作者 | 赵芷姗

编辑 | 周伟鹏

成立十年，物理 AI 第一股今天上市了。

7 月 8 日，Momenta 正式登陆港交所，开盘股价涨超 6%，总市值突破 700 亿港元，市场反响强烈。

早在招股阶段，它就已展现出超强的市场号召力，14 家顶级基石投资者集体入局，这样的豪华阵容，在近年来港股 IPO 中十分罕见。

与其他智驾公司不同，Momenta 给自己定位不是自动驾驶，而是 " 物理 AI"。

资本市场用真金白银回应了对这个定位的期待。

世界模型成 AI 主线

巨头纷纷押注物理 AI

过去几年里，AI 的爆发集中在数字世界，但近一年，AI 行业的发展重心正加速从大语言模型向世界模型偏转。

数字 AI 的竞争已进入存量博弈阶段，技术边际收益逐步收窄，而以世界模型为核心底座的物理 AI，成为科技巨头与资本市场共同瞄准的下一条主线。

2025 年，英伟达 CEO 黄仁勋，首次公开提出 " 物理 AI" 的概念，定义它是能理解现实物理世界、并和实体世界持续交互的 AI。

他把 AI 的演进分为四个阶段：感知 AI、生成 AI、代理 AI 和物理 AI。

物理 AI 的核心在于 "AI 与物理世界的融合 "，关键是让 AI 系统理解并应用重力、摩擦等物理规律，能够在真实世界中安全、可靠地行动。

黄仁勋的判断是，物理 AI 将开启下一轮万亿级基建与产业浪潮。

英伟达已从芯片到世界模型、仿真平台，构建起完整的生态布局，将其视作自动驾驶与机器人领域的核心技术支点。

除此之外，特斯拉把 FSD 的核心迭代押注在世界模型上，通过真实驾驶数据构建对物理世界的通用认知；OpenAI 也在持续投入机器人与具身智能领域，核心突破方向同样指向能理解真实世界的世界模型。

巨头们的一致行动，印证了行业的共同判断：大语言模型定义了数字 AI 的上限，而世界模型将打开物理 AI 的增量空间。

正如 Momenta CEO 曹旭东所说：" 数字 AI 已卷成红海，物理 AI 才刚开场。"  

数字 AI 率先爆发，得益于互联网数据容易获取、线上验证成本低；而物理 AI 虽然数据获取门槛更高、落地验证周期更长，但对应的产业体量与长期价值空间远超前者。

Momenta 锚定物理 AI 定位，已经完成了数据 Scaling 和商业 Scaling 的闭环，一边是百万级量产车持续输送真实物理交互数据，一边是规模化营收反哺技术迭代，这种正向飞轮正是资本最看重的核心壁垒。

R7 世界模型

点燃物理 AI 的 "ChatGPT 时刻 "

如果说 ChatGPT 的横空出世标志着数字 AI 的 "GPT 时刻 "，那么物理 AI 的 "GPT 时刻 " 正在由世界模型开启。

Momenta 之所以能撑起物理 AI 第一股的估值，核心底气就在于其 R7 世界模型。它是目前行业内少数真正实现量产落地、并作为端到端基座模型使用的世界模型。

数字 AI 时代，大语言模型通过互联网海量文本学习语言规律和人类常识。物理 AI 时代，世界模型需要学习的是另一种规律：物理世界的规律。

而物理 AI 落地的最大痛点，就在于长尾数据的获取。极端罕见的车况、突发的意外情况，恰恰是决定自动驾驶安全和可靠性的核心瓶颈。

在行业传统路径里，企业要么靠测试车队上路采集，效率低、场景有限；要么依赖渲染生成的合成数据做训练，但合成数据与真实场景之间仍然存在偏差。

R7 世界模型依托于海量真实数据，通过三层架构，完成了 AI 对物理世界，从认知到推演再到进化的完整闭环。

第一层是世界模型预训练，目标是让 AI 真正懂物理。

Momenta 凭借 100 万辆量产车、累计超过 120 亿公里的实车里程，从中提炼出 1 亿段高质量的黄金数据，将真实场景中的物理常识、运动规律、因果关系压缩进基座模型。

不同于传统智驾模型针对特定场景做规则编写，经过预训练的世界模型，能够形成对物理世界的基础认知，就像人类天生理解惯性、距离和速度一样，AI 开始具备通用的物理直觉。

