DeepSeek-V4在千呼万唤中亮相，依然秉持高性价比策略，并在Agent能力和推理性能上做了强化升级。
但DeepSeek的多模态短板依然未能补齐，视频生成能力继续跳票。不只是DeepSeek，Kimi、Anthropic等国内外一众主流模型，都未将多模态视为自己当下的发展重心。
并非多模态不重要。作为当下AI第一人的黄仁勋，从去年便开始在多个公开场合强调，AI会接管物理世界。在黄仁勋规划的AI演进路线图中，物理AI是继感知AI、生成AI、代理AI后的终极形态。
在这个终极形态中，世界模型正扮演起物理AI金字塔的角色，包括视频生成在内的多模态能力，则是构筑世界模型的必备要素。
困住DeepSeek们暂时没有向世界模型发起冲锋的难题，一方面来自真实物理世界的数据稀缺，另一方面则是承压的现金流造血能力。
在预言AI下半场将是物理AI之后，黄仁勋还补充了后半句：机器人和自动行驶的汽车，会是物理AI的主要载体。
但相比还在比拼量产过万的人形机器人赛道，已经有百万量产落地、并逐渐拓展商业化场景落地的自动驾驶赛道，无论从数据收集还是现金流造血上，都成了眼下最有望挑起物理AI重担的玩家。
正如生成式AI和代理式AI的金字塔是大语言模型一样，物理AI的金字塔便是世界模型。
在Momenta CEO曹旭东看来，预测是智能进化的核心基石：大语言模型依托Next Token Prediction，压缩数字世界常识；世界模型则通过World Model Prediction，预测物理世界未来的状态和交互逻辑。
掌握世界模型蕴含的物理规律之后，强化学习所带来的自主进化，又可以促使AI持续迭代，这正是曹旭东总结的物理AI两大核心支柱。
如何将物理AI落地到实践中去？曹旭东给出了两条路径：数据闭环+商业闭环。只有借助数据闭环才能打造出体验领先的产品，有了体验领先的产品，才能迎来商业爆发。反过来，商业闭环形成后，又能进一步带来数据的爆发式增长，并持续带动产品体验改进。
从ChatGPT上线算起，过去短短不到4年的AI浪潮中，数据闭环+商业闭环的触达路径必要性，已经被行业反复验证。
OpenAI凭借在数据标注、数据清洗方面的率先闭环，推出了体验领先同行的ChatGPT，并将其估值一路推高到了近万亿美元；Anthropic依托Claude Code的惊艳表现，其年化收入在4月份飙升至300亿美元。作为对比，2025年底，Anthropic的年化收入还只有90亿美元，3个月时间内增长了超3倍。
无论OpenAI还是Anthropic，这类数字AI的率先爆发，一个主要因素是互联网数据易得、检验成本低。相比而言，物理AI不仅数据获取难，而且测试周期也更长。
但随着互联网数据被大模型公司日益消耗殆尽，OpenAI前首席科学家Ilya Sutskever更是早在2024年底就公开预测：“我们能获得的数据已经到头，不会再有更多了。”
当数字AI在数据规模、获取成本与迭代效率上的经验积累到达临界点，行业向物理AI转移已成为新共识。
作为被黄仁勋预定的物理AI两大主要载体，机器人和自动行驶的汽车，在冲击物理AI道路上，正在数据和商业闭环上逐步展现出强弱之分。
根据公开资料，目前国内主流具身智能创业公司的机器人量产规模，最大也不过上万台。与之相比，国内头部自动驾驶公司已经拿下了近百万台汽车的量产落地。
在更加现实的资金投入上，即便估值逼近万亿美元的OpenAI，在不断烧钱的GPT压力下，也不得不于近期选择关停Sora项目。
2024年初Sora首度亮相时，凭借逼真的视频生成效果，一度在官方叙事中被视为“世界模拟器”。
具体到机器人赛道，相比大众日常生活中已经高频使用的智驾系统，人形机器人还更多在做功夫表演、马拉松跑步等偏观赏性项目。想要让其从实验室真正走进家庭，背后需要源源不断的资金投入。
根据曹旭东的判断，自动驾驶要实现规模化的L4，累计投入至少是百亿美金以上，通用机器人可能需要几百亿美金到千亿美金。他认为，物理AI需要门票，换句话说，不管是人形机器人还是自动驾驶公司，都需要有自己的现金流业务。
自动驾驶无疑成了目前唯一同时实现数据闭环和商业闭环的物理AI领域。
Momenta则基于数据驱动的“飞轮”，以及量产辅助驾驶与自动驾驶相结合的“两条腿”，率先打通了这两者。这也成了曹旭东喊出“门票理论”的最大底气。
