装车100万辆，才敢谈“登月”：自动驾驶公司为什么先要“走量”？
2026年7月8日，自动驾驶公司Momenta在港交所挂牌上市。首日盘中一度上涨超6%，市值突破700亿港元。就在上市前后，这家公司还宣布了一个关键数字：智能驾驶系统装车量突破100万辆。
100万辆，对于一家做自动驾驶技术的公司意味着什么？很多人第一反应是“销量不错”，或者“市场份额大”。但如果我们只看到这个数字本身，可能就错过了它背后一个更重要的经济学逻辑——数据飞轮。
100万辆车，不是终点，而是起点
Momenta的故事，其实从2016年就开始了。那一年，整个行业被L4级（完全无人驾驶）技术点燃，资本疯狂涌入Robotaxi（自动驾驶出租车）项目。几乎所有同行都在做“登月”的事——直接攻克最难的无人驾驶。
但Momenta的创始人曹旭东做了一个在当时看起来“不够酷”的选择：一边做L4技术研发，一边做L2量产辅助驾驶。用他的话来说，L4是“登月”，但登月需要造火箭，而L2量产就是那个火箭。
为什么？因为要实现规模化的L4，光有算法远远不够。你需要海量的真实行驶数据。而数据从哪里来？只能从已经跑在路上的车里来。
这就是“数据飞轮”的核心逻辑：越多的车在路上跑，产生的数据就越多；数据越多，算法迭代就越快；算法越好，用户体验就越好；体验越好，愿意装这套系统的车就越多。 这是一个正向循环，一旦启动，就会自我加速。
你看到的“走量”，其实是看不见的“成本”
很多人可能会觉得，做L2量产就是“降维打击”——用高端的L4技术去做低端的辅助驾驶，那不是手到擒来吗？事实恰恰相反。
曹旭东自己回忆，刚进入汽车行业时，他以为就像互联网产品一样，从立项到发布就几个月。结果从打入奔驰供应链到产品真正上车，花了整整8年。这8年里，Momenta几乎尝试了所有能大规模落地的L2业务：后装一体机、给车企做近乎免费的POC（前期验证）项目……
经济学里有一个概念叫“沉没成本”，但这里更关键的是“时间成本”和“机会成本”。 当整个行业都在追逐L4的融资时，Momenta把最宝贵的时间和资源，押在了一条当时没人看好的路上。这8年，如果去做其他事情，会不会更快？会不会更容易？但正是这种“慢”，换来了今天100万辆的装车量。
这100万辆车，本质上是一个巨大的“数据基础设施”。 每一辆车都在为Momenta的算法提供真实路况数据——不是实验室里模拟出来的，而是真实道路上、各种天气、各种路况、各种驾驶习惯下的真实反馈。这种数据的价值，是任何模拟器都无法替代的。
数据飞轮：让“规模”变成“壁垒”
我们常说“规模经济”，是指产量越大，单位成本越低。但在数据驱动的行业里，规模经济的逻辑变了：产量越大，数据越多，数据越多，产品越好，产品越好，产量越大。 这是一个更强大的正向反馈机制。
Momenta的招股书显示，从2023年到2025年，公司收入从7.43亿元快速增长至24.13亿元，毛利率达到71.6%，净亏损从10.93亿元收窄到了3.03亿元。规模效应正在发挥作用，但更重要的，是数据飞轮正在形成。
曹旭东有一个比喻很形象：“短期是投票机，长期是称重机。” 资本市场短期可能会追捧概念，但长期来看，真正有价值的是那些能够持续产生数据、持续优化产品的公司。
这个逻辑，不只适用于自动驾驶
数据飞轮这个概念，其实在很多行业都能看到。
想想抖音、快手这样的短视频平台。用户越多，内容越多；内容越多，用户停留时间越长；停留时间越长，推荐算法越精准；推荐越精准，用户越离不开。这就是数据飞轮。
想想特斯拉。每一辆特斯拉都在收集行驶数据，这些数据被用来训练自动驾驶算法，算法越好，车越智能，越多人买特斯拉，数据就越多。这也是数据飞轮。
数据飞轮的可怕之处在于：一旦启动，后来者几乎无法追赶。 因为数据本身就是壁垒。你有100万辆车的数据，别人只有10万辆，你们的算法差距会越来越大，而不是越来越小。
把这个概念记下来
数据飞轮：一个正向反馈循环，其中更多的使用产生更多的数据，更多的数据带来更好的产品或服务，更好的产品或服务吸引更多的用户，从而形成自我强化的增长闭环。
核心要点：
• 数据不是“副产品”，而是核心生产要素
• 规模越大，数据越多，产品越好
• 一旦启动，后来者很难追赶
• 关键不是“有多少用户”，而是“用户产生了多少数据”
下次你看到一家公司宣布“用户数突破X万”时，不妨多想一步：这些用户产生的数据，会不会让这家公司变得更好？如果答案是肯定的，那这可能就是一只“数据飞轮”正在加速。
参考来源：
• 36氪，《对话Momenta曹旭东：登月自动驾驶，要先做出量产的「火箭」》，2026年7月8日
本文由 AI 辅助生成，用于经济学学习与讨论；事实表述经检索核实，经济学分析供参考。
10个月宝宝每天需要喝多少奶粉？
