Momenta CEO曹旭東：物理AI的“門票”至少百億美元

4月25日，在2026北京車展上，Momenta四位合伙人罕見同臺，公司CEO曹旭東站在臺上，身后的大屏幕上打出一行字：“Momenta R7，物理AI序章”。

這一天，Moment宣布：R7強化學習世界模型實現量產首發(fā)，物理AI正式從技術理念走向規(guī)模化量產落地。

一周前，曹旭東剛剛和團隊反復推敲過這個標題，“序章”這個詞是他堅持的。他認為，智能駕駛正從“看見世界”走向“理解世界”，物理AI的故事才剛剛開始。

這一天，Momenta宣布了幾組數據：累計定點車型超過200款，已交付超70款量產車型，搭載Momenta系統(tǒng)的量產車輛規(guī)模超過80萬臺。最快不到40天，就可以完成10萬臺交付。

對比三年前，Momenta首個10萬臺量產用了整整24個月。“飛輪效應正在加速形成。”Momenta合伙人孫環(huán)說。

本屆北京車展上，超過20個品牌、60余款車型搭載了Momenta方案，包括梅賽德斯-奔馳、奧迪、寶馬的新發(fā)布車型。在展館里走一圈，幾乎每走幾步就能看到一輛搭載Momenta系統(tǒng)的車。

但曹旭東想講的，不止是商業(yè)數字。他和團隊把這場發(fā)布會的核心，留給了兩個關鍵詞：世界模型與強化學習。

從看見到“理解”

曹旭東口中的“物理AI”指的是什么？他用了一個對比：大語言模型通過Next Token Prediction來壓縮數字世界的常識，讓AI學會了理解文本；而世界模型，則是通過World Model Prediction來預測物理世界的未來狀態(tài)和交互邏輯，讓AI理解物體的物理屬性、運動的因果關系。

“自主進化是智能持續(xù)迭代的關鍵動能。AI在環(huán)境中，根據目標，不斷接收反饋、試錯迭代、自主優(yōu)化。因此，世界模型與強化學習，共同構成物理AI的兩大核心支柱。”曹旭東說。

Momenta合伙人、研發(fā)SVP夏炎進一步拆解了Momenta世界模型的三個層次。

第一層是預訓練。通過海量真實駕駛數據的預訓練，將物理規(guī)律、常識與因果關系壓縮進模型，讓系統(tǒng)形成對物理世界的基礎認知。

第二層是仿真。將世界模型用于自動駕駛閉環(huán)仿真，讓系統(tǒng)推演自身行為變化時世界將如何演變，對長尾場景進行性能評估。

第三層，是在世界模型中進行強化學習。在前兩層基礎上，為強化學習構建一個高度真實的虛擬訓練場，讓系統(tǒng)在接近真實的環(huán)境中反復探索與試錯。

正是在這樣的虛擬訓練場中，系統(tǒng)從單純的“模仿學習”走向“想象與探索”，在虛擬世界中經歷千萬次推演，自主習得在復雜博弈中做出最優(yōu)決策的能力。

Momenta合伙人、研發(fā)SVP孫剛舉了一個例子：日常行車中，如果前車意外掉落一箱蘋果，搭載Momenta系統(tǒng)的車輛能夠自主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，以更從容的方式處理突發(fā)路況。

“現實世界中萬中無一的極端場景，在虛擬練兵場里已被反復經歷、充分消化。這一機制的目標，是讓模型在罕見極端場景下的表現超越人類駕駛員。”夏炎說。

“貧礦”變鋼鐵

“數據這件事，它不是單單的數據本身。你可以認為數據就是礦石，而且是含礦量很低的鐵礦石。”曹旭東在發(fā)布會后接受經濟觀察報等媒體采訪，被問到“數據飛輪最大的瓶頸是什么”時，他打了這個比方。

