Momenta，这家在行业内被称为 " 物理 AI 第一股 " 的企业，即将登陆港交所。

与之相伴的，是一个官方反复提及的技术概念——世界模型。它被描述为 " 物理 AI 时代的基座模型 "，被认为是激发物理 AI"GPT 时刻 " 的关键突破口。

这听起来宏大而令人振奋。

但面对这类 " 某某时刻 "" 基座模型 "" 范式革命 " 的叙事时，一些人可能会习惯性地追问几个更朴素的问题。

第一，所谓的 " 世界模型 "，究竟是技术演进的全新成果，还是一个被精心包装的融资话术？

第二，" 基座 " 这个词在 AI 领域已被广泛使用。如果说大语言模型的基座是海量文本，那么物理 AI 的基座凭什么是一个能预测视频下一帧的模型？它真的承载得起 " 物理世界的常识 " 这样一个深刻命题吗？

第三，我们真正在谈论的，究竟是技术本身，还是技术背后更加复杂的商业逻辑？

从这几个问题来看，Momenta IPO 并非一个简单的融资事件。Momenta 是 " 物理 AI" 这条赛道上，第一个接受公开资本市场检验的玩家。市场将用真金白银投票的，既是 Momenta 过去几年的发展成果，更是 " 世界模型作为物理 AI 基座 " 这一宏大叙事的未来预期。

先正面回答一个问题：什么是世界模型？它和此前的 AI 模型，到底有什么区别？

用一个最简单的类比。数字 AI 时代，ChatGPT 的伟大突破在于，它让机器掌握了语言的规律。它知道一句话怎么接下一句，知道上下文之间的逻辑关系，知道常识性的知识图谱，它压缩的是 " 文本世界的规律 "。

物理 AI 时代需要的，则是一个能压缩 " 物理世界规律 " 的模型。它需要知道：一个球被踢出去会沿着抛物线飞行；一辆车急刹车时车身会前倾；两辆车在交叉路口相遇，谁应该让谁。这些在人类看来甚至不需要思考的常识，对于 AI 而言，恰恰是最难习得的部分。

世界模型要做的事情，就是把物理世界的规律——重力、惯性、因果、遮挡关系、运动轨迹——压缩进一个神经网络里，让模型 " 懂得 " 物理世界是如何运转的。

这个目标很清晰，但实现路径极其艰难。为什么？因为物理世界的数据，获取太难了。

文本数据唾手可得。互联网上有数以万亿计的网页、书籍、论文，这些是人类知识的海量数字化遗产。但物理世界的数据，例如一辆车在暴雨中行驶的视频、一个行人在十字路口突然折返的瞬间、一只流浪猫从路边窜出的场景，这些数据不仅难以获取，而且无法通过 " 爬虫 " 来批量采集。

更难的是 " 测试 "。一个语言模型写错了答案，用户可以立刻发现并纠正。但一个自动驾驶模型如果判断失误，后果可能是真实的碰撞事故。物理 AI 的检验成本，比数字 AI 高出几个数量级。

正因为这个原因，世界模型长期停留在学术论文和实验室 Demo 阶段。直到最近，随着海量真实驾驶数据的积累、算力成本的下降、以及模型架构的演进，它才真正有了商业化的可能。

而 Momenta R7 世界模型的架构，被设计成了三层。每一层都在回应上述挑战中的某一个环节。

第一层是 World Model Pre-Training，也就是让模型 " 懂物理 "。

这一层的任务，是把海量真实驾驶数据中的物理常识与因果关系，压缩进基座模型。通俗地说，就是让模型看足够多的真实世界视频，先学懂物理。

第二层是 World Model Simulation，也就是让模型拥有 " 练兵场 "。

模型光 " 懂物理 " 还不够，它需要在一个安全的环境里反复验证自己的决策。这就引出了世界模型的第二层能力：闭环仿真。

传统仿真有一个致命问题：渲染生成的世界和真实世界之间存在巨大的 "Sim-to-Real Gap"。你在游戏引擎里建一个十字路口，那是一个理想的、干净的、物理规则简化的世界。但真实的十字路口有坑洼的路面、有褪色的标线、有随意停靠的货车、有打伞的行人。模型在仿真里练得再好，一上路可能还是 " 懵 "。

