Momenta的凤凰涅槃——如何从自动驾驶到＂物理AI第一股＂?

文章简介

2026年7月8日，Momenta正式在港交所挂牌上市，股票代码06880.HK，发行价295.6港元/股，首日开盘涨超6%，总市值突破700亿港元。公开认购部分超额414倍，国际发售超额约44倍，基石投资者包括新加坡GIC、贝莱德、梅赛德斯-奔驰、比亚迪等14家知名机构。

本文旨在以这一里程碑事件为切入点，系统梳理Momenta从2016年创立到2026年上市的完整成长轨迹。文章将重点回答以下核心问题：自动驾驶与智能驾驶到底有什么区别？Momenta的终极目标是什么，现在实际做的是什么，两者之间是什么关系？ 同时，将逐一拆解L1-L4各级别的真实含义，解释"物理AI""世界模型"等行业术语，并深入分析Momenta在上下游客户、竞争对手、技术路线、成本结构等多维度约束下，如何做出"鱼和熊掌兼得"的战略选择。最终，揭示这家企业从名不见经传到上市成功的底层逻辑。

概念厘清：智能驾驶 ≠ 自动驾驶

在展开叙述之前，必须先厘清两个极易混淆的核心概念。

智能驾驶（Intelligent Driving） 是一个广义概念，涵盖从最基础的驾驶辅助到最高级的完全无人驾驶的所有技术形态。它强调的是车辆具备某种程度的"智能化"能力。

自动驾驶（Autonomous Driving） 是智能驾驶的高级阶段，特指系统能够在特定或全部场景下独立完成驾驶任务，驾驶员不再是必须的操控主体。

两者的关系可以这样理解：智能驾驶是"大伞"，自动驾驶是伞下的"高级形态"。L0-L2属于驾驶辅助范畴，L3-L5才正式进入自动驾驶范畴。

L1-L4级别详解（通俗版）

国际通用的SAE J3016标准将驾驶自动化分为L0-L5六个等级，以下是通俗解读：

L0（无自动化）：纯人工驾驶，车辆最多提供紧急刹车等瞬时安全辅助，类似"保命按钮"，不持续控制车辆。

L1（驾驶员辅助）：车辆能帮你控制一项操作——要么管油门刹车（如定速巡航），要么管方向盘（如车道保持），但不能同时管。你的手脚和眼睛必须全程在线。

L2（部分自动化）：车辆能同时控制油门刹车和方向盘，比如高速公路上自动跟车+保持车道。但驾驶员必须全程监控路况，随时准备接管。这是目前市面上绝大多数"智能驾驶"车型的实际水平。

L3（有条件自动驾驶）：这是关键的"分水岭"。在限定场景下（如高速拥堵路段），系统可以完全接管驾驶，驾驶员可以不看路，玩手机、看视频都行。但系统发出"接管请求"时，你必须及时响应。责任主体从驾驶员向车企转移。

L4（高度自动驾驶）：在限定区域内（如某个城市的特定区域），车辆完全自主驾驶，无需人类干预。即使系统出问题，车辆也能自己靠边停车。车内的人纯粹是乘客。典型应用是Robotaxi（无人出租车）。

L5（完全自动驾驶）：任何道路、任何天气、任何场景下都无需人类参与，甚至不需要方向盘。目前全球尚无企业实现。

核心区别一句话总结：L2及以下，人是驾驶主体，车是帮手；L3及以上，系统是驾驶主体，人是乘客（L3需随时待命）。责任归属从"出了事司机负责"变为"出了事车企/系统负责"。

Momenta的终极目标、现在做的事、以及两者的关系

这是理解Momenta整个战略逻辑的钥匙，必须严格区分：

终极目标（L4级完全无人驾驶）

Momenta的终极使命是实现规模化无人驾驶——不是做个demo跑个测试区，而是让所有人都能在所有交通过程中享受到自动驾驶带来的安全和价值。 创始人曹旭东将其表述为三个十年愿景：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。

