Momenta，這家在行業內被稱為“物理AI第一股”的企業，即將登陸港交所。

與之相伴的，是一個官方反復提及的技術概念——世界模型。它被描述為“物理AI時代的基座模型”，被認為是激發物理AI“GPT時刻”的關鍵突破口。

這聽起來宏大而令人振奮。

但面對這類“某某時刻”“基座模型”“范式革命”的敘事時，一些人可能會習慣性地追問幾個更樸素的問題。

第一，所謂的“世界模型”，究竟是技術演進的全新成果，還是一個被精心包裝的融資話術？

第二，“基座”這個詞在AI領域已被廣泛使用。如果說大語言模型的基座是海量文本，那么物理AI的基座憑什么是一個能預測視頻下一幀的模型？它真的承載得起“物理世界的常識”這樣一個深刻命題嗎？

第三，我們真正在談論的，究竟是技術本身，還是技術背后更加復雜的商業邏輯？

從這幾個問題來看，Momenta IPO并非一個簡單的融資事件。Momenta是“物理AI”這條賽道上，第一個接受公開資本市場檢驗的玩家。市場將用真金白銀投票的，既是Momenta過去幾年的發展成果，更是“世界模型作為物理AI基座”這一宏大敘事的未來預期。

模型“懂物理”，還有“練兵場”和“教練”

先正面回答一個問題：什么是世界模型？它和此前的AI模型，到底有什么區別？

用一個最簡單的類比。數字AI時代，ChatGPT的偉大突破在于，它讓機器掌握了語言的規律。它知道一句話怎么接下一句，知道上下文之間的邏輯關系，知道常識性的知識圖譜，它壓縮的是“文本世界的規律”。

物理AI時代需要的，則是一個能壓縮“物理世界規律”的模型。它需要知道：一個球被踢出去會沿著拋物線飛行；一輛車急剎車時車身會前傾；兩輛車在交叉路口相遇，誰應該讓誰。這些在人類看來甚至不需要思考的常識，對于AI而言，恰恰是最難習得的部分。

世界模型要做的事情，就是把物理世界的規律——重力、慣性、因果、遮擋關系、運動軌跡——壓縮進一個神經網絡里，讓模型“懂得”物理世界是如何運轉的。

這個目標很清晰，但實現路徑極其艱難。為什么？因為物理世界的數據，獲取太難了。

文本數據唾手可得。互聯網上有數以萬億計的網頁、書籍、論文，這些是人類知識的海量數字化遺產。但物理世界的數據，例如一輛車在暴雨中行駛的視頻、一個行人在十字路口突然折返的瞬間、一只流浪貓從路邊竄出的場景，這些數據不僅難以獲取，而且無法通過“爬蟲”來批量采集。

更難的是“測試”。一個語言模型寫錯了答案，用戶可以立刻發現并糾正。但一個自動駕駛模型如果判斷失誤，后果可能是真實的碰撞事故。物理AI的檢驗成本，比數字AI高出幾個數量級。

正因為這個原因，世界模型長期停留在學術論文和實驗室Demo階段。直到最近，隨著海量真實駕駛數據的積累、算力成本的下降、以及模型架構的演進，它才真正有了商業化的可能。

而Momenta R7世界模型的架構，被設計成了三層。每一層都在回應上述挑戰中的某一個環節。

第一層是World Model Pre-Training，也就是讓模型“懂物理”。

這一層的任務，是把海量真實駕駛數據中的物理常識與因果關系，壓縮進基座模型。通俗地說，就是讓模型看足夠多的真實世界視頻，先學懂物理。

第二層是World Model Simulation，也就是讓模型擁有“練兵場”。

模型光“懂物理”還不夠，它需要在一個安全的環境里反復驗證自己的決策。這就引出了世界模型的第二層能力：閉環仿真。

傳統仿真有一個致命問題：渲染生成的世界和真實世界之間存在巨大的“Sim-to-Real Gap”。你在游戲引擎里建一個十字路口，那是一個理想的、干凈的、物理規則簡化的世界。但真實的十字路口有坑洼的路面、有褪色的標線、有隨意?？康呢涇?、有打傘的行人。模型在仿真里練得再好，一上路可能還是“懵”。