Momenta R7 的做法是：利用从真实数据中学习生成的世界进行仿真。这意味着，仿真环境中的每一个场景元素，从每一棵树、每一辆车的行驶轨迹到每一个行人的动作，都来源于真实世界的采样，而非程序员想当然的预设。

更关键的是，Momenta 通过实车和仿真的一致性来做对齐和校准，拥有明确可参考的 benchmark，从而减少仿真与真实世界之间的差异性。

这套机制的价值，用一个数字就能说明：效率比传统实车路测提升了上万倍。换句话说，一个在真实道路上需要跑数十年才能遇到的极端场景组合，在 R7 的仿真环境里可能只需要几个小时就能遍历一遍。

第三层是 World Model Reinforcement Learning，也就是让模型拥有 " 教练 "。

懂了物理、有了练兵场，接下来是 " 学会开车 "。这一层依赖的是强化学习。强化学习的本质是奖惩机制：模型做出正确决策就奖励，做出错误决策就惩罚。通过反复试错，模型逐步学会在复杂环境中输出最优策略。

Momenta 在这一层的优势有两方面。

一是拥有真实世界里大量用户的反馈闭环。这意味着奖惩信号的来源，不是仿真环境里的模拟打分，而是真实道路上数十万用户的真实驾驶数据。

二是拥有更多的黄金数据，尤其是长尾场景数据。所谓 " 长尾场景 "，就是那些发生概率极低、但一旦发生就极其危险的边缘情况。这些数据是强化学习中最宝贵的 " 教材 "。

说到这里，一个追问不可避免：这套三层架构，与业内其他公司的世界模型方案，区别到底在哪？

答案在于 " 预训练 " 这个环节的定位。

业内普遍将世界模型用作仿真工具，也就是，先训练一个世界模型，然后用它来生成数据，再拿这些数据去训练或测试主模型。在这个路径里，世界模型是一个 " 辅助工具 "，相当于考前给学生发了几套模拟试卷。

Momenta 则是将世界模型直接应用于 " 端到端基座模型预训练 "。它不是给学生发模拟卷，而是直接重塑了学生的大脑认知结构。模型从一开始就建立在 " 懂得物理世界规律 " 的基座之上，再通过仿真和强化学习进行微调。

这好比两个学生准备物理竞赛。一个学生通过大量刷题来积累经验；另一个学生先系统学习了牛顿力学、热力学、电磁学的全部理论框架，再通过做题来验证和巩固。前者的上限取决于题库的覆盖范围；后者的上限取决于物理定律本身，而物理定律是普适的、无界的。

Momenta R7 选择的是后一条路。

但这并不是说前一条路就错了。只是两者对世界模型的定位完全不同，由此带来的系统上限和迭代速度也截然不同。Momenta 认为，这种底层应用代差，让世界模型成为了一个超级 " 放大器 "，使系统的整体产品性能和上限实现了 10 到 100 倍的代际跃升。

当然，这个 "10 到 100 倍 " 的实际效果，将取决于接下来几年的量产交付数据和用户反馈。但至少在逻辑上，这条路径是自洽的：用真实数据训练基座，用真实数据校准仿真，用真实用户反馈强化学习，每一个环节都锚定 " 真实 " 二字。

一个值得追问的问题是：如果世界模型在技术逻辑上如此自洽，那为什么是 Momenta 率先把它做到量产上车，而不是其他公司？

2022 年，Momenta 完成首个 10 万台量产交付，用了 24 个月。而到了 2026 年，这个数字被压缩到不到 40 天。24 个月到 40 天，这中间的跨度，堪称一种指数级的进化。

这种进化的驱动力，到底是什么？

一个常见的解释是 " 技术突破 "。这肯定没错。R7 世界模型的三层架构、端到端基座预训练、强化学习闭环，这些技术层面的演进，确实是产品性能跃升的直接原因。

招股书显示，2025 全年，Momenta 研发投入为 18.69 亿元，占其年度收入的 77.5%，近三年累计研发投入达 46.6 亿元。截至 2025 年底，公司拥有研发人员 1157 名，研发人员占比近 82%，超过三分之二拥有硕士及以上学历。

但是，如果我们只看到技术，就忽略了更底层的两个变量。

这两个变量，官方把它们总结为数据 Scaling 和商业 Scaling。而 Momenta 真正的壁垒，在于自身同时跑通了这两个 Scaling，并且形成了正反馈。

