福特，都已經是我們量產的合作客戶了。

挑戰(zhàn)的話，最常見的挑戰(zhàn)，是中國的速度和國際OEM的標準，有時候是矛盾和沖突的，但是這個矛盾和沖突主要圍繞著客戶和用戶，以客戶和用戶的價值為中心去共創(chuàng)，很多時候都能找到更好的創(chuàng)新性的方法，帶來更好的結果。

Q：數據驅動是Momenta一直在強調的，數據飛輪在實際量產的過程中，您覺得最大的瓶頸是數據量還是算法？還是車企的配合度？包括市面上也有一些說法，獲得大量的數據沒有那么難，但難的是利用好數據，真正能用好這些數據的車企不多，你怎么看待這個觀點？以及Momenta是怎么做的？

曹旭東：數據這件事情，它不是單單的數據本身，你可以認為數據它就是礦石，而且是含礦量很低的鐵礦石，所以你要把數據真的用起來的話，首先你要把這個貧礦變成富礦。

我舉一個例子，我剛才分享到的，在高速上三只小狗排隊橫穿高速，這樣的場景真的是萬中無一、萬里挑一，你怎么把這個數據給挑出來？它的難度本身就是一個大海撈針的難度，這已經有很高的門檻了，你怎么把貧礦變成富礦，再從富礦變成鋼鐵，鋼鐵又變成發(fā)動機，發(fā)動機最終又裝到車上，這才是最終的價值，所以整個的數據飛輪的體系，它是一個體系能力，擁有原始數據，擁有海量的原始數據僅僅是一個價值源頭的10%，剩下的90%是來自于這個體系的價值，這是第一個問題。

Q：現在有一種說法，數據不難，但是用好數據比較難，所以Momenta怎么去用好這些數據？

曹旭東：大模型可能細節(jié)不能說太多，但是我可以分享一下我們可能會分為預訓練的階段和Post-Training的階段，預訓練的階段，海量的來自于我們的量產車，我們現在已經80萬臺車了。海量量產的數據，而且量產的數據包括了大量的長尾數據，通過World Model Pre-Training來預訓練這個模型。

預訓練完這個模型之后有物理常識，但是有物理常識不代表它是一個好司機，因為大量的數據里面有好的駕駛行為，但是更多的是不好的駕駛行為，所以就有一點像數字AI里面大模型的訓練一樣，你通過海量的數據作為輸入，它具備了這個世界的常識，但是不代表著它有好的行為，所以你還是需要Post-Training，通過Post-Training，把它的行為激發(fā)或者對齊到人類好的行為上去，大概會分為這兩個環(huán)節(jié)。

Q：今年北京車展上很多的車企都在強調自己的輔助駕駛技術路線的不同，比如說小鵬升級版的VA，還有華為乾崑的ADS 5.0與他們相比，Momenta的世界模型最大的特點是什么？

曹旭東：剛才在交流的過程中，我覺得夏炎講得特別好，更重要的不是單點算法，是架構能力，架構能力已經比單點算法能力更強了，因為一旦涉及到架構一定涉及到取舍，不是所有的創(chuàng)新都能放到同一個架構里面，涉及到架構的話就涉及到取舍，好的架構能夠實現更好的積累和更好的合力，架構之上又包含了體系，這個體系包含了數據迭代的體系，包括了訓練的體系，也包括了整個迭代的體系和驗證的體系，體系之上更多的是組織和文化，就有一點像中國有一句古話，淮南為橘、淮北為枳。

我覺得根本上的企業(yè)之間的差距來自于組織和文化和對應的體系的建設，這是有更大的差距的。而具體的單點的算法的話，這個創(chuàng)新當然很重要了，每一代的算法架構的創(chuàng)新，實際上會帶來大的進步，但是坦率來說，在中國的環(huán)境下，知識的流動和人才流動的速度其實是比較快的，僅僅是單點算法的話，并不存在特別大的壁壘或者差異性，有壁壘的是體系和組織的能力，所以你會發(fā)現，可能大家說的都是同樣的單點算法的方向，但是最終做出來的效果可能有一代或者兩代的差距，背后不是單點算法的差距，背后是體系和組織的差距。

Q：今年剛好是Momenta成立10周年，創(chuàng)業(yè)之初也曾立下3個愿景，剛才在發(fā)布會上看到用戶的故事讓人印象深刻，在此時此刻，在北京車展上，一路走來您有什么感悟想要和大家分享嗎？

