Momenta CEO曹旭东：物理AI的“门票”至少百亿美元

4月25日，在2026北京车展上，Momenta四位合伙人罕见同台，公司CEO曹旭东站在台上，身后的大屏幕上打出一行字：“Momenta R7，物理AI序章”。

这一天，Moment宣布：R7强化学习世界模型实现量产首发，物理AI正式从技术理念走向规模化量产落地。

一周前，曹旭东刚刚和团队反复推敲过这个标题，“序章”这个词是他坚持的。他认为，智能驾驶正从“看见世界”走向“理解世界”，物理AI的故事才刚刚开始。

这一天，Momenta宣布了几组数据：累计定点车型超过200款，已交付超70款量产车型，搭载Momenta系统的量产车辆规模超过80万台。最快不到40天，就可以完成10万台交付。

对比三年前，Momenta首个10万台量产用了整整24个月。“飞轮效应正在加速形成。”Momenta合伙人孙环说。

本届北京车展上，超过20个品牌、60余款车型搭载了Momenta方案，包括梅赛德斯-奔驰、奥迪、宝马的新发布车型。在展馆里走一圈，几乎每走几步就能看到一辆搭载Momenta系统的车。

但曹旭东想讲的，不止是商业数字。他和团队把这场发布会的核心，留给了两个关键词：世界模型与强化学习。

从看见到“理解”

曹旭东口中的“物理AI”指的是什么？他用了一个对比：大语言模型通过Next Token Prediction来压缩数字世界的常识，让AI学会了理解文本；而世界模型，则是通过World Model Prediction来预测物理世界的未来状态和交互逻辑，让AI理解物体的物理属性、运动的因果关系。

“自主进化是智能持续迭代的关键动能。AI在环境中，根据目标，不断接收反馈、试错迭代、自主优化。因此，世界模型与强化学习，共同构成物理AI的两大核心支柱。”曹旭东说。

Momenta合伙人、研发SVP夏炎进一步拆解了Momenta世界模型的三个层次。

第一层是预训练。通过海量真实驾驶数据的预训练，将物理规律、常识与因果关系压缩进模型，让系统形成对物理世界的基础认知。

第二层是仿真。将世界模型用于自动驾驶闭环仿真，让系统推演自身行为变化时世界将如何演变，对长尾场景进行性能评估。

第三层，是在世界模型中进行强化学习。在前两层基础上，为强化学习构建一个高度真实的虚拟训练场，让系统在接近真实的环境中反复探索与试错。

正是在这样的虚拟训练场中，系统从单纯的“模仿学习”走向“想象与探索”，在虚拟世界中经历千万次推演，自主习得在复杂博弈中做出最优决策的能力。

Momenta合伙人、研发SVP孙刚举了一个例子：日常行车中，如果前车意外掉落一箱苹果，搭载Momenta系统的车辆能够自主预判苹果滚落的轨迹与扩散范围，提前平稳减速、规划绕行路线，以更从容的方式处理突发路况。

“现实世界中万中无一的极端场景，在虚拟练兵场里已被反复经历、充分消化。这一机制的目标，是让模型在罕见极端场景下的表现超越人类驾驶员。”夏炎说。

“贫矿”变钢铁

“数据这件事，它不是单单的数据本身。你可以认为数据就是矿石，而且是含矿量很低的铁矿石。”曹旭东在发布会后接受经济观察报等媒体采访，被问到“数据飞轮最大的瓶颈是什么”时，他打了这个比方。

市面上有一种说法是，获得大量数据没那么难，难的是用好数据。曹旭东认同这个判断。

“你怎么把贫矿变成富矿？”曹旭东举例说，高速上三只小狗排队横穿高速，这样的场景万中无一、万里挑一，把它挑出来，难度本身就是大海捞针。这已经有很高的门槛了。

从贫矿变成富矿，再从富矿变成钢铁，钢铁变成发动机，发动机最终装到车上，这才是最终的价值。“拥有海量的原始数据，仅仅是一个价值源头的10%，剩下的90%来自于这个体系的能力。”曹旭东说。

Momenta目前有超过80万台量产车在路上跑，可做到海量数据回流。在预训练阶段，这些数据通过World Model Pre-Training来训练模型，让它具备物理常识。但这还不够。

“有物理常识不代表它是一个好司机。”曹旭东说。他表示，大量数据里有好的驾驶行为，但更多的是不好的驾驶行为。这就像大语言模型的训练，通过海量数据输入，模型具备了世界的常识，但不代表它有好的行为习惯。还需要Post-Training，把行为对齐到人类的好行为上。

按照官方说法，这套逻辑，Momenta已经跑了十年。

“敲门”敲八年

2017年，奔驰投资了Momenta。彼时，Momenta还是一家成立不久的创业公司。曹旭东记得，当时奔驰的董事长觉得“这个公司特别有活力”，所以选择投资。

但Momenta与奔驰的第一个量产项目上市，是在2025年下半年。从投资到量产，整整八年。

“我当时问了一个清华的师兄，他告诉我说，你们跟奔驰合作量产至少需要十年。”曹旭东说。他回忆，2017年到2020年是POC阶段，2020年到2022年是Pre SOP，2022年到2024年是小批量量产开发。2024年，Momenta拿下了奔驰所有电车和油车的业务。2025年底，才真正量产。