先说数据。

世界模型需要海量真实物理交互数据来预训练。这个 " 海量 " 的下限是多少？行业内没有统一标准，但一个共识正在形成：单纯靠仿真渲染生成的数据，无法替代真实道路上的物理反馈。因为仿真是对物理规律的 " 近似 "，而真实道路是物理规律本身的 " 全集 "。一个在近似中训练出的模型，一旦遇到近似之外的边缘情况，就会暴露出认知盲区。

Momenta 的数据来源，是它搭载在量产车上的 L2++ 辅助驾驶系统。这些车每天都在真实道路上行驶，持续采集各类驾驶场景。截至 2026 年，Momenta 积累了 120+ 亿公里的实车里程，从中提炼出了 1 亿段 " 黄金数据 "。所谓 " 黄金数据 "，指的是包含特定场景价值的高质量片段，比如复杂路口、恶劣天气、罕见障碍物、非常规驾驶行为等。

这个数字的意义，可以从两个维度来理解。

横向看，120 亿公里是什么概念？地球到太阳的平均距离约为 1.5 亿公里。120 亿公里相当于地球到太阳往返 40 次。这个体量的真实道路数据，是无法在短时间内通过任何方式 " 突击 " 采集的。每一公里都对应着一辆真实量产车的真实行驶时间。

纵向看，数据积累的速度在加快。Momenta 2022 年首个 10 万台量产耗时 24 个月，而今最快不到 40 天即可完成 10 万台交付。这意味着，Momenta 数据采集的 " 管道 " 正在迅速变粗。交付量越大，回传的数据越多；数据越多，模型迭代越快；模型越好，交付量越大。这是一个典型的正反馈循环。

曹旭东对此有一个判断：" 整个智驾或者整个自动驾驶它有非常强的规模效应和先发优势，它的效应会比芯片行业更强 …… 自动驾驶，因为它是软件，它的边际成本是零，所以它的规模效应更强，它的规模效应除了成本上的规模效应，还有体验上提升的规模效应。"

如果把这个判断放到数据 Scaling 的语境里，意思就很清楚了：当你的数据量是竞争对手的 10 倍时，你的模型能力可能不是竞争对手的 2 倍或 3 倍，而是代际层面的碾压。因为数据规模本身就是一个 " 门槛型 " 的竞争要素，它不像算法可以快速复制，也不像人才可以用高薪挖角。

但数据 Scaling 有一个前提：你得先有足够多的车在路上跑。而让车在路上跑的前提，是你得有人愿意买单。

这就是商业 Scaling 的意义。

曹旭东提到了一个概念叫 " 物理 AI 的门票 "：要实现通用物理 AI，而且一定要有大量现金流业务。

这句话点出了物理 AI 领域一个极其现实的困境。从数据采集、清洗、标注，到模型训练、验证、部署，世界模型的研发每一个环节都需要巨额的资金投入。没有现金流业务支撑，连 " 入场 " 的资格都没有。

Momenta 的现金流业务，是它的 L2++ 量产辅助驾驶解决方案。根据 2026 年 6 月 CIC 灼识咨询发布的《自动驾驶行业蓝皮书》，2025 年 3 月至 2026 年 2 月，中国第三方城市 NOA 供应商市场中，Momenta 市占率达 65%，位居行业首位。Momenta 的客户已覆盖国内全部主流乘用车企业，全球排名前 10 大车企中已有 9 家与其开展合作。

招股书显示，2023 年至 2025 年，Momenta 营业收入从 7.43 亿元增长至 24.13 亿元，三年翻三倍，年均复合增长率超 80%。截至 2025 年底，公司现金储备超 100 亿元。

这些数字背后的商业含义是，L2++ 业务不仅创造了营收，更重要的是，它验证了 Momenta 产品的商业化能力。车企愿意为这套方案付费，说明它在成本、性能、交付效率上具备竞争力。而这种竞争力，又会反过来吸引更多车企采用，从而进一步扩大数据采集的规模。

商业 Scaling 和数据 Scaling 之间的互动关系，可以这样理解：L2++ 量产车越多→采集的数据越多→模型迭代越快→产品体验越好→更多车企采用 L2++ 方案→量产车更多→数据更多。