Momenta R7的做法是：利用從真實數據中學習生成的世界進行仿真。這意味著，仿真環境中的每一個場景元素，從每一棵樹、每一輛車的行駛軌跡到每一個行人的動作，都來源于真實世界的采樣，而非程序員想當然的預設。

更關鍵的是，Momenta通過實車和仿真的一致性來做對齊和校準，擁有明確可參考的benchmark，從而減少仿真與真實世界之間的差異性。

這套機制的價值，用一個數字就能說明：效率比傳統實車路測提升了上萬倍。換句話說，一個在真實道路上需要跑數十年才能遇到的極端場景組合，在R7的仿真環境里可能只需要幾個小時就能遍歷一遍。

第三層是World Model Reinforcement Learning，也就是讓模型擁有“教練”。

懂了物理、有了練兵場，接下來是“學會開車”。這一層依賴的是強化學習。強化學習的本質是獎懲機制：模型做出正確決策就獎勵，做出錯誤決策就懲罰。通過反復試錯，模型逐步學會在復雜環境中輸出最優策略。

Momenta在這一層的優勢有兩方面。

一是擁有真實世界里大量用戶的反饋閉環。這意味著獎懲信號的來源，不是仿真環境里的模擬打分，而是真實道路上數十萬用戶的真實駕駛數據。

二是擁有更多的黃金數據，尤其是長尾場景數據。所謂“長尾場景”，就是那些發生概率極低、但一旦發生就極其危險的邊緣情況。這些數據是強化學習中最寶貴的“教材”。

說到這里，一個追問不可避免：這套三層架構，與業內其他公司的世界模型方案，區別到底在哪？

答案在于“預訓練”這個環節的定位。

業內普遍將世界模型用作仿真工具，也就是，先訓練一個世界模型，然后用它來生成數據，再拿這些數據去訓練或測試主模型。在這個路徑里，世界模型是一個“輔助工具”，相當于考前給學生發了幾套模擬試卷。

Momenta則是將世界模型直接應用于“端到端基座模型預訓練”。它不是給學生發模擬卷，而是直接重塑了學生的大腦認知結構。模型從一開始就建立在“懂得物理世界規律”的基座之上，再通過仿真和強化學習進行微調。

這好比兩個學生準備物理競賽。一個學生通過大量刷題來積累經驗；另一個學生先系統學習了牛頓力學、熱力學、電磁學的全部理論框架，再通過做題來驗證和鞏固。前者的上限取決于題庫的覆蓋范圍；后者的上限取決于物理定律本身，而物理定律是普適的、無界的。

Momenta R7選擇的是后一條路。

但這并不是說前一條路就錯了。只是兩者對世界模型的定位完全不同，由此帶來的系統上限和迭代速度也截然不同。Momenta認為，這種底層應用代差，讓世界模型成為了一個超級“放大器”，使系統的整體產品性能和上限實現了10到100倍的代際躍升。

當然，這個“10到100倍”的實際效果，將取決于接下來幾年的量產交付數據和用戶反饋。但至少在邏輯上，這條路徑是自洽的：用真實數據訓練基座，用真實數據校準仿真，用真實用戶反饋強化學習，每一個環節都錨定“真實”二字。

不僅是技術，更是兩大“Scaling”的飛輪

一個值得追問的問題是：如果世界模型在技術邏輯上如此自洽，那為什么是Momenta率先把它做到量產上車，而不是其他公司？

2022年，Momenta完成首個10萬臺量產交付，用了24個月。而到了2026年，這個數字被壓縮到不到40天。24個月到40天，這中間的跨度，堪稱一種指數級的進化。

這種進化的驅動力，到底是什么？

一個常見的解釋是“技術突破”。這肯定沒錯。R7世界模型的三層架構、端到端基座預訓練、強化學習閉環，這些技術層面的演進，確實是產品性能躍升的直接原因。

招股書顯示，2025全年，Momenta研發投入為18.69億元，占其年度收入的77.5%，近三年累計研發投入達46.6億元。截至2025年底，公司擁有研發人員1157名，研發人員占比近82%，超過三分之二擁有碩士及以上學歷。