现在做的事（L2/L3级量产辅助驾驶）

Momenta当前实际交付给客户的，是面向量产车的L2+/L3级高阶辅助驾驶方案（产品名为Mpilot），帮助车企实现城市NOA（城市导航辅助驾驶）、高速NOA等功能。截至2026年4月，搭载Momenta系统的量产车已超90万台，累计定点超210款车型，合作客户覆盖全球TOP10车企中的9家。

两者的关系：用"现在"养"未来"

Momenta的终极目标是L4，但L4需要约千亿公里的路测数据才能实现，对于一家创业公司来说，自建车队跑千亿公里的成本完全无法承受。因此，Momenta选择了一条独特的路径：通过给车企提供L2/L3量产方案，让数十万甚至上百万台车在路上跑，源源不断地收集真实驾驶数据，用这些数据来训练和迭代L4算法。

用曹旭东的原话概括："量产L2车辆的数据，可以用来训练L4的算法；L4的算法，为L2提供足够高的技术上限和进步空间。两条腿交替提升，最终实现规模化无人驾驶。"

第一章：2016-2019，从清华实验室出发

创始人的选择

2016年，曹旭东做出了一个让周围人难以理解的决定——从清华大学物理系直博退学。这位来自甘肃庆阳的年轻人，先后在微软亚洲研究院和商汤科技深耕计算机视觉与深度学习，最终于2016年9月在北京创立了Momenta（全称"北京初速度科技有限公司"）。核心团队还包括孙刚、夏炎、任少卿等世界级AI专家。

行业背景：L4信仰的黄金时代

2016年前后，全球自动驾驶赛道被L4 Robotaxi的宏大叙事统治。Waymo、Cruise、小马智行、文远知行等公司高举"完全无人驾驶"的旗帜，在资本的簇拥下高歌猛进。几乎所有人都认为，L4将在3-5年内实现商业化落地。

Momenta成立之初，同样怀揣L4梦想。2017年，团队在ImageNet挑战赛中以2.3%的识别错误率斩获物体识别冠军，技术实力初露锋芒。 融资一路高歌：天使轮500万美元（蓝湖资本领投），A轮（顺为资本领投），B1轮4600万美元（蔚来资本、戴姆勒领投）……到2018年C轮完成后，Momenta估值突破10亿美元，成为中国自动驾驶领域首家独角兽。

关键转折：2019年的战略抉择

2019年，行业开始降温。L4商业化落地的时间表一推再推，大量烧钱却看不到盈利希望。同行们面临两难：要么死磕L4，要么彻底转型做L2供应商。

曹旭东做出了一个在当时备受质疑的决定：两条腿都走。 同时发布两条产品线——面向量产的L2级辅助驾驶方案Mpilot，以及面向未来的L4级完全无人驾驶技术MSD（Momenta Self Driving）。

这个决定在当时看来"不够性感"，甚至让Momenta在2019至2020年的融资黄金期几乎从公众视野中消失。 但正是这个选择，奠定了Momenta后续十年发展的底层逻辑。

第二章：战略核心——"一个飞轮，两条腿"

这是Momenta整个商业模式的灵魂，需要逐层拆解。

"两条腿"分别是什么

第一条腿（Mpilot）：面向车企提供可量产的L2+/L3级高阶辅助驾驶方案，让大量车辆装备其系统上路，获取真实路况数据和商业收入。

第二条腿（MSD）：持续研发L4级完全无人驾驶，用前沿技术反哺量产方案的能力上限。

"一个飞轮"如何转动

飞轮的核心逻辑是数据驱动的AI迭代闭环：量产车在路上行驶 → 收集海量真实驾驶数据 → 通过闭环自动化工具链（CLA）提炼出高价值"黄金数据" → 驱动算法自动迭代升级 → 升级后的算法部署回量产车和L4测试车 → 性能提升吸引更多车企合作 → 更多车上路产生更多数据……

