Momenta CEO曹旭東：自動駕駛進入“正反饋”爆發期，“物理AI”序章開啟

2026年的北京車展，無疑是全球汽車產業“權力轉移”的縮影。當“反向合資”成為行業熱詞，中國技術從曾經的“市場換技術”被動輸入，轉向對外主動賦能，智駕供應商的角色變得前所未有的關鍵。

在這場變革的漩渦中心，Momenta CEO曹旭東在車展上開啟了一場高密度的媒體對話。從2016年“十年，挽救百萬生命；十年，解放百分百時間；十年，物流出行效率翻倍”的創業愿景，到如今坐擁全球80萬臺量產車數據流，與德系BBA、大眾，日系豐田、本田、日產，美系通用、福特等全球最頂尖品牌深度綁定，Momenta已悄然站上舞臺中央。

面對行業對數據壁壘的爭論、對物理AI概念的追逐以及對行業趨勢的預判，曹旭東在這場對話中，系統性地拆解了Momenta的“飛輪”如何從礦石中煉出鋼鐵，又為何堅信這場競賽的門檻已非單點算法，而是體系與組織的對決。

全球反向合資浪潮下，做“技術合伙人”而非顛覆者

“今年車展期間，有哪些海外客戶在交流？坦白講，我們已經不需要在車展上‘偶遇’客戶了?！泵鎸μ釂?，曹旭東的回應直白且自信。

他透露，Momenta早已是全球品牌的共同選擇。從德系豪華三強到美系巨頭，再到日系三大品牌，均已進入其量產合作名單。這種廣泛的滲透，使得Momenta成為觀察“反向合資”趨勢的最佳窗口。

在曹旭東看來，中國技術出海，在為當地用戶帶來領先產品價值的同時，必然會對當地產業帶來沖擊。如何化解這種矛盾？“反向合資”正是當下最優的解決方案。這不僅是中國高科技輸出的通道，更是一種“共贏”模式的建立，如同當年外資車企進入中國帶來產業鏈繁榮一樣，如今的Momenta們正試圖通過技術賦能，給當地企業帶來發展機會、就業和稅收，而非做單純的顛覆者。

但在與外資車企的蜜月期背后，挑戰同樣棘手。曹旭東將其核心矛盾概括為“中國速度”與“國際OEM標準”的沖突。

他以與奔馳的合作為例，清晰地描摹了這種時間尺度上的巨大差異。2017年，時任戴姆勒董事的康林松因看中Momenta的創新活力而決定投資，但直到2025年下半年，雙方第一個量產項目才正式上市，這個過程“已經加速了”。最初，一位清華師兄告訴曹旭東，這個過程可能需要十年。從概念驗證到小批量開發，再到拿下全系業務，8年的時間窗口，是汽車行業高壁壘的殘酷寫照。

“國內主機廠敲門敲三年，國際車企敲門五到七年。”曹旭東對此深有感觸。因此，當“中國速度”追求快速的軟件迭代和功能上車，遇上國際標準對安全驗證和開發流程的嚴苛要求時，矛盾便產生了。如何破局？他的答案是回歸本源，“以客戶和用戶的價值為中心去共創，很多時候都能找到更好的創新性方法?！?br/>

數據飛輪的本質：90%的價值在于“貧礦”變“發動機”的體系

當智駕進入數據驅動時代，“數據就是壁壘”成為行業信條。但當市場出現“獲取數據不難，難在用好數據”的聲音時，曹旭東給出了一個極為生動的比喻。

“數據就是礦石，而且是含礦量很低的鐵礦石?！彼f。要把數據真正用起來，首先要解決的，是如何把“貧礦”變成“富礦”。

他舉了一個典型的“長尾場景”案例：高速公路上，三只小狗排隊橫穿。這種場景在一臺車的生命周期中萬里挑一，在浩瀚的數據海洋中將其精準篩選出來，本身就是“大海撈針”，已構成極高的技術門檻。但這僅僅是第一步。其后，還需將篩選出的“富礦”冶煉成“鋼鐵”（可用的訓練數據），再將“鋼鐵”鍛造成“發動機”（算法模型），最終才能裝到車上，產生用戶價值。

“擁有海量的原始數據，僅僅是價值源頭的10%，剩下的90%來自于這個體系的能力?！辈苄駯|的論斷，直接回應了外界對Momenta數據優勢的簡單化解讀。

他進一步揭示了Momenta的具體方法論，雖然沒有透露過多細節，但大致描繪了一條清晰的路徑：在預訓練階段，基于80萬臺量產車收集的海量真實駕駛數據，通過世界模型進行預訓練，讓模型掌握物理世界的常識。但這還遠遠不夠，“具備物理常識不代表它是個好司機”，因為實際數據中混雜著大量不良駕駛行為。

