北京車展高管群訪｜曹旭東解讀 Momenta 全球化與智駕布局

4 月 25 日，首都國際會展中，Momenta公司 CEO 曹旭東出席車展媒體群訪活動，與行業媒體展開深度交流。現場，曹旭東圍繞全球車企反向合資浪潮、海外合作與出海布局、數據飛輪量產落地、世界模型技術差異化、物理 AI 行業定位、L4 業務及 Robotaxi 規劃、智能駕駛行業格局演進等重磅議題，結合 Momenta 十年技術積淀、量產實踐與全球化布局逐一答疑，分享企業發展感悟與行業前瞻判斷，為智能汽車產業發展帶來深度思考與專業見解。

以下為群訪精彩實錄：

媒體：曹總您好，我想問兩個問題。當前全球汽車產業掀起反向合資熱潮，越來越多海外車企主動攜手中國科技企業，您如何看待這一全新行業趨勢？本屆北京車展期間，有哪些海外意向客戶前來與 Momenta 交流洽談？

曹旭東：這是一個非常好的問題。如今中國智能駕駛技術正加速出海、走向全球，發展步伐十分迅猛。技術落地歐洲及海外其他市場，能夠為當地用戶帶來更領先的產品體驗，但同時也會對本土企業、就業及稅收格局帶來一定沖擊。而反向合資正是最優解決方案之一，海外車企借鑒中國產業發展模式，通過合資合作模式，既能讓當地消費者享受到中國前沿科技帶來的優質體驗，也能依托中國技術賦能本土產業，帶動企業升級、創造就業崗位、增加財政稅收，最終實現多方共贏。

媒體：本屆車展有哪些海外客戶到訪交流？Momenta 在與外資車企合作過程中遇到過哪些挑戰？今年企業出海有著怎樣的目標規劃？

曹旭東：不止今年，從去年開始 Momenta 就已成為全球頭部車企的共同選擇。德系 BBA、大眾，日系豐田、本田、日產，美系通用、福特等全球頂尖車企，均已是我們的量產合作客戶。

合作過程中最大的挑戰，在于中國企業的迭代速度與國際車企嚴苛標準之間存在天然差異與沖突。我們始終以客戶價值和用戶體驗為核心，通過深度共創尋求創新解法，最終實現合作共贏、價值升級。

媒體：旭東總您好。數據驅動是 Momenta 長期堅持的核心路線，在數據飛輪量產落地過程中，最大瓶頸究竟是數據體量、算法能力，還是車企配合度？行業普遍認為，當下獲取海量數據并不難，難的是高效用好數據，真正具備數據應用能力的車企寥寥無幾，您如何看待這一觀點？Momenta 又有哪些落地實踐？

曹旭東：數據的價值從來不在原始數據本身，可以把數據比作品位極低的鐵礦石。想要真正釋放數據價值，首要任務就是把 “貧礦” 提煉成 “富礦”。

舉個例子，高速路上三只小狗排隊橫穿道路，這類極端長尾場景萬里挑一，想要精準挖掘這類稀缺數據，本身就有著極高門檻。從原始數據貧礦，到提煉優質富礦，再到打磨成核心技術產品，最終裝車落地，才是完整的價值閉環。數據飛輪本質是一套體系能力，海量原始數據僅占價值源頭的 10%，剩余 90% 的核心價值，都來源于整套數據運營與迭代體系。

媒體：行業普遍認為獲取數據易、用好數據難，Momenta 具體如何實現數據高效利用與價值挖掘？

曹旭東：確實如此。依托自研大模型，我們主要分為兩大訓練階段：預訓練階段和后訓練階段。目前 Momenta 已接入超 80 萬臺量產車輛，依托海量量產數據及豐富長尾場景數據，通過世界模型預訓練，搭建基礎認知能力。

預訓練能讓模型掌握基礎物理常識，但并不等同于具備成熟駕駛能力。量產數據中既有優質駕駛行為，也存在大量不規范操作，就像數字 AI 大模型一樣，海量數據只能構建基礎世界認知，無法形成良好行為邏輯。因此還需要通過后訓練環節，對模型行為進行對齊優化，向人類優秀駕駛習慣靠攏，最終實現智駕能力進階。

媒體：今年北京車展上，各大車企紛紛亮出差異化輔助駕駛技術路線，小鵬升級 VA 架構、華為發布乾坤 ADS 5.0。相較競品，Momenta 世界模型最核心的特點是什么？

曹旭東：正如同時夏炎所言，智能駕駛比拼的早已不是單點算法，而是整體架構能力。架構設計必然涉及取舍，無法將所有創新功能全部兼容，優秀的架構能夠實現技術持續沉淀與能力聚合。架構之上是完整體系，涵蓋數據迭代、模型訓練、技術迭代、安全驗證全鏈路；而體系之上，更是企業組織架構與文化底蘊的比拼，正所謂淮南為橘、淮北為枳。

企業之間的核心差距，不在于單點算法，而在于組織能力、企業文化與整套體系建設。單點算法創新固然重要，但國內行業人才與技術知識流動速度快，單純算法很難構筑長期壁壘。真正的壁壘，是體系與組織能力。這也是為何行業各家算法方向相近，但最終落地效果卻存在一代甚至兩代差距的核心原因。