曹旭東：我覺得還是蠻幸運，一路走來，最重要的還是跟志同道合的人去干真正喜歡的事情，真的會讓你的人生生機勃勃，創(chuàng)業(yè)過程中有很多的困難和挑戰(zhàn)，這些困難和挑戰(zhàn)，每一年都會覺得，這一年可能是最難的，過了這一年明年可能會更好，但實際上不是。所以的話就是，如果你不享受發(fā)現問題、解決問題的過程，你不享受和你身邊志同道合的人共同去探索、共同去面臨困難和解決困難的過程，其實創(chuàng)業(yè)遇到的這些困難是很難堅持下去的。可能咬著牙堅持一年，咬著牙堅持兩年，咬著牙堅持三年，很難堅持十年，所以你一定要找到志同道合的人去干喜歡的事情，去讓自己的人生生機勃勃。

Q：物理AI被英偉達的黃教主帶火之后，很多公司都說是物理AI的公司，你覺得Momenta在全球范圍內，物理AI方面，你們是一個什么樣的位置？

曹旭東：首先我覺得物理AI是大勢所趨，為什么呢？首先大家都知道數字AI有很大的優(yōu)勢，第一個就是數字AI的數據能夠快速的呈規(guī)模的獲得。

大家都知道Open AI很早的時候，有機器人、有數字AI，但是后來在聚焦的過程中，階段性的放棄了機器人，選擇了去做GPT，很重要的原因是機器的數據太難獲得了。

而GPT需要的是互聯網的數據，而互聯網的數據本來就已經是非常大規(guī)模了。數字AI在過去幾年實際上是突飛猛進，當然另一方面數字AI能夠更加低成本、短周期的檢驗，因為它能夠在數字世界上去互動，它的成本是更低的，周期是更短的，就比如說現在Agent要調用的話，只需要給一個接口。但是機器人要調用某一個工具的話，它要把機械手造出來，并且要抓取那個工具，并且來使用那個工具，那個難度和復雜度都會大非常多。

但是，我們所在的世界，既有數字的部分，又有物理的部分，而物理的部分可能是更大的一部分，所以當數字世界整個的發(fā)展取得了非常大的進展之后，自然而然的很多的成功的經驗和方法就要進入物理世界，并且在物理世界中做創(chuàng)新，這也是為什么我覺得現在是物理AI的序章剛開始。

再回到我們公司，講到物理AI，其實物理AI我覺得最核心的，一個是數據閉環(huán)，一個是商業(yè)閉環(huán)，而且這兩者是互動的。我有一個經驗，這個經驗就是，任何一個人工智能的應用，一旦接近人類的水平，就會在很短的時間大幅超過人類的水平，這背后的邏輯是什么呢？僅僅是我的一個觀察，就比如說你看Alpha Go也好，或者過去的人臉識別也好，前面經過了一個非常漫長的爬坡期去接近人，接近人可能花了十年、二十年很長的時間，但是超越人，或者大幅地超越人，有可能就發(fā)生在1、2年，2、3年的時間，一開始有這個觀察之后，我就在想背后的原因到底是什么？

后來就覺得最關鍵的還是數據閉環(huán)和商業(yè)閉環(huán)，而且這兩者之間是正反饋的，因為先有了數據閉環(huán)，然后才有足夠好的體驗，這個足夠好的體驗一旦達到了接近人類的水平或者超過人類的水平的時候，就能夠實現爆發(fā)式的商業(yè)化。而這個爆發(fā)式的商業(yè)化之后，又會帶來數據爆發(fā)式的增長，而數據爆發(fā)式的增長又會帶來模型能力進一步的爆發(fā)式增長，最終能夠互相促進、互相激發(fā)，形成強烈的正反饋，而強烈的正反饋使得在很短的時間內就能夠實現十倍、百倍甚至千倍人類的經歷。

我們的判斷就是自動駕駛進入到了這個階段，機器人還需要一段時間，這是第一點。所以自動駕駛是物理AI的序章，因為它最先實現了規(guī)模的數據閉環(huán)和規(guī)模的商業(yè)閉環(huán)。

第二點就是，你看自動駕駛要實現規(guī)模化的L4，我的判斷累計的投入至少是百億美金，而且有可能還是創(chuàng)業(yè)公司的研發(fā)效率，如果你是大公司的話不只是百億美金，可能需要幾百億美金。

