Momenta CEO曹旭东:自动驾驶进入“正反馈”爆发期,“物理AI”序章开启
2026年的北京车展，无疑是全球汽车产业“权力转移”的缩影。当“反向合资”成为行业热词，中国技术从曾经的“市场换技术”被动输入，转向对外主动赋能，智驾供应商的角色变得前所未有的关键。在这场变革的漩涡中心，Momenta CEO曹旭东在车展上开启了一场高密度的媒体对话。从2016年“十年，挽救百万生命；十年，解放百分百时间；十年，物流出行效率翻倍”的创业愿景，到如今坐拥全球80万台量产车数据流，与德系BBA、大众，日系丰田、本田、日产，美系通用、福特等全球最顶尖品牌深度绑定，Momenta已悄然站上舞台中央。面对行业对数据壁垒的争论、对物理AI概念的追逐以及对行业趋势的预判，曹旭东在这场对话中，系统性地拆解了Momenta的“飞轮”如何从矿石中炼出钢铁，又为何坚信这场竞赛的门槛已非单点算法，而是体系与组织的对决。“今年车展期间，有哪些海外客户在交流？坦白讲，我们已经不需要在车展上‘偶遇’客户了。”面对提问，曹旭东的回应直白且自信。他透露，Momenta早已是全球品牌的共同选择。从德系豪华三强到美系巨头，再到日系三大品牌，均已进入其量产合作名单。这种广泛的渗透，使得Momenta成为观察“反向合资”趋势的最佳窗口。在曹旭东看来，中国技术出海，在为当地用户带来领先产品价值的同时，必然会对当地产业带来冲击。如何化解这种矛盾？“反向合资”正是当下最优的解决方案。这不仅是中国高科技输出的通道，更是一种“共赢”模式的建立，如同当年外资车企进入中国带来产业链繁荣一样，如今的Momenta们正试图通过技术赋能，给当地企业带来发展机会、就业和税收，而非做单纯的颠覆者。但在与外资车企的蜜月期背后，挑战同样棘手。曹旭东将其核心矛盾概括为“中国速度”与“国际OEM标准”的冲突。他以与奔驰的合作为例，清晰地描摹了这种时间尺度上的巨大差异。2017年，时任戴姆勒董事的康林松因看中Momenta的创新活力而决定投资，但直到2025年下半年，双方第一个量产项目才正式上市，这个过程“已经加速了”。最初，一位清华师兄告诉曹旭东，这个过程可能需要十年。从概念验证到小批量开发，再到拿下全系业务，8年的时间窗口，是汽车行业高壁垒的残酷写照。“国内主机厂敲门敲三年，国际车企敲门五到七年。”曹旭东对此深有感触。因此，当“中国速度”追求快速的软件迭代和功能上车，遇上国际标准对安全验证和开发流程的严苛要求时，矛盾便产生了。如何破局？他的答案是回归本源，“以客户和用户的价值为中心去共创，很多时候都能找到更好的创新性方法。”数据飞轮的本质：90%的价值在于“贫矿”变“发动机”的体系当智驾进入数据驱动时代，“数据就是壁垒”成为行业信条。但当市场出现“获取数据不难，难在用好数据”的声音时，曹旭东给出了一个极为生动的比喻。“数据就是矿石，而且是含矿量很低的铁矿石。”他说。要把数据真正用起来，首先要解决的，是如何把“贫矿”变成“富矿”。他举了一个典型的“长尾场景”案例：高速公路上，三只小狗排队横穿。这种场景在一台车的生命周期中万里挑一，在浩瀚的数据海洋中将其精准筛选出来，本身就是“大海捞针”，已构成极高的技术门槛。但这仅仅是第一步。其后，还需将筛选出的“富矿”冶炼成“钢铁”（可用的训练数据），再将“钢铁”锻造成“发动机”（算法模型），最终才能装到车上，产生用户价值。“拥有海量的原始数据，仅仅是价值源头的10%，剩下的90%来自于这个体系的能力。”曹旭东的论断，直接回应了外界对Momenta数据优势的简单化解读。他进一步揭示了Momenta的具体方法论，虽然没有透露过多细节，但大致描绘了一条清晰的路径：在预训练阶段，基于80万台量产车收集的海量真实驾驶数据，通过世界模型进行预训练，让模型掌握物理世界的常识。