官方数据显示，搭载Momenta系统的量产车辆规模已超过80万台，交付超过70款量产车型，累计定点车型数超过200款。这些日夜奔跑在路上的近百万台汽车，成了Momenta最直接的物理世界数据收集器，帮助其先一步构建起数据闭环，并借此打造出更强大的智驾系统，从而拿下更多汽车客户的订单。
今年北京车展期间，曹旭东对外透露了一丝Momenta搭建数据闭环的秘密，第一步便藏在数据处理上。
在曹旭东看来，数据就像矿石，而且是含矿量很低的铁矿石。拥有的海量原始数据，仅仅是开启智驾系统价值源头的10%，剩下的90%来自体系价值。
这样的现象在大模型领域早已屡见不鲜。OpenAI正是凭借其在数据处理上更胜一筹，才抢先谷歌等竞争对手，率先验证了Scaling Laws（缩放法则），并靠着ChatGPT一鸣惊人。
但处理好数据只是第一步。想要搭建一个行业领先的世界模型，除了通过海量真实驾驶数据进行预训练外，还需要将世界模型用于自动驾驶的闭环仿真，让系统能够推演自身行为变化时世界将如何演变，最后再将世界模型进行强化学习，让系统在接近真实的环境中反复探索与试错。
车展期间，基于上述机制研发的Momenta R7强化学习世界模型，宣告量产首发，标志着智能驾驶从“看见世界”到“理解世界”的全新跨越，物理AI正式从技术理念走向规模化量产落地。
例如，日常行车中，如果遇到前车意外掉落一箱苹果，Momenta的物理AI能力，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、更贴合人类驾驶逻辑的方式处理突发路况。
无论是大模型，还是自动驾驶，都是一个追求先发优势和规模效应的领域，且其软件属性的规模效应会比芯片等硬件属性更强。
回顾历史，芯片行业从PC时代到移动互联网时代，以及当下的AI时代，全球最终赢家往往只有两家。
谁占据了先发优势，谁就快人一步拿到了终局的入场券。
具体到汽车行业，在跟主机厂合作中，自动驾驶公司的先发优势表现得更为明显。
受限于安全和制造复杂度，一个新的供应商接入主机厂系统，一般都需要5年以上的磨合期。而德系百年豪华品牌对安全的标准极致严苛，所需要的磨合时间往往需要更长，甚至可能长达十年。
2017年，奔驰投资Momenta后，过了8年，双方的第一个量产项目在2025年下半年才正式上市。
除此之外，这种先发优势，还体现在自动驾驶公司的技术抢跑上。
2021年前后，随着自动驾驶浪潮兴起，不想失去“灵魂”的各路车企，纷纷开启自研之路。5年过去，第三方自动驾驶公司不仅没有在主机厂的自研策略中生存遇阻，反而市场份额越做越大。
从上汽、丰田到BBA，这些车企从自研智能驾驶系统到拥抱Momenta的过程，向外界证明了做通用型自动驾驶平台的价值所在。
凭借在物理AI上规模化落地的抢跑，Momenta正向着成为自动驾驶领域的“平台级”（安卓）公司发起冲锋——不是只做Robotaxi或只做乘用车，而是用一套大模型同时覆盖乘用车、Robotaxi、Robovan、Robotruck。
更重要的是，随着平台级公司架构被逐步搭建完善，在原有的数据闭环和商业闭环之外，Momenta这样的自动驾驶公司，还能进一步摊薄研发成本，吸引更多汽车客户订单。
2022年，Momenta完成首个10万台量产耗时24个月；现在，Momenta完成10万台交付最快不到40天，飞轮效应已经加速形成。
在本次北京国际车展上，超过20个品牌、共60余款车型搭载了Momenta的智能辅助驾驶方案，成为全球品牌的共同选择。同时，Momenta的全球化也在不断提速，量产方案已在超过10个国家和地区实现落地，Robotaxi全球生态也在持续扩大。
相比那些专注垂类领域的自动驾驶系统，如主机厂商，Momenta想要成为平台级公司的另一重因素来自曹旭东的另一判断，即自动驾驶在大模型领域，同样存在强平台效益。
一个大模型能够实现所有的垂直领域，并且能够做得更好，带来的价值就是你在每一个垂类场景的研发成本都会大幅降低，从而拥有更强议价能力来吸引更多客户，并依靠更多垂直应用场景的客户经验和数据，增强通用大模型体验。
先发优势与规模效应叠加之下，Momenta正站在新一轮增长拐点上。
10个月宝宝每天需要喝多少奶粉？