但是，如果我們只看到技術，就忽略了更底層的兩個變量。

這兩個變量，官方把它們總結為數據Scaling和商業Scaling。而Momenta真正的壁壘，在于自身同時跑通了這兩個Scaling，并且形成了正反饋。

先說數據。

世界模型需要海量真實物理交互數據來預訓練。這個“海量”的下限是多少？行業內沒有統一標準，但一個共識正在形成：單純靠仿真渲染生成的數據，無法替代真實道路上的物理反饋。因為仿真是對物理規律的“近似”，而真實道路是物理規律本身的“全集”。一個在近似中訓練出的模型，一旦遇到近似之外的邊緣情況，就會暴露出認知盲區。

Momenta的數據來源，是它搭載在量產車上的L2++輔助駕駛系統。這些車每天都在真實道路上行駛，持續采集各類駕駛場景。截至2026年，Momenta積累了120+億公里的實車里程，從中提煉出了1億段“黃金數據”。所謂“黃金數據”，指的是包含特定場景價值的高質量片段，比如復雜路口、惡劣天氣、罕見障礙物、非常規駕駛行為等。

這個數字的意義，可以從兩個維度來理解。

橫向看，120億公里是什么概念？地球到太陽的平均距離約為1.5億公里。120億公里相當于地球到太陽往返40次。這個體量的真實道路數據，是無法在短時間內通過任何方式“突擊”采集的。每一公里都對應著一輛真實量產車的真實行駛時間。

縱向看，數據積累的速度在加快。Momenta 2022年首個10萬臺量產耗時24個月，而今最快不到40天即可完成10萬臺交付。這意味著，Momenta數據采集的“管道”正在迅速變粗。交付量越大，回傳的數據越多；數據越多，模型迭代越快；模型越好，交付量越大。這是一個典型的正反饋循環。

曹旭東對此有一個判斷：“整個智駕或者整個自動駕駛它有非常強的規模效應和先發優勢，它的效應會比芯片行業更強……自動駕駛，因為它是軟件，它的邊際成本是零，所以它的規模效應更強，它的規模效應除了成本上的規模效應，還有體驗上提升的規模效應。”

如果把這個判斷放到數據Scaling的語境里，意思就很清楚了：當你的數據量是競爭對手的10倍時，你的模型能力可能不是競爭對手的2倍或3倍，而是代際層面的碾壓。因為數據規模本身就是一個“門檻型”的競爭要素，它不像算法可以快速復制，也不像人才可以用高薪挖角。

但數據Scaling有一個前提：你得先有足夠多的車在路上跑。而讓車在路上跑的前提，是你得有人愿意買單。

這就是商業Scaling的意義。

曹旭東提到了一個概念叫“物理AI的門票”：要實現通用物理AI，而且一定要有大量現金流業務。

這句話點出了物理AI領域一個極其現實的困境。從數據采集、清洗、標注，到模型訓練、驗證、部署，世界模型的研發每一個環節都需要巨額的資金投入。沒有現金流業務支撐，連“入場”的資格都沒有。

Momenta的現金流業務，是它的L2++量產輔助駕駛解決方案。根據2026年6月CIC灼識咨詢發布的《自動駕駛行業藍皮書》，2025年3月至2026年2月，中國第三方城市NOA供應商市場中，Momenta市占率達65%，位居行業首位。Momenta的客戶已覆蓋國內全部主流乘用車企業，全球排名前10大車企中已有9家與其開展合作。

招股書顯示，2023年至2025年，Momenta營業收入從7.43億元增長至24.13億元，三年翻三倍，年均復合增長率超80%。截至2025年底，公司現金儲備超100億元。

這些數字背后的商業含義是，L2++業務不僅創造了營收，更重要的是，它驗證了Momenta產品的商業化能力。車企愿意為這套方案付費，說明它在成本、性能、交付效率上具備競爭力。而這種競爭力，又會反過來吸引更多車企采用，從而進一步擴大數據采集的規模。