但是機器人呢？通用的機器人它需要多少錢？我的判斷可能是幾百億美金到千億美金這個級別，有可能還是創(chuàng)業(yè)公司的研發(fā)效率。所以我的判斷就是，物理AI它是需要有門票的，而這個門票就是你需要有現金流的業(yè)務，雖然現在整個中國具身智能的資本市場是非常活躍的，但是長期來看，要靠投資，要靠融資，追蹤做成通用的物理AI，或者物理世界的AGI是不現實的，而是一定要有現金流業(yè)務，而這個現金流業(yè)務可以是自動駕駛，也可以是物理AI某一個方向，雖然我現在沒有想到，其他的某一個方向能夠更早地實現規(guī)模化的數據閉環(huán)和商業(yè)閉環(huán)，或者其他來自于數字AI的現金流業(yè)務。無論如何一定要有一個現金流業(yè)務來支持物理AI的研發(fā)。

Q：Momenta今年L4業(yè)務的進度如何？有沒有什么規(guī)劃？或者重要的關鍵節(jié)點？以及現在Robotaxi這個賽道的玩家越來越多，想要請您分享一下，Momenta做Robotaxi的優(yōu)勢。

曹旭東：我們公司的L4并不是只做Robotaxi，我們既會做Robotaxi，也會做Robovan，就是物流。因為我們十年的愿景里面，十年物流和出行的效率翻倍，實際上物流是放在更前面的，出行放到后面，明年我們也會做Robotruck，雖然我們今年不會做，但是我們明年會做。

背后的底層邏輯是什么呢？還是回到今天提到的Jeff Hawkins那一本書里面，它講到了一個核心概念就是一個神經網、一個大模型能夠實現通用AI的能力，具體落地到自動駕駛這個領域的話，我們相信的是什么呢？我們相信的是一個自動駕駛的大模型能夠實現所有的自動駕駛的垂直應用，并且做得更好。

而且這件事情我們已經在Robotaxi、Robovan和乘用車上成功的驗證了，并且取得了很好的效果。這個帶來的價值是什么呢？帶來的價值就是你在每一個vertical的研發(fā)成本會大幅度的降低。而每個應用場景，每個垂直應用場景的經驗和數據，又可以匯總和吸收到這個大模型里面，使得每個垂直領域做得更好，這實際上就是一個平臺優(yōu)勢。

這個就有一點像十年前或者十幾年前整個的互聯網行業(yè)，有垂直電商，也有平臺電商，但是最終勝出的都是平臺電商，垂直電商可能現在都不存在了，很重要的原因就是這個平臺效應帶來的。我們的判斷在自動駕駛在大模型領域也存在著很強的這樣的平臺效益，一個大模型能夠實現所有的垂直領域，并且能夠做得更好，這樣每個垂直領域的成本更低，效果會更好。

Q：智駕格局您怎么看？今年還會一直保持華為、Momenta和其他，還是有其他更強勢的智駕供應商趕上來？還有就是您怎么看待2030年會不會迎來智駕的終局？

曹旭東：整個智駕或者整個自動駕駛它有非常強的規(guī)模效應和先發(fā)優(yōu)勢，它的效應會比芯片行業(yè)更強，所以你回顧歷史可以看到，這個芯片行業(yè)，不管是PC時代的芯片，實際上全球就只有兩家，手機芯片的時代全球也就只有兩家，高通和MTK。

自動駕駛，因為它是軟件，它的邊際成本是零，所以它的規(guī)模效應更強，它的規(guī)模效應除了成本上的規(guī)模效應，還有體驗上提升的規(guī)模效應。

另一方面，面向主機廠有特別強的先發(fā)優(yōu)勢，因為主機廠很多業(yè)務都是敲門敲三年，從你見到客戶到拿下合同是3年，如果是國際OEM的話，可能要敲門敲5-7年。

我拿奔馳舉例子，就比如說我們和奔馳的合作，2017年奔馳就投資了我們，而且當時特別巧，運氣也特別好，Ola K?llenius（康林松），現在奔馳的董事長，他覺得這個公司特別有活力，選擇投資我們，但是我們跟奔馳的第一個量產項目上市是2025年的后半年，經歷了整整8年的時間，其實已經加速了。

我當時問了一個清華的師兄，那個清華的師兄告訴我說，你們跟奔馳合作量產至少需要十年。我們中間2017年到2020年是POC，2020年到2022年是Pre SOP，2022年到2024年是小批量的量產開發(fā)，到了2024年才拿到了奔馳所有的電車和油車的業(yè)務，2025年底的時候才真正的量產。

所以舉一個例子可以感受到，汽車行業(yè)敲門敲3年，國內的OEM敲門敲3年，海外的OEM敲門敲5-7年，到底是一個什么樣的原因？因為這個行業(yè)有非常強的規(guī)模效應和非常強的先發(fā)優(yōu)勢，所以我還是維持我原來的判斷，中國也就2-3家，全球也就3-4家，會非常快速地收斂。