市面上有一種說法是，獲得大量數據沒那么難，難的是用好數據。曹旭東認同這個判斷。

“你怎么把貧礦變成富礦？”曹旭東舉例說，高速上三只小狗排隊橫穿高速，這樣的場景萬中無一、萬里挑一，把它挑出來，難度本身就是大海撈針。這已經有很高的門檻了。

從貧礦變成富礦，再從富礦變成鋼鐵，鋼鐵變成發(fā)動機，發(fā)動機最終裝到車上，這才是最終的價值。“擁有海量的原始數據，僅僅是一個價值源頭的10%，剩下的90%來自于這個體系的能力。”曹旭東說。

Momenta目前有超過80萬臺量產車在路上跑，可做到海量數據回流。在預訓練階段，這些數據通過World Model Pre-Training來訓練模型，讓它具備物理常識。但這還不夠。

“有物理常識不代表它是一個好司機。”曹旭東說。他表示，大量數據里有好的駕駛行為，但更多的是不好的駕駛行為。這就像大語言模型的訓練，通過海量數據輸入，模型具備了世界的常識，但不代表它有好的行為習慣。還需要Post-Training，把行為對齊到人類的好行為上。

按照官方說法，這套邏輯，Momenta已經跑了十年。

“敲門”敲八年

2017年，奔馳投資了Momenta。彼時，Momenta還是一家成立不久的創(chuàng)業(yè)公司。曹旭東記得，當時奔馳的董事長覺得“這個公司特別有活力”，所以選擇投資。

但Momenta與奔馳的第一個量產項目上市，是在2025年下半年。從投資到量產，整整八年。

“我當時問了一個清華的師兄，他告訴我說，你們跟奔馳合作量產至少需要十年。”曹旭東說。他回憶，2017年到2020年是POC階段，2020年到2022年是Pre SOP，2022年到2024年是小批量量產開發(fā)。2024年，Momenta拿下了奔馳所有電車和油車的業(yè)務。2025年底，才真正量產。

曹旭東以此來說明汽車行業(yè)的特殊性：“面向主機廠，國內OEM敲門敲三年，海外OEM敲門敲五到七年。”

這也是曹旭東判斷智駕格局會快速收斂的依據。在他看來，自動駕駛有非常強的規(guī)模效應和先發(fā)優(yōu)勢，“它的效應會比芯片行業(yè)更強”。

為了佐證自己的判斷，曹旭東還復盤了芯片行業(yè)的歷史：PC時代的芯片，全球只有兩家；手機芯片時代，全球也只有高通和聯發(fā)科兩家。而自動駕駛因為是軟件，邊際成本為零，規(guī)模效應更強。這種規(guī)模效應既體現在成本上，也體現在體驗提升上，即數據越多，模型能力越強。

“中國也就兩到三家，全球也就三到四家，會非常快速地收斂。”曹旭東說。目前，Momenta合作的客戶已經覆蓋德系BBA、大眾，日系豐田、本田、日產，美系通用、福特。他表示：“不光是今年，去年我們就已經是全球品牌的共同選擇了。”

物理AI需要“門票”

當被問及“物理AI被英偉達黃仁勛帶火后，很多公司都說自己是物理AI公司，Momenta在全球范圍內處于什么位置？”曹旭東的回答，從數字AI和物理AI的對比切入。

按照曹旭東的說法，數字AI在過去幾年突飛猛進，很重要的原因是數據能快速、規(guī)模地獲得。OpenAI很早就同時做了機器人和數字AI，但后來階段性地放棄了機器人，選擇做GPT——因為互聯網數據已經是海量的，而機器數據的獲取太難了。

“但是，我們所在的世界，既有數字的部分，又有物理的部分。物理的部分可能是更大的一部分。”曹旭東說。在他看來，當數字世界取得巨大進展后，經驗和方法必然要進入物理世界，并在物理世界中做創(chuàng)新，“這就是為什么我覺得現在是物理AI的序章剛開始。”