商業Scaling和數據Scaling之間的互動關系，可以這樣理解：L2++量產車越多→采集的數據越多→模型迭代越快→產品體驗越好→更多車企采用L2++方案→量產車更多→數據更多。

這是一個雙循環。商業Scaling解決的是“誰為研發買單”的問題，數據Scaling解決的是“模型如何進化”的問題。兩者缺一不可。

從商業化角度看，如果聚焦自動駕駛領域，曹旭東判斷：“最終全球3到4家供應商會勝出?！?/p>

如果這個判斷成立，那么Momenta當前所處的階段，就是那3到4家席位競爭中的關鍵卡位期。它已經拿到了入場券：120億公里數據、65%的市占率、前10大車企中9家的合作……

“2017年奔馳就投資了我們，但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。2024年才拿到了奔馳所有的電車和油車的業務。”曹旭東曾透露。

8年時間，意味著什么？意味著從接觸到合作、從POC到Pre SOP、從Pre SOP到小批量量產、從小批量到全面量產，每一個環節都是一道門檻。

一旦跨過這些門檻，客戶不會輕易更換供應商，因為切換成本極高。而這種“鎖定效應”疊加規模效應，會使得領先者的優勢持續放大，后來者追趕的空間持續收窄。

當然，很多投資者早已意識到Momenta的這種稀缺性。Momenta的股東陣容極其豪華，匯聚了全球最核心的產業和科技戰略投資人，以及全球頂級財務投資人。

產業資本囊括了全球汽車產業鏈的核心玩家，包括：上汽、通用、奔馳、豐田、比亞迪、現代、奇瑞等7家全球頂級車企，以及博世、德賽西威、立訊精密等頭部產業鏈合作伙伴，和Uber、Grab、Stone Venture等Robo合作伙伴。科技巨頭則包括騰訊、阿里云、螞蟻集團、京東等。

財務投資人更是覆蓋了淡馬錫、IDG、阿曼投資局、亦莊國投、Granite Asia、順為、蔚來資本、凱輝基金、云鋒基金、藍湖資本、創新工場、真格基金、鼎暉投資、高榕創投、高成資本、眾為資本、愉悅資本、鐘鼎資本、盈峰資本、招銀國際、華泰創新資本、混沌資本、春華資本、大灣區基金、國新基金、光合創投、九合創投、錦秋基金等全球最頂尖投資機構。

超豪華、多元化的股東陣營，不僅為Momenta提供了戰略和資本支持，還從業務協同、用戶增長和全球化布局等方面助力了Momenta高速增長。

“一個模型打通全場景”的估值邏輯

如果只停留在“技術如何領先”的層面，就還沒觸及Momenta最核心的價值命題。真正的命題是：這套底層能力，能生長出多大的估值空間？

曹旭東在談及公司L4布局時，提到了Jeff Hawkins的一個核心概念：一個神經網絡、一個大模型，能夠實現通用AI的能力。曹旭東將這個理念平移到了自動駕駛領域，即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。

這句話聽起來有些抽象。但曹旭東緊接著說了一句更具體的話：“這件事情我們已在Robotaxi、Robovan和乘用車上成功驗證了，并且取得了很好的效果。”

驗證了什么？驗證了Momenta所說的“一個模型打通全場景”不是一張PPT上的藍圖，而是一個已在多條業務線上跑通的極簡架構。乘用車量產、Robotaxi、Robovan這三個看似獨立的自動駕駛場景，共享同一套底層模型架構。而明年，Robotruck也將加入這個序列。

這背后的商業邏輯，值得拆開來看。

先羅列一下這四塊業務的體量。公開數據顯示，到2030年，全球Robotaxi市場規模預計約818億美元，中國市場約381億美元；Robovan全球市場規模約850億美元，中國市場約535億美元；Robotruck全球市場規模約330億美元，中國市場約165億美元。

四塊業務對應的市場空間，合計超過2000億美元。但Momenta的敘事邏輯，不是“同時分別做四個生意”。如果是那樣，它只是一家業務線分散的供應商。Momenta的敘事是“用同一個大腦做四個生意”。這個差異，決定了估值的量級。