这是一个双循环。商业 Scaling 解决的是 " 谁为研发买单 " 的问题，数据 Scaling 解决的是 " 模型如何进化 " 的问题。两者缺一不可。

从商业化角度看，如果聚焦自动驾驶领域，曹旭东判断：" 最终全球 3 到 4 家供应商会胜出。"

如果这个判断成立，那么 Momenta 当前所处的阶段，就是那 3 到 4 家席位竞争中的关键卡位期。它已经拿到了入场券：120 亿公里数据、65% 的市占率、前 10 大车企中 9 家的合作 ……

"2017 年奔驰就投资了我们，但我们跟奔驰的第一个量产项目上市是 2025 年的后半年，经历了整整 8 年的时间。2024 年才拿到了奔驰所有的电车和油车的业务。" 曹旭东曾透露。

8 年时间，意味着什么？意味着从接触到合作、从 POC 到 Pre SOP、从 Pre SOP 到小批量量产、从小批量到全面量产，每一个环节都是一道门槛。

一旦跨过这些门槛，客户不会轻易更换供应商，因为切换成本极高。而这种 " 锁定效应 " 叠加规模效应，会使得领先者的优势持续放大，后来者追赶的空间持续收窄。

当然，很多投资者早已意识到 Momenta 的这种稀缺性。Momenta 的股东阵容极其豪华，汇聚了全球最核心的产业和科技战略投资人，以及全球顶级财务投资人。

产业资本囊括了全球汽车产业链的核心玩家，包括：上汽、通用、奔驰、丰田、比亚迪、现代、奇瑞等 7 家全球顶级车企，以及博世、德赛西威、立讯精密等头部产业链合作伙伴，和 Uber、Grab、Stone Venture 等 Robo 合作伙伴。科技巨头则包括腾讯、阿里云、蚂蚁集团、京东等。

财务投资人更是覆盖了淡马锡、IDG、阿曼投资局、亦庄国投、Granite Asia、顺为、蔚来资本、凯辉基金、云锋基金、蓝湖资本、创新工场、真格基金、鼎晖投资、高榕创投、高成资本、众为资本、愉悦资本、钟鼎资本、盈峰资本、招银国际、华泰创新资本、混沌资本、春华资本、大湾区基金、国新基金、光合创投、九合创投、锦秋基金等全球最顶尖投资机构。

超豪华、多元化的股东阵营，不仅为 Momenta 提供了战略和资本支持，还从业务协同、用户增长和全球化布局等方面助力了 Momenta 高速增长。

如果只停留在 " 技术如何领先 " 的层面，就还没触及 Momenta 最核心的价值命题。真正的命题是：这套底层能力，能生长出多大的估值空间？

曹旭东在谈及公司 L4 布局时，提到了 Jeff Hawkins 的一个核心概念：一个神经网络、一个大模型，能够实现通用 AI 的能力。曹旭东将这个理念平移到了自动驾驶领域，即一个自动驾驶的大模型能够实现所有的自动驾驶的垂直应用，并且做得更好。

这句话听起来有些抽象。但曹旭东紧接着说了一句更具体的话：" 这件事情我们已在 Robotaxi、Robovan 和乘用车上成功验证了，并且取得了很好的效果。"

验证了什么？验证了 Momenta 所说的" 一个模型打通全场景 "不是一张 PPT 上的蓝图，而是一个已在多条业务线上跑通的极简架构。乘用车量产、Robotaxi、Robovan 这三个看似独立的自动驾驶场景，共享同一套底层模型架构。而明年，Robotruck 也将加入这个序列。

这背后的商业逻辑，值得拆开来看。

先罗列一下这四块业务的体量。公开数据显示，到 2030 年，全球 Robotaxi 市场规模预计约 818 亿美元，中国市场约 381 亿美元；Robovan 全球市场规模约 850 亿美元，中国市场约 535 亿美元；Robotruck 全球市场规模约 330 亿美元，中国市场约 165 亿美元。

四块业务对应的市场空间，合计超过 2000 亿美元。但 Momenta 的叙事逻辑，不是 " 同时分别做四个生意 "。如果是那样，它只是一家业务线分散的供应商。Momenta 的叙事是 " 用同一个大脑做四个生意 "。这个差异，决定了估值的量级。