因此，關鍵的第二階段Post-Training至關重要，其目標是將模型的行為“激發并對齊”到人類好的駕駛行為上。這類似于數字AI大模型的訓練邏輯，海量數據輸入建立基礎認知，再通過精細化調整進行價值對齊，最終塑造一個安全、高效的“老司機”。

物理AI的序章與門票：百億美金門檻后，自動駕駛進入“正反饋”爆發期

當英偉達CEO黃仁勛帶火“物理AI”概念，資本與創業公司紛紛涌入。曹旭東認為物理AI是大勢所趨，根源在于數字AI已取得突飛猛進的發展，成功的經驗和方法論正自然地向物理世界溢出。“當數字世界發展到一定階段，自然而然地，就要進入物理世界做創新，這是物理AI的序章剛開始?！?/p>

但他同時拋出了一個冷峻的判斷：物理AI需要“門票”。

這張門票，就是規模化的“數據閉環”和“商業閉環”所形成的自我造血能力。他觀察到一個規律，任何一項AI應用，從漫長的“接近人類水平”的爬坡期，到“大幅超越人類水平”，往往在一兩年內就會發生。背后的邏輯正是正反饋效應：足夠好的體驗帶來爆發式商業化，繼而帶來數據的爆發式增長，再次驅動模型能力飛躍。

曹旭東認為，自動駕駛已經率先進入了這個正反饋的爆發期，而通用機器人還需要等待。對于一家創業公司而言，實現規?；疞4級自動駕駛，他判斷累計研發投入至少需要百億美金；而通往通用機器人的路，可能需要數百億到上千億美金。

“長期來看，要靠投資和融資去最終做成通用的物理AI是不現實的?！彼难韵轮馐牵髽I必須擁有自己的現金流業務來支撐這場馬拉松。對Momenta而言，這個“現金奶牛”就是正在大規模量產的乘用車智駕業務。這不僅支撐著研發，更與其L4業務（Robotaxi、Robovan，以及明年將推出的Robotruck）形成了平臺效應。

他強調，Momenta并非只做Robotaxi，而是堅信“一個自動駕駛大模型能夠實現所有的垂直應用”。這就像十年前平臺電商對垂直電商的整合，一個統一的大模型底座，可以大幅降低每個垂直領域的研發成本，而各個場景的經驗和數據又能回流，讓大模型更加強大，形成一種“平臺優勢”。

面對關于智駕終局的提問，曹旭東的態度明確而堅定：這個市場具有比芯片更強的規模效應和先發優勢。

他的邏輯在于，軟件邊際成本為零，其規模效應不僅體現在成本端，更體現在數據驅動的體驗提升上。而汽車行業漫長的“敲門”周期，則構筑了強大的先發優勢護城河。一旦頭部企業與主機廠完成深度綁定，后來者想要替換，時間成本和機會成本都極其高昂。

因此，他維持自己的判斷：在全球范圍內，這個數字可能是3-4家。

“今天大家可能說的都是同樣的單點算法方向，但最終效果可能有一代或兩代的差距?！彼刂赋?，在人才和知識快速流動的中國，單點算法本身并不構成真正的壁壘。真正的壁壘，是“體系和組織的能力”。架構的取舍、數據迭代與驗證體系的建設，乃至最底層“淮南為橘，淮北為枳”的組織文化，才是決定這場持久戰勝負的根本。

結語：

2026年，恰逢Momenta成立十周年。當被問及一路走來的感悟時，曹旭東沒有談論商業與估值，而是回歸到了一位創業者的初心。

“如果你不享受發現問題、解決問題的過程，不享受和志同道合的人共同去面對困難，創業是很難堅持十年的?！彼锌?，從每年都覺得“今年最難”到回望時的云淡風輕，支撐自己和團隊走下去的，是找到真正熱愛的事業，并與志同道合者一同讓人生“生機勃勃”。

這段感性的回答，恰好為Momenta高速的商業發展，寫下了一個帶有溫度的注腳。在高強度競爭的智駕賽道，算法、數據與資本是顯性的武器，而創始人的心性與組織的文化，或許才是決定其能否跨越“百億美金”研發門檻，并最終活到終局的那道隱形的護城河。當物理AI的序幕拉開，Momenta的故事，才剛剛進入最精彩的章節。