傳統模式下，做Robotaxi的公司做不了Robovan，做Robovan的做不了乘用車L2++。因為每一條業務線都需要獨立的傳感器方案、獨立的算法團隊、獨立的數據采集體系、獨立的驗證流程。每個垂直場景的“know-how”都深埋在各自的組織和經驗里，無法簡單復制。結果就是，每一個新場景的開拓，都意味著從零到一的重復投入。

Momenta的做法完全不同。它的乘用車量產系統已在90萬臺量產車上跑著，積累了120+億公里真實數據。

這些數據中包含了各種道路場景（城市道路、高速公路、鄉村小路、停車場），這些場景與Robotaxi、Robovan、Robotruck所面對的道路環境，本質上是同一套物理世界。一個理解了城市道路復雜交通流的世界模型，稍加微調就能適配物流場景的路線規劃。一個掌握了高速公路長距離巡航能力的模型，自然能延伸至Robotruck的干線運輸。

值得一提的是，當一家公司準備上市時，資本市場會本能地尋找一個對標物。所以“XX領域的特斯拉”“中國的某某某”等盡管粗糙，卻是很多科技公司在IPO招股書之外必備的身份標簽。

Momenta面臨同樣的情況。它的業務橫跨乘用車L2++、Robotaxi、Robovan、Robotruck，技術底座是“世界模型”，商業模式是“一個模型打通全場景”。這套敘事宏大而自洽，但問題是，它到底像誰？

最容易想到的對標，是Anthropic，二者同樣擁有強大的基座模型，同樣先在一個高價值垂直場景實現商業閉環，再向其他場景泛化擴張。

該邏輯指向的終局：曹旭東稱之為“平臺級系統提供商”，而非單一場景的解決方案供應商。這個定位的關鍵不在于當前營收的規模，而在于“一個模型打通全場景”的架構所帶來的持續邊際成本遞減和跨場景協同效應。

Momenta的“一個模型打通全場景”，在自動駕駛領域復制了同樣的平臺效應。乘用車量產的數據和經驗，可以直接幫助Robotaxi優化城市復雜路口的決策；Robotaxi在L4級無人駕駛中積累的長尾場景處理能力，可以反哺乘用車L2++的安全冗余；Robovan和Robotruck在物流場景中的路徑規劃經驗，又可以提升乘用車在高速場景的續航效率。

這形成了一個跨場景的正反饋循環。場景越多，大模型見過的“物理世界”就越豐富；大模型越強大，每個場景的落地成本就越低、效果就越好。

這種邊際成本的驟降效應，是Momenta估值邏輯中一個容易被忽視但至關重要的支點。華爾街對平臺型公司的估值溢價，從來不來自當前營收的簡單乘數，而來自新增業務線時那一根幾乎水平的邊際成本曲線。

總之，Momenta的估值邏輯，既不能用傳統的汽車零部件供應商來套，也不能簡單地用AI軟件公司來估。它更像一個正在被建造的物理AI平臺，底層是理解物理世界的世界模型，中間是跨場景復用的All-in-One架構，上層是正在逐步打開的一個個垂直應用場景。平臺的每一層，都在為下一層的擴展降低邊際成本。

至于這個平臺的終局價值，那取決于它最終能覆蓋多少個“需要與物理世界交互”的場景。乘用車、Robotaxi、Robovan、Robotruck是已被確認的前四個。

至于機器人，曹旭東判斷“還需要一段時間”。不過，機器人與汽車的底層邏輯是相通的。畢竟，一個掌握了物理世界普遍規律的模型，理論上可以泛化到任何需要與物理世界交互的載體上。

凱輝基金創始人及董事長蔡明潑表示，作為堅定的長期主義者，凱輝很榮幸能夠在自動駕駛最跌宕起伏的十年里，持續陪伴Momenta一路成長。我們見證了團隊用極強的戰略定力和極致的研發能力，逐步將“世界模型”打磨成物理AI商業護城河。自動駕駛是構建未來智能社會的關鍵路徑，我們期待Momenta繼續依托其技術積累、量產能力與全球生態，在AI技術出海浪潮中以“中國方案”推動全球物理AI產業的進步。

（作者 馮科翰）