自动驾驶领域的技术路线之争长期存在，端到端、世界模型、VLA、大模型等概念层出不穷，车企和供应商在技术表达上日益趋同。然而，Momenta首席执行官曹旭东认为，真正的行业壁垒并非单点技术突破，而是架构设计、体系搭建和组织能力。他指出，算法可被复制，人才会流动，但企业能否将数据转化为产品能力，并形成商业闭环，才是决定竞争格局的关键。
曹旭东将数据比作“含矿量极低的铁矿石”，强调海量原始数据仅占价值创造的10%，剩余90%依赖体系化处理能力。他以罕见场景识别为例，指出从海量数据中筛选出有效信息犹如大海捞针，而将数据转化为产品价值还需经过多阶段加工，最终形成可落地的技术方案。Momenta通过预训练和后训练两阶段模型开发，利用80万辆量产车收集的长尾场景数据，先构建物理常识基础，再通过人类驾驶行为对齐优化模型表现。
在技术架构层面，曹旭东强调体系化能力的重要性。他认为，单点算法创新虽能带来阶段性进步，但在中国人才流动快速的背景下难以形成长期壁垒。真正的差距体现在数据迭代、训练验证等全链条体系效率，以及组织文化对技术落地的支撑作用。这种体系化优势使得不同企业即使采用相同技术路线，最终产品表现也可能存在代际差异。
面对中国智能驾驶技术出海趋势，曹旭东提出“反向合资”的共赢模式。他指出，中国技术进入海外市场时，既要为当地用户创造价值，也要通过技术赋能促进当地产业发展和就业。在与奔驰、大众等国际车企合作过程中，Momenta通过“中国速度”与“国际标准”的平衡创新，解决了合作中的文化冲突问题，建立了稳定的量产合作关系。
曹旭东将自动驾驶定位为物理AI发展的先导领域。他分析称，物理AI需要同时实现数据闭环和商业闭环，而自动驾驶已率先完成这两个关键环节。当技术体验接近人类水平时，正反馈机制将推动能力快速超越人类，这一规律在AlphaGo和人脸识别领域已得到验证。相比之下，通用机器人因硬件复杂度和验证成本更高，实现规模化闭环仍需时间。
对于物理AI的商业化路径，曹旭东强调现金流业务的重要性。他估算，自动驾驶L4级技术研发需要百亿美元级投入，通用机器人则可能达到千亿美元规模。因此，企业必须通过自动驾驶等现金流业务支撑长期研发，而非单纯依赖融资。Momenta通过覆盖Robotaxi、Robovan和乘用车的大模型平台，实现了不同场景的数据共享和成本分摊，验证了平台化战略的可行性。
在行业竞争格局方面，曹旭东预测自动驾驶领域将呈现高度集中态势。他类比芯片行业发展规律，指出自动驾驶的规模效应和先发优势更强，软件边际成本为零的特性将加速行业收敛。以奔驰合作项目为例，从投资到量产历时八年，凸显了汽车行业长周期特点。他判断，中国最终将形成2-3家主导企业，全球市场则可能容纳3-4家头部玩家。
回顾十年创业历程，曹旭东将成功归因于团队价值观的契合。他坦言，自动驾驶行业每年都面临新挑战，若非真正热爱问题解决过程和团队协作，难以持续十年。这种对技术探索的纯粹热情，成为Momenta在激烈竞争中保持创新活力的核心动力。