曹旭东的判断是：要实现完全无人驾驶，必须约千亿公里的路测数据。自建车队跑千亿公里，成本不可承受。唯一的解法就是面向量产，与车企合作，通过量产车辆获得海量数据。

为什么这个战略在当时是"反共识"的

2019年前后，行业主流认知是"L2和L4是两条完全不同的技术路线"——L2用规则驱动、依赖高精地图，L4用端到端大模型、追求无图方案。两者共用一套架构被认为是"不可能完成的任务"。

Momenta坚持两条腿共用同一套软件算法架构、同一套传感器方案、同一个世界模型。 这意味着L2量产车收集的数据可以直接用于训练L4算法，L4的算法进步可以直接下放给L2产品。这种"一套架构通吃"的思路，在当时是极少数派。

战略选择的多维度考量

曹旭东的选择并非凭空而来，而是基于对上下游客户、竞争对手、技术、成本四个维度的深度分析：

上游（技术可行性）：深度学习算法具备"数据越多→性能越好→吸引更多数据"的规模效应。只要架构统一，L2和L4的数据可以共享。

下游（客户需求）：车企既需要当下能卖车的量产方案（L2/L3），又需要面向未来的技术储备（L4）。Momenta同时满足两种需求。

竞争对手：纯L4公司（小马智行、文远知行）烧钱太快、商业化遥遥无期；纯L2公司缺乏技术上限，容易被替代。Momenta在两者之间找到了生态位。

成本结构：自建L4车队跑千亿公里的成本是天文数字，但通过量产车"借"数据，边际成本趋近于零。

第三章：2020-2024，飞轮开始转动

量产落地：从0到1的突破

2020年，上汽集团高端电动车品牌智己汽车项目落地，成为Momenta从0到1的关键跳板。同年，丰田战略投资Momenta，国际车企的认可为其打开了全球合作的大门。

2021年，C轮融资超12亿美元，创下当时中国自动驾驶领域单笔融资纪录。

2022年，首款搭载Momenta方案的量产车正式交付。飞轮开始真正转动。

技术跃迁：三次关键进化

Momenta的技术架构经历了三次关键跃迁：

阶段一（2022年及以前）：规则驱动+高精地图。方案基于人工编写的规则逻辑，依赖高精地图，需要大量工程师手动维护，迭代成本高，难以应对复杂长尾场景。

阶段二（2023年）：两段式端到端。率先将Transformer架构规模化应用于预测模块，实现感知与规划的"两段式端到端"，减少模块间的信息损失。

阶段三（2024年至今）：一段式端到端+无图方案。推出不依赖高精地图的"无图"方案，进入"一段式端到端"时代。2025年发布R6飞轮大模型，引入强化学习机制，模型能在虚拟环境中自我博弈、自我优化。

数据飞轮的加速效应

截至2025年，Momenta已积累基于30亿公里驾驶数据提炼的7000万组高价值数据。到2026年4月，搭载其系统的量产车突破90万台，累计定点超200款车型。

量产速度的飞跃印证了飞轮效应：2022年交付首个10万辆耗时24个月，如今最快不到40天即可完成10万台交付。

第四章：2025-2026，从"智驾供应商"到"物理AI第一股"

什么是"物理AI"

这是Momenta上市叙事中最核心、也最容易被误解的概念。

通俗解释：当前主流的AI（如ChatGPT）是"数字AI"——它理解的是文字、图片、视频等数字信息，擅长的是语言理解和生成。而"物理AI"的核心是让AI理解真实物理世界的运动规律——重力、摩擦、碰撞、物体轨迹等。它不仅要"看懂"眼前的画面，还要"预判"下一秒、下十秒世界会如何变化。

举个例子：前方车辆突然掉落一箱苹果。传统AI可能只能识别出"地上有东西"，而物理AI能预判苹果滚落的轨迹和扩散范围，提前平稳减速、规划绕行路线。

物理AI概念由英伟达创始人黄仁勋在2024年系统提出，被视为AI发展的下一波浪潮。Momenta将自己定位为"物理AI基座模型的构建者"，区别于专注大语言模型的数字AI企业。

R7世界模型：物理AI的"ChatGPT时刻"