但这还远远不够，“具备物理常识不代表它是个好司机”，因为实际数据中混杂着大量不良驾驶行为。因此，关键的第二阶段Post-Training至关重要，其目标是将模型的行为“激发并对齐”到人类好的驾驶行为上。这类似于数字AI大模型的训练逻辑，海量数据输入建立基础认知，再通过精细化调整进行价值对齐，最终塑造一个安全、高效的“老司机”。物理AI的序章与门票：百亿美金门槛后，自动驾驶进入“正反馈”爆发期当英伟达CEO黄仁勋带火“物理AI”概念，资本与创业公司纷纷涌入。曹旭东认为物理AI是大势所趋，根源在于数字AI已取得突飞猛进的发展，成功的经验和方法论正自然地向物理世界溢出。“当数字世界发展到一定阶段，自然而然地，就要进入物理世界做创新，这是物理AI的序章刚开始。”但他同时抛出了一个冷峻的判断：物理AI需要“门票”。这张门票，就是规模化的“数据闭环”和“商业闭环”所形成的自我造血能力。他观察到一个规律，任何一项AI应用，从漫长的“接近人类水平”的爬坡期，到“大幅超越人类水平”，往往在一两年内就会发生。背后的逻辑正是正反馈效应：足够好的体验带来爆发式商业化，继而带来数据的爆发式增长，再次驱动模型能力飞跃。曹旭东认为，自动驾驶已经率先进入了这个正反馈的爆发期，而通用机器人还需要等待。对于一家创业公司而言，实现规模化L4级自动驾驶，他判断累计研发投入至少需要百亿美金；而通往通用机器人的路，可能需要数百亿到上千亿美金。“长期来看，要靠投资和融资去最终做成通用的物理AI是不现实的。”他的言下之意是，企业必须拥有自己的现金流业务来支撑这场马拉松。对Momenta而言，这个“现金奶牛”就是正在大规模量产的乘用车智驾业务。这不仅支撑着研发，更与其L4业务（Robotaxi、Robovan，以及明年将推出的Robotruck）形成了平台效应。他强调，Momenta并非只做Robotaxi，而是坚信“一个自动驾驶大模型能够实现所有的垂直应用”。这就像十年前平台电商对垂直电商的整合，一个统一的大模型底座，可以大幅降低每个垂直领域的研发成本，而各个场景的经验和数据又能回流，让大模型更加强大，形成一种“平台优势”。面对关于智驾终局的提问，曹旭东的态度明确而坚定：这个市场具有比芯片更强的规模效应和先发优势。他的逻辑在于，软件边际成本为零，其规模效应不仅体现在成本端，更体现在数据驱动的体验提升上。而汽车行业漫长的“敲门”周期，则构筑了强大的先发优势护城河。一旦头部企业与主机厂完成深度绑定，后来者想要替换，时间成本和机会成本都极其高昂。因此，他维持自己的判断：在全球范围内，这个数字可能是3-4家。“今天大家可能说的都是同样的单点算法方向，但最终效果可能有一代或两代的差距。”他犀利地指出，在人才和知识快速流动的中国，单点算法本身并不构成真正的壁垒。真正的壁垒，是“体系和组织的能力”。架构的取舍、数据迭代与验证体系的建设，乃至最底层“淮南为橘，淮北为枳”的组织文化，才是决定这场持久战胜负的根本。2026年，恰逢Momenta成立十周年。当被问及一路走来的感悟时，曹旭东没有谈论商业与估值，而是回归到了一位创业者的初心。“如果你不享受发现问题、解决问题的过程，不享受和志同道合的人共同去面对困难，创业是很难坚持十年的。”他感慨，从每年都觉得“今年最难”到回望时的云淡风轻，支撑自己和团队走下去的，是找到真正热爱的事业，并与志同道合者一同让人生“生机勃勃”。这段感性的回答，恰好为Momenta高速的商业发展，写下了一个带有温度的注脚。在高强度竞争的智驾赛道，算法、数据与资本是显性的武器，而创始人的心性与组织的文化，或许才是决定其能否跨越“百亿美金”研发门槛，并最终活到终局的那道隐形的护城河。当物理AI的序幕拉开，Momenta的故事，才刚刚进入最精彩的章节。-------推荐阅读-------
10个月宝宝每天需要喝多少奶粉？