第二层是世界模型仿真，为 AI 打造一个超高效率的练兵场。

基于生成式 AI 能力，世界模型可以自主推演环境变化，模拟车辆行为改变后真实世界的反馈，对极端罕见的长尾场景做海量验证。

这种仿真的效率比传统实车路测提升上万倍，更关键的是，Momenta 的仿真并非凭空渲染生成，而是基于真实数据学习而来，并且可以通过实车数据持续对齐校准，大幅缩小了仿真与真实世界之间的差距，可靠性远高于传统渲染式仿真。

第三层是在世界模型中做强化学习，相当于给 AI 配备了真实世界的教练。

通过奖惩机制，大模型可以在仿真环境中反复探索试错，不断优化决策逻辑，最终输出更安全、更顺滑的类人驾驶表现。

而量产车端的海量用户反馈闭环，又能持续把真实场景的优化方向带回模型训练，形成 " 仿真训练——实车验证——数据回流——再迭代 " 的正向循环。

用一套模型

打开万亿级想象空间

掌握底层物理规律的世界模型，最大的价值在于它极强的泛化能力。

Momenta 计划用同一套世界模型基座，支撑起多场景的物理 AI 应用，彻底打破了过往各场景孤立开发的行业模式。

不仅同时赋能乘用车、Robovan、Robotaxi 三大业务，未来还将快速拓展至 Robotruck，甚至延伸到具身智能领域。

对世界模型而言，乘用车的城市道路、无人车的园区场景、货运卡车的高速工况，本质上都是物理规律的不同呈现。

只要理解惯性、碰撞、运动因果这些通用底层逻辑，就能以极低的成本快速适配新场景。

核心底层技术的跨场景复用，极大地摊薄了多业务线的研发成本，并且场景越多、数据越丰富，模型迭代速度就越快，边际成本也会持续降低。

与此同时，这套多场景策略，面对的市场空间更为广阔。

据行业测算，到 2030 年，全球 Robotaxi 市场规模将达到 818 亿美元，中国市场占比近半；Robovan 全球市场规模将达 850 亿美元，中国渗透率将高达 14%；Robotruck 全球市场也将突破 330 亿美元。

再加上快速渗透的乘用车城市 NOA 市场，Momenta 的技术底座对应的是一个持续高速增长的蓝海。

智驾终局已现

Momenta 锁定头部席位

物理 AI 的商业化率先从自动驾驶落地，而自动驾驶行业的终局格局，已经越来越清晰。

根据 CIC 灼识咨询发布的数据，2025 年 3 月至 2026 年 2 月，在中国第三方城市 NOA 供应商市场中，Momenta 销量市占率高达 65%，稳居行业第一。

其客户已覆盖国内全部主流乘用车企业，全球排名前 10 的车企中，有 9 家是合作客户。

市占率的绝对领先，只是规模效应的初步体现。

曹旭东曾提出一个核心判断：自动驾驶拥有比芯片行业更强的规模效应与先发优势。

因为软件的边际成本为零，规模不仅会带来成本下降，还会带来体验上的指数级提升。

数据越多，模型越好；模型越好，客户越多；客户越多，数据越多，最终形成强者恒强的马太效应。

这种规模效应已经在 Momenta 身上得到验证。

它在 2017 年就拿到奔驰的投资，到 2025 年底才正式量产落地，用了整整 8 年，但 Momenta 在 2024 年拿下了奔驰所有电车与油车的智驾业务，一旦突破，速度就会加快。

同样，Momenta 交付首个 10 万台量产车花了 2 年时间，而如今完成同等规模的交付仅需不到 40 天。

工程效率的飞速提升，正是规模化带来的直接红利。

按照曹旭东的终局预判，智驾行业最终只会剩下少数玩家，中国市场 2-3 家，全球市场 3-4 家供应商能够胜出。

行业窗口正在关闭，而 Momenta 已经在牌桌上抢先占据一席。

Momenta 正在讲述的，不是一个自动驾驶供应商的故事，而是一个万亿级规模的物理 AI 平台的故事。

它已经站在了风口的最前沿。

•END •

Question. Write.Narrate. Believe. Become a story. 易简传媒的愿景是提问和传播商业故事，让读者更开阔，更聪明。有 2500 万微信粉丝关注我们的账号，欢迎大家关注：