曹旭东以此来说明汽车行业的特殊性：“面向主机厂，国内OEM敲门敲三年，海外OEM敲门敲五到七年。”

这也是曹旭东判断智驾格局会快速收敛的依据。在他看来，自动驾驶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”。

为了佐证自己的判断，曹旭东还复盘了芯片行业的历史：PC时代的芯片，全球只有两家；手机芯片时代，全球也只有高通和联发科两家。而自动驾驶因为是软件，边际成本为零，规模效应更强。这种规模效应既体现在成本上，也体现在体验提升上，即数据越多，模型能力越强。

“中国也就两到三家，全球也就三到四家，会非常快速地收敛。”曹旭东说。目前，Momenta合作的客户已经覆盖德系BBA、大众，日系丰田、本田、日产，美系通用、福特。他表示：“不光是今年，去年我们就已经是全球品牌的共同选择了。”

物理AI需要“门票”

当被问及“物理AI被英伟达黄仁勋带火后，很多公司都说自己是物理AI公司，Momenta在全球范围内处于什么位置？”曹旭东的回答，从数字AI和物理AI的对比切入。

按照曹旭东的说法，数字AI在过去几年突飞猛进，很重要的原因是数据能快速、规模地获得。OpenAI很早就同时做了机器人和数字AI，但后来阶段性地放弃了机器人，选择做GPT——因为互联网数据已经是海量的，而机器数据的获取太难了。

“但是，我们所在的世界，既有数字的部分，又有物理的部分。物理的部分可能是更大的一部分。”曹旭东说。在他看来，当数字世界取得巨大进展后，经验和方法必然要进入物理世界，并在物理世界中做创新，“这就是为什么我觉得现在是物理AI的序章刚开始。”

曹旭东对物理AI有一个核心判断：最关键的，是数据闭环和商业闭环，而且两者是互动的。

曹旭东观察到一个现象，即任何一个人工智能的应用，一旦接近人类水平，就会在很短时间大幅超越人类。“AlphaGo也好，人脸识别也好，接近人可能花了十年、二十年，但超越人、大幅超越人，可能就发生在一两年、两三年。”他说。

这背后的逻辑是什么？曹旭东的答案是，先有数据闭环，才有足够好的体验。体验一旦达到或超过人类水平，就能实现爆发式商业化。商业化带来数据爆发式增长，数据增长又带来模型能力爆发式增长。最终互相促进、互相激发，形成强烈的正反馈。

“自动驾驶进入到了这个阶段。机器人还需要一段时间。”曹旭东说。

曹旭东同时认为，物理AI是需要“门票”的。“自动驾驶要实现规模化L4，累计投入至少是百亿美金。通用机器人呢？可能几百亿美金到千亿美金级别，这还可能是创业公司的研发效率。”他说。

曹旭东的判断是，长期来看，靠融资做成通用物理AI是不现实的，一定要有现金流业务。这个现金流业务，可以是自动驾驶，也可以是其他方向。无论如何，一定要有一个现金流业务来支持物理AI的研发。

Momenta选择的路径，是通过量产乘用车的规模商业化，支撑L4的研发。

但Momenta的L4不止Robotaxi。曹旭东透露，Momenta既做Robotaxi，也做Robovan物流，明年还会做Robotruck。逻辑回到一个核心理念：一个自动驾驶大模型，能够实现所有的垂直应用，并且做得更好。

“这件事我们已经在Robotaxi、Robovan和乘用车上成功验证了。这带来的价值是，每个垂直场景的研发成本大幅降低，而每个场景的经验和数据又汇总到大模型里，让每个垂直领域做得更好。这是平台优势。”曹旭东说。

曹旭东这个逻辑还类比了十多年前的互联网行业——垂直电商和平台电商并存，但最终胜出的是平台。他判断在自动驾驶大模型领域，也存在很强的平台效应。

“东方硅谷”野心

发布会尾声，曹旭东讲了一段个人经历。十年前，他在硅谷看到一条以仙童半导体命名的街道Fairchild Drive。正是这家公司，孕育了全球半导体产业的起点，最终铸就了硅谷的传奇。

“那一刻，我心中的那团热火被点燃了。今天，我们希望携手所有中国AI公司，共同书写属于东方的硅谷传奇。”曹旭东说。

谈到全球竞争，曹旭东提到一个观点：中国技术和产品进入海外市场，给当地用户带来领先价值的同时，也会带来一些对当地企业和就业的冲击。

“比较好的解决方案，是借鉴中国之前的模式，做反向合资。让当地享受中国技术的好体验，同时中国技术赋能当地企业，带来更多发展和就业。这是一个共赢的模式。”曹旭东说。

至于具体算法的中外竞争，曹旭东认为，在中国环境下，知识流动和人才流动速度很快，单点算法并不存在特别大的壁垒。真正的差距，在更深处，也就是体系和组织的差距。

“架构能力比单点算法能力更重要。因为架构涉及取舍，好的架构能实现更好的积累和合力。而架构之上，是包含数据迭代、训练、验证的体系。体系之上，则是组织和文化。”曹旭东说。