2026年4月，Momenta发布R7强化学习世界模型，实现量产首发，搭载于上汽大众ID. ERA 9X。

世界模型是什么？ 类比ChatGPT通过"预测下一个词"来掌握语言规律，世界模型通过"预测物理世界的下一个状态"来掌握物理规律。

R7采用三层架构：

第一层：世界模型预训练。通过120亿公里真实驾驶数据，将物理规律、常识与因果关系"压缩"进模型，让AI形成对物理世界的基础认知。

第二层：世界模型仿真。利用生成模型推演极端场景，在虚拟环境中测试系统表现，效率远超实车路测。

第三层：强化学习。在虚拟场景中让系统反复试错，通过奖惩机制自主优化决策策略，在罕见极端场景下的表现超越人类水平。

曹旭东总结："世界模型与强化学习，共同构成物理AI的两大核心支柱。"

商业模式的质变：从"搬砖"到"收租"

Momenta招股书中最具说服力的数据，是收入结构的切换：

2023年，96.8%的收入来自技术开发服务——本质上是"帮车企做一单收一单的钱"，是工程师的工时生意。到2025年，许可服务收入占比跃升至40.1%，三年翻了42倍。这意味着Momenta正从"搬砖"模式转向"收租"模式——每卖出一台搭载其方案的车，就能收到一笔授权费，边际成本趋近于零。

第五章：巨头围猎中的生存博弈

Momenta的成长之路，始终在巨头的夹缝中求生、突围。以下是多维度的竞争分析：

竞争格局全景

根据CIC灼识咨询数据，2025年3月至2026年2月，中国第三方城市NOA供应商市场中，Momenta销量市占率达65%，与华为合计占据约八成份额。 但不同统计口径下，格局差异显著：

第三方独立供应商口径：Momenta市占率64.5%，遥遥领先

整体市场口径（含华为和车企自研）：华为份额27.9%，Momenta降至13.3%

分价格段：10-20万元市场地平线领先，20-40万元市场华为主导，40万元以上高端市场Momenta有相对优势

华为：最强大的对手

华为乾崑采用全栈自研模式，从芯片、激光雷达到算法、云服务全部自主可控，性能极致但成本偏高（硬件成本1.5万-2万元/车），难以下沉至15万以下车型。

华为的特殊性在于——它既是供应商，又是车企（鸿蒙智行），这种"既当裁判又当运动员"的身份，让不少车企心存忌惮，反而为Momenta创造了生存空间。

地平线：最直接的挑战者

地平线以"芯片+算法"的软硬一体模式，主攻13万元以下的中低端市场，凭借征程系列芯片的成本优势快速扩张。 但其HSD辅助驾驶系统量产太晚，截至2025年底仅两款车型量产，与Momenta的200多款定点车型差距悬殊。

车企自研：最大的结构性威胁

蔚来、小鹏、理想坚持全栈自研，比亚迪也在加速自研芯片。 当每一个主流车企都梦想成为智驾界的"苹果"时，Momenta作为"安卓"的生存空间能维持多久？

Momenta的博弈方法论

Momenta在巨头夹缝中的生存之道，可以归结为三个差异化壁垒：

纯软件方案的普适性：不绑定特定芯片或硬件，能快速适配不同车企的供应链。华为全栈模式太"重"，地平线芯片模式太"专"，Momenta的灵活性恰恰是众多车企（尤其是海外品牌）最需要的。