曹旭東對物理AI有一個核心判斷：最關鍵的，是數據閉環(huán)和商業(yè)閉環(huán)，而且兩者是互動的。

曹旭東觀察到一個現象，即任何一個人工智能的應用，一旦接近人類水平，就會在很短時間大幅超越人類。“AlphaGo也好，人臉識別也好，接近人可能花了十年、二十年，但超越人、大幅超越人，可能就發(fā)生在一兩年、兩三年。”他說。

這背后的邏輯是什么？曹旭東的答案是，先有數據閉環(huán)，才有足夠好的體驗。體驗一旦達到或超過人類水平，就能實現爆發(fā)式商業(yè)化。商業(yè)化帶來數據爆發(fā)式增長，數據增長又帶來模型能力爆發(fā)式增長。最終互相促進、互相激發(fā)，形成強烈的正反饋。

“自動駕駛進入到了這個階段。機器人還需要一段時間。”曹旭東說。

曹旭東同時認為，物理AI是需要“門票”的。“自動駕駛要實現規(guī)模化L4，累計投入至少是百億美金。通用機器人呢？可能幾百億美金到千億美金級別，這還可能是創(chuàng)業(yè)公司的研發(fā)效率。”他說。

曹旭東的判斷是，長期來看，靠融資做成通用物理AI是不現實的，一定要有現金流業(yè)務。這個現金流業(yè)務，可以是自動駕駛，也可以是其他方向。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)。

Momenta選擇的路徑，是通過量產乘用車的規(guī)模商業(yè)化，支撐L4的研發(fā)。

但Momenta的L4不止Robotaxi。曹旭東透露，Momenta既做Robotaxi，也做Robovan物流，明年還會做Robotruck。邏輯回到一個核心理念：一個自動駕駛大模型，能夠實現所有的垂直應用，并且做得更好。

“這件事我們已經在Robotaxi、Robovan和乘用車上成功驗證了。這帶來的價值是，每個垂直場景的研發(fā)成本大幅降低，而每個場景的經驗和數據又匯總到大模型里，讓每個垂直領域做得更好。這是平臺優(yōu)勢。”曹旭東說。

曹旭東這個邏輯還類比了十多年前的互聯網行業(yè)——垂直電商和平臺電商并存，但最終勝出的是平臺。他判斷在自動駕駛大模型領域，也存在很強的平臺效應。

“東方硅谷”野心

發(fā)布會尾聲，曹旭東講了一段個人經歷。十年前，他在硅谷看到一條以仙童半導體命名的街道Fairchild Drive。正是這家公司，孕育了全球半導體產業(yè)的起點，最終鑄就了硅谷的傳奇。

“那一刻，我心中的那團熱火被點燃了。今天，我們希望攜手所有中國AI公司，共同書寫屬于東方的硅谷傳奇。”曹旭東說。

談到全球競爭，曹旭東提到一個觀點：中國技術和產品進入海外市場，給當地用戶帶來領先價值的同時，也會帶來一些對當地企業(yè)和就業(yè)的沖擊。

“比較好的解決方案，是借鑒中國之前的模式，做反向合資。讓當地享受中國技術的好體驗，同時中國技術賦能當地企業(yè)，帶來更多發(fā)展和就業(yè)。這是一個共贏的模式。”曹旭東說。

至于具體算法的中外競爭，曹旭東認為，在中國環(huán)境下，知識流動和人才流動速度很快，單點算法并不存在特別大的壁壘。真正的差距，在更深處，也就是體系和組織的差距。

“架構能力比單點算法能力更重要。因為架構涉及取舍，好的架構能實現更好的積累和合力。而架構之上，是包含數據迭代、訓練、驗證的體系。體系之上，則是組織和文化。”曹旭東說。

（作者 濮振宇）

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。

濮振宇

汽車與出行新聞中心記者 關注汽車產業(yè)政策、行業(yè)企業(yè)轉型等，對自主品牌、主流合資品牌關注較多，擅長分析報道。 聯系郵箱：puzhenyu@eeo.com.cn 微信號：pzy369963493