在近期举办的北京国际车展上，“物理AI”成为科技与汽车行业热议的焦点。随着数字AI在写作、编程、图像处理等领域的广泛应用，产业目光逐渐转向更广阔的现实世界——道路、工厂、仓储、家庭和城市交通系统。如何将底层技术从虚拟空间迁移至物理环境，成为新的产业探索方向。在此背景下，自动驾驶技术被视为打开物理AI大门的钥匙，而Momenta公司正试图在这一领域构建平台化优势。
车展期间，Momenta发布了R7强化学习世界模型，并将其定义为物理AI发展的起点。公司首席执行官曹旭东指出，自动驾驶已形成独特的数据与商业闭环：每辆量产车都成为移动传感器，持续采集复杂路况数据；用户为辅助驾驶功能付费，车企为智能化竞争力买单，供应商通过技术授权获得收益。这种正向循环机制使自动驾驶成为物理AI领域首个具备规模化潜力的赛道。
技术实现层面，Momenta构建了三层世界模型架构：首先通过海量真实驾驶数据预训练物理规律与因果关系；其次在虚拟环境中模拟不同场景下的行为演变；最终通过强化学习在接近真实的环境中优化决策系统。这种技术路径与数字AI的语言预测模型形成对照，其核心在于理解物体运动规律、因果关系及潜在变化。例如，系统需预测前车急刹后的连锁反应，或雨天路面制动距离的变化。
数据利用效率是物理AI发展的关键挑战。曹旭东坦言，真实世界数据如同含矿量极低的铁矿石，需要建立体系化能力将原始数据转化为有效模型输入。以高速路上三只小狗横穿场景为例，这类长尾数据的筛选与处理难度堪比大海捞针。Momenta的解决方案是将预训练与后训练阶段结合：前者通过80万台量产车采集的长尾数据构建物理常识，后者通过行为对齐技术筛选优质驾驶策略，避免模型单纯模仿人类平均驾驶水平。
商业落地层面，Momenta已形成显著规模优势。公司披露其技术方案已搭载于超过60款车型，合作品牌涵盖奔驰、宝马、奥迪等国际车企，量产车辆规模突破80万台。这些车辆不仅是技术载体，更构成持续进化的数据网络。曹旭东强调，物理AI研发需要持续现金流支持，实现规模化L4自动驾驶的投入预计达百亿美元，通用机器人领域则可能需数百亿至千亿美元。这种资金需求使得依赖融资的研发模式难以持续，而Momenta的量产业务为其提供了独特的造血能力。
在应用场景拓展上，Momenta采取平台化战略。其L4业务不仅涉及Robotaxi，还延伸至物流领域的Robovan，并计划明年进入Robotruck市场。这种跨场景布局基于一个核心判断：同一自动驾驶大模型可适配不同垂直领域，且各场景数据能反哺模型进化。曹旭东以互联网行业平台电商取代垂直电商为例，说明这种技术架构带来的成本优势与体验提升。目前该策略已在乘用车、物流车等场景得到验证。
面对全球汽车产业反向合资的新趋势，曹旭东认为中国技术出海需要建立共赢模式。通过技术授权与本地化合作，既能让海外用户享受先进产品体验，又能帮助当地企业提升竞争力、创造就业机会。这种模式在Momenta的国际化进程中已见成效，其客户已覆盖德系、日系、美系主流车企。在数据飞轮的实际运作中，公司着重解决原始数据提炼与体系化应用问题，将80万台量产车采集的数据转化为模型进化的有效输入。
当被问及自动驾驶技术路线差异时，曹旭东强调体系能力比单点算法更重要。好的技术架构能实现创新要素的有机整合，而数据迭代、训练验证等配套体系，以及组织文化等软实力，才是决定技术落地效果的关键因素。这种认知源于Momenta十年发展历程的总结：创业需要与志同道合者共同探索，在持续解决问题的过程中保持热情，而非单纯追求技术突破。
对于物理AI领域的竞争格局，曹旭东指出自动驾驶具有比芯片行业更强的规模效应与先发优势。以与奔驰的合作为例，从2017年投资到2025年量产，整个过程历时八年，充分体现汽车行业的技术落地周期。这种特性预示着未来市场将高度集中，中国可能形成2-3家主导企业，全球市场则收敛至3-4家。Momenta通过量产数据构建的飞轮效应，正成为其在物理AI竞赛中的核心壁垒。