数据飞轮的复利效应：90万台量产车产生的数据规模，让后来者难以在短期内追赶。智能驾驶行业具有显著的"马太效应"——数据越多→算法越优→吸引更多合作→数据更多。

客户即股东的深度绑定：奔驰自2017年起投资Momenta，上汽是第一大机构股东，比亚迪既是基石投资者也是核心客户。这种"利益共同体"结构构筑了极高的转换成本。

曹旭东的判断是：全球最终将仅存3-4家智驾供应商。 基于软件边际成本趋零的特性，规模效应可能比芯片行业更为显著。

第六章：曹旭东的十年心路与关键选择

回顾曹旭东的决策轨迹，有几个关键节点值得深思：

2016年：从学术到创业。放弃清华直博，选择AI创业。这背后是对"AI将重塑物理世界"的笃定信念。

2019年：两条腿战略。在L4信仰崩塌、同行纷纷转型或倒闭的至暗时刻，没有放弃终极目标，而是创造性地用"两条腿"战略让理想与现实共存。

2020-2022年：坚持端到端。当行业还在依赖高精地图和规则堆砌时，坚定转向端到端深度学习架构，提前卡位技术范式转换。

2024-2026年：升维到物理AI。主动撕掉"自动驾驶公司"的标签，以"物理AI基座模型构建者"重新定义自身，将估值天花板从智驾供应商提升到AI平台公司。

曹旭东在上市仪式上的讲话，浓缩了他的十年心路：

"十年前，我们创立Momenta，只为追随一个简单却笃定的使命：Better AI，Better Life。过去十年，我们让AI学会驾驶，为每个家庭带来了专职的司机；未来十年，我们将为每个家庭带来专职的阿姨、医生、教师等机器人的服务场景，开创物理AI的'GPT时刻'。"

第七章：隐忧与挑战

尽管成功上市，Momenta的挑战远未结束：

持续亏损：2023年至2025年，账面净亏损分别为25.7亿、32.1亿、34.6亿元，三年累计亏损超92亿元。 曹旭东给出的盈利时间表是：今年亏损进一步收窄，明年实现收支平衡，后年实现盈利。

客户集中度：前五大客户收入占比虽从86.7%降至62.6%，但比亚迪已成为最大客户之一（贡献21.6%收入），而比亚迪正在加速自研芯片。

自研芯片的追赶压力：BMC 7X芯片算力272TOPS，2025年底交付上车，但英伟达生态壁垒深厚，地平线已抢跑多年，Momenta作为后来者在时间和生态上都处于追赶位置。

物理AI的兑现压力：R7世界模型的跨场景迁移能力尚未经受实质检验，当前24亿元年营收几乎全部依赖L2+辅助驾驶方案，Robotaxi业务收入贡献可以忽略不计。

终章：凤凰涅槃的启示

回顾Momenta的十年，一家名不见经传的创业公司能在残酷的市场竞争中突围站稳，核心密码可以归结为：

在正确的时间，做出了"不性感但正确"的选择。

2019年，当所有人都追逐L4的宏大叙事时，Momenta选择了一条"不够性感"的路——用L2量产养L4梦想。这条路在当时被质疑、被忽视，甚至让公司在融资黄金期几乎消失于公众视野。但正是这条路的"反共识"属性，让它避开了L4泡沫破裂的冲击，在行业进入深水区后开始持续显现模式优势。

用数据飞轮的复利思维，构建了不可逾越的壁垒。 曹旭东很早就意识到，自动驾驶的本质不是算法竞赛，而是数据竞赛。谁拥有最多、最多样化的真实驾驶数据，谁就能在长尾问题上建立不可逾越的壁垒。90万台量产车、120亿公里行驶数据、40天交付10万台的速度——这些数字构成的飞轮，是后来者最难复制的资产。

在巨头夹缝中找到了精准的生态位。 华为太强但太"重"，地平线太"专"但算法深度有限，车企自研太慢且成本太高。Momenta以纯软件方案的灵活性，卡在了一个精准的生态位上——做智能驾驶时代的"安卓"，让全球车企都能用上最先进的智驾方案。

用"物理AI"的升维叙事，打开了估值的天花板。 从"智驾供应商"到"物理世界通用AI的构建者"，Momenta完成了一次战略身份的跃迁。R7世界模型的量产落地，让这个故事有了技术底座，而不仅仅是资本市场的概念包装。

上市不是终点，而是物理AI产业化的起点。Momenta的估值是否合理，最终取决于数据飞轮能否转动出Robotaxi的盈利模型，以及R7世界模型能否真正突破乘用车场景限制，在更广阔的物理世界中验证技术价值。

正如曹旭东所言："希望和所有的中国AI公司一起，书写东方的硅谷传奇，拥抱全世界，也让全世界来拥抱中国的技术。"