媒體：曹總您好。今年恰逢 Momenta 成立十周年，企業創立之初便立下三大發展愿景，發布會上的用戶故事也令人印象深刻。站在北京車展這一重要節點，回望十年創業之路，您有哪些感悟想與行業分享？

曹旭東：一路走來，我最大的感悟就是，能和志同道合的伙伴一起，深耕自己熱愛的事業，人生才會充滿活力。創業路上從不缺困難與挑戰，幾乎每一年都感覺是最難的一年。如果不能享受發現問題、攻克難題的過程，不能享受和團隊并肩探索、共渡難關的歷程，很難咬牙堅持一年、三年，更難以堅守十年。唯有攜手同路人，堅守初心、深耕熱愛，才能行穩致遠。

媒體：旭東總您好。物理 AI 概念被廣泛熱議后，眾多企業紛紛布局賽道、標榜自身為物理 AI 公司。您如何定義 Momenta 在全球物理 AI 領域的行業地位？

曹旭東：物理 AI 已是大勢所趨。數字 AI 具備天然優勢，數據可快速規?；@取、低成本短周期完成迭代驗證。早年 Open AI 同時布局機器人與數字 AI，后續階段性放棄機器人賽道、聚焦 GPT，核心原因就是物理機器人數據獲取難度極大，而互聯網海量數據為數字 AI 發展提供了堅實基礎。

數字 AI 近年實現跨越式發展，經驗與技術正加速向物理世界滲透落地，當下正是物理 AI 發展的開局之年。

回歸 Momenta 來看，物理 AI 的核心是數據閉環與商業閉環雙向賦能、正向循環。我一直有個觀點：任何一項人工智能應用，一旦能力接近人類水平，短時間內就會實現跨越式超越。無論是 Alpha Go 還是人臉識別，前期往往需要漫長的技術爬坡期，而突破臨界點后，僅需一至三年就能大幅超越人類能力。

背后關鍵就在于數據與商業雙閉環：完善的數據閉環帶來極致產品體驗，體驗接近并超越人類后，便能開啟商業化爆發；規模化商業化又反哺海量數據積累，進一步驅動模型能力迭代升級，形成正向飛輪效應，短期內實現遠超人類的經驗沉淀。

我們判斷，自動駕駛已邁入這一發展階段，通用機器人賽道仍需時間沉淀，自動駕駛正是物理 AI 落地的先行賽道，率先實現了規?；瘮祿c商業雙閉環。

同時，物理 AI 研發有著極高的資金門檻與行業門檻。規模化 L4 自動駕駛研發，即便依托創業公司高效研發模式，累計投入也需百億美金級別；通用機器人賽道投入更是高達數百億至千億美金級別。長期來看，僅靠資本市場融資難以支撐通用物理 AI 研發，必須依托自有現金流業務作為支撐，而自動駕駛正是現階段最合適的現金流底座，為物理 AI 長期創新研發保駕護航。

媒體：曹總，請分享一下 Momenta 今年 L4 業務整體進展、年度規劃及關鍵發展節點。當前 Robotaxi 賽道入局玩家持續增多，Momenta 布局該賽道的核心優勢是什么？

曹旭東：Momenta 的 L4 業務不只聚焦 Robotaxi，同時布局 Robovan 物流場景。企業十年愿景中，物流效率提升優先級高于出行效率，明年我們還將正式布局 Robotruck 重卡自動駕駛業務。

底層邏輯在于，單一自動駕駛大模型可賦能全場景通用 AI 能力，覆蓋自動駕駛所有垂直應用，這一模式已在 Robotaxi、Robovan 及乘用車領域完成落地驗證，成效顯著。

一方面，通用大模型能夠大幅降低各垂直場景的獨立研發成本；另一方面，各場景積累的海量數據與實戰經驗，又能反哺大模型持續進化，形成平臺化優勢。這與互聯網行業發展邏輯相似，垂直模式終將被平臺模式取代，平臺效應會帶來成本更低、體驗更優、全域賦能的長期價值，這也是 Momenta 布局全場景 L4 的核心競爭力。

媒體：旭東總您好，您如何看待當前智能駕駛行業競爭格局？今年是否仍將維持華為、Momenta 領跑，其余企業跟隨的格局？同時您如何預判，2030 年智能駕駛行業是否將迎來格局終局？

曹旭東：智能駕駛和自動駕駛具備極強的規模效應與先發優勢，甚至遠超芯片行業?；仡櫘a業歷史，PC 芯片、手機芯片賽道最終都收斂至少數幾家企業壟斷格局。自動駕駛屬于軟件賽道，邊際成本趨近于零，規模效應不僅體現在成本層面，更體現在用戶體驗持續迭代升級上。

同時車企合作壁壘極高，國內主機廠從初次接觸到正式簽約落地，平均周期長達 3 年；國際車企合作周期更是長達 5 至 7 年。以 Momenta 與奔馳合作為例，2017 年奔馳便完成對 Momenta 投資，彼時現任奔馳董事長康林松十分認可團隊活力與技術實力，但雙方首款量產項目直至 2025 年底才正式落地，歷時整整八年，已是行業加速后的節奏。

漫長的客戶準入周期、極強的規模效應與先發壁壘，決定了行業格局將快速集中收斂。我們維持原有判斷：國內智能駕駛頭部供應商最終將收斂至 2-3 家，全球范圍也僅留存 3-4 家核心玩家，行業馬太效應將持續加劇。