传统模式下，做 Robotaxi 的公司做不了 Robovan，做 Robovan 的做不了乘用车 L2++。因为每一条业务线都需要独立的传感器方案、独立的算法团队、独立的数据采集体系、独立的验证流程。每个垂直场景的 "know-how" 都深埋在各自的组织和经验里，无法简单复制。结果就是，每一个新场景的开拓，都意味着从零到一的重复投入。

Momenta 的做法完全不同。它的乘用车量产系统已在 90 万台量产车上跑着，积累了 120+ 亿公里真实数据。

这些数据中包含了各种道路场景（城市道路、高速公路、乡村小路、停车场），这些场景与 Robotaxi、Robovan、Robotruck 所面对的道路环境，本质上是同一套物理世界。一个理解了城市道路复杂交通流的世界模型，稍加微调就能适配物流场景的路线规划。一个掌握了高速公路长距离巡航能力的模型，自然能延伸至 Robotruck 的干线运输。

值得一提的是，当一家公司准备上市时，资本市场会本能地寻找一个对标物。所以 "XX 领域的特斯拉 "" 中国的某某某 " 等尽管粗糙，却是很多科技公司在 IPO 招股书之外必备的身份标签。

Momenta 面临同样的情况。它的业务横跨乘用车 L2++、Robotaxi、Robovan、Robotruck，技术底座是 " 世界模型 "，商业模式是 " 一个模型打通全场景 "。这套叙事宏大而自洽，但问题是，它到底像谁？

最容易想到的对标，是 Anthropic，二者同样拥有强大的基座模型，同样先在一个高价值垂直场景实现商业闭环，再向其他场景泛化扩张。

该逻辑指向的终局：曹旭东称之为 " 平台级系统提供商 "，而非单一场景的解决方案供应商。这个定位的关键不在于当前营收的规模，而在于 " 一个模型打通全场景 " 的架构所带来的持续边际成本递减和跨场景协同效应。

Momenta 的" 一个模型打通全场景 "，在自动驾驶领域复制了同样的平台效应。乘用车量产的数据和经验，可以直接帮助 Robotaxi 优化城市复杂路口的决策；Robotaxi 在 L4 级无人驾驶中积累的长尾场景处理能力，可以反哺乘用车 L2++ 的安全冗余；Robovan 和 Robotruck 在物流场景中的路径规划经验，又可以提升乘用车在高速场景的续航效率。

这形成了一个跨场景的正反馈循环。场景越多，大模型见过的 " 物理世界 " 就越丰富；大模型越强大，每个场景的落地成本就越低、效果就越好。

这种边际成本的骤降效应，是 Momenta 估值逻辑中一个容易被忽视但至关重要的支点。华尔街对平台型公司的估值溢价，从来不来自当前营收的简单乘数，而来自新增业务线时那一根几乎水平的边际成本曲线。

总之，Momenta 的估值逻辑，既不能用传统的汽车零部件供应商来套，也不能简单地用 AI 软件公司来估。它更像一个正在被建造的物理 AI 平台，底层是理解物理世界的世界模型，中间是跨场景复用的 All-in-One 架构，上层是正在逐步打开的一个个垂直应用场景。平台的每一层，都在为下一层的扩展降低边际成本。

至于这个平台的终局价值，那取决于它最终能覆盖多少个 " 需要与物理世界交互 " 的场景。乘用车、Robotaxi、Robovan、Robotruck 是已被确认的前四个。

至于机器人，曹旭东判断 " 还需要一段时间 "。不过，机器人与汽车的底层逻辑是相通的。毕竟，一个掌握了物理世界普遍规律的模型，理论上可以泛化到任何需要与物理世界交互的载体上。

凯辉基金创始人及董事长蔡明泼表示，作为坚定的长期主义者，凯辉很荣幸能够在自动驾驶最跌宕起伏的十年里，持续陪伴 Momenta 一路成长。我们见证了团队用极强的战略定力和极致的研发能力，逐步将 " 世界模型 " 打磨成物理 AI 商业护城河。自动驾驶是构建未来智能社会的关键路径，我们期待 Momenta 继续依托其技术积累、量产能力与全球生态，在 AI 技术出海浪潮中以 " 中国方案 " 推动全球物理 AI 产业的进步。

（作者 冯科翰）