4 月 25 日，在 2026 北京车展上，Momenta 四位合伙人罕见同台，公司 CEO 曹旭东站在台上，身后的大屏幕上打出一行字："Momenta R7，物理 AI 序章 "。

这一天，Moment 宣布：R7 强化学习世界模型实现量产首发，物理 AI 正式从技术理念走向规模化量产落地。

一周前，曹旭东刚刚和团队反复推敲过这个标题，" 序章 " 这个词是他坚持的。他认为，智能驾驶正从 " 看见世界 " 走向 " 理解世界 "，物理 AI 的故事才刚刚开始。

这一天，Momenta 宣布了几组数据：累计定点车型超过 200 款，已交付超 70 款量产车型，搭载 Momenta 系统的量产车辆规模超过 80 万台。最快不到 40 天，就可以完成 10 万台交付。

对比三年前，Momenta 首个 10 万台量产用了整整 24 个月。" 飞轮效应正在加速形成。"Momenta 合伙人孙环说。

本届北京车展上，超过 20 个品牌、60 余款车型搭载了 Momenta 方案，包括梅赛德斯 - 奔驰、奥迪、宝马的新发布车型。在展馆里走一圈，几乎每走几步就能看到一辆搭载 Momenta 系统的车。

但曹旭东想讲的，不止是商业数字。他和团队把这场发布会的核心，留给了两个关键词：世界模型与强化学习。

从看见到 " 理解 "

曹旭东口中的 " 物理 AI" 指的是什么？他用了一个对比：大语言模型通过 Next Token Prediction 来压缩数字世界的常识，让 AI 学会了理解文本；而世界模型，则是通过 World Model Prediction 来预测物理世界的未来状态和交互逻辑，让 AI 理解物体的物理属性、运动的因果关系。

" 自主进化是智能持续迭代的关键动能。AI 在环境中，根据目标，不断接收反馈、试错迭代、自主优化。因此，世界模型与强化学习，共同构成物理 AI 的两大核心支柱。" 曹旭东说。

Momenta 合伙人、研发 SVP 夏炎进一步拆解了 Momenta 世界模型的三个层次。

第一层是预训练。通过海量真实驾驶数据的预训练，将物理规律、常识与因果关系压缩进模型，让系统形成对物理世界的基础认知。

第二层是仿真。将世界模型用于自动驾驶闭环仿真，让系统推演自身行为变化时世界将如何演变，对长尾场景进行性能评估。

第三层，是在世界模型中进行强化学习。在前两层基础上，为强化学习构建一个高度真实的虚拟训练场，让系统在接近真实的环境中反复探索与试错。

正是在这样的虚拟训练场中，系统从单纯的 " 模仿学习 " 走向 " 想象与探索 "，在虚拟世界中经历千万次推演，自主习得在复杂博弈中做出最优决策的能力。

Momenta 合伙人、研发 SVP 孙刚举了一个例子：日常行车中，如果前车意外掉落一箱苹果，搭载 Momenta 系统的车辆能够自主预判苹果滚落的轨迹与扩散范围，提前平稳减速、规划绕行路线，以更从容的方式处理突发路况。

" 现实世界中万中无一的极端场景，在虚拟练兵场里已被反复经历、充分消化。这一机制的目标，是让模型在罕见极端场景下的表现超越人类驾驶员。" 夏炎说。

" 贫矿 " 变钢铁

" 数据这件事，它不是单单的数据本身。你可以认为数据就是矿石，而且是含矿量很低的铁矿石。" 曹旭东在发布会后接受经济观察报等媒体采访，被问到 " 数据飞轮最大的瓶颈是什么 " 时，他打了这个比方。

市面上有一种说法是，获得大量数据没那么难，难的是用好数据。曹旭东认同这个判断。

" 你怎么把贫矿变成富矿？" 曹旭东举例说，高速上三只小狗排队横穿高速，这样的场景万中无一、万里挑一，把它挑出来，难度本身就是大海捞针。这已经有很高的门槛了。

从贫矿变成富矿，再从富矿变成钢铁，钢铁变成发动机，发动机最终装到车上，这才是最终的价值。" 拥有海量的原始数据，仅仅是一个价值源头的 10%，剩下的 90% 来自于这个体系的能力。" 曹旭东说。

Momenta 目前有超过 80 万台量产车在路上跑，可做到海量数据回流。在预训练阶段，这些数据通过 World Model Pre-Training 来训练模型，让它具备物理常识。但这还不够。

" 有物理常识不代表它是一个好司机。" 曹旭东说。他表示，大量数据里有好的驾驶行为，但更多的是不好的驾驶行为。这就像大语言模型的训练，通过海量数据输入，模型具备了世界的常识，但不代表它有好的行为习惯。还需要 Post-Training，把行为对齐到人类的好行为上。

按照官方说法，这套逻辑，Momenta 已经跑了十年。

" 敲门 " 敲八年

2017 年，奔驰投资了 Momenta。彼时，Momenta 还是一家成立不久的创业公司。曹旭东记得，当时奔驰的董事长觉得 " 这个公司特别有活力 "，所以选择投资。

但 Momenta 与奔驰的第一个量产项目上市，是在 2025 年下半年。从投资到量产，整整八年。

" 我当时问了一个清华的师兄，他告诉我说，你们跟奔驰合作量产至少需要十年。" 曹旭东说。他回忆，2017 年到 2020 年是 POC 阶段，2020 年到 2022 年是 Pre SOP，2022 年到 2024 年是小批量量产开发。2024 年，Momenta 拿下了奔驰所有电车和油车的业务。2025 年底，才真正量产。

曹旭东以此来说明汽车行业的特殊性：" 面向主机厂，国内 OEM 敲门敲三年，海外 OEM 敲门敲五到七年。"

这也是曹旭东判断智驾格局会快速收敛的依据。在他看来，自动驾驶有非常强的规模效应和先发优势，" 它的效应会比芯片行业更强 "。

为了佐证自己的判断，曹旭东还复盘了芯片行业的历史：PC 时代的芯片，全球只有两家；手机芯片时代，全球也只有高通和联发科两家。而自动驾驶因为是软件，边际成本为零，规模效应更强。这种规模效应既体现在成本上，也体现在体验提升上，即数据越多，模型能力越强。

" 中国也就两到三家，全球也就三到四家，会非常快速地收敛。" 曹旭东说。目前，Momenta 合作的客户已经覆盖德系 BBA、大众，日系丰田、本田、日产，美系通用、福特。他表示：" 不光是今年，去年我们就已经是全球品牌的共同选择了。"

物理 AI 需要 " 门票 "

当被问及 " 物理 AI 被英伟达黄仁勋带火后，很多公司都说自己是物理 AI 公司，Momenta 在全球范围内处于什么位置？" 曹旭东的回答，从数字 AI 和物理 AI 的对比切入。

按照曹旭东的说法，数字 AI 在过去几年突飞猛进，很重要的原因是数据能快速、规模地获得。OpenAI 很早就同时做了机器人和数字 AI，但后来阶段性地放弃了机器人，选择做 GPT ——因为互联网数据已经是海量的，而机器数据的获取太难了。

" 但是，我们所在的世界，既有数字的部分，又有物理的部分。物理的部分可能是更大的一部分。" 曹旭东说。在他看来，当数字世界取得巨大进展后，经验和方法必然要进入物理世界，并在物理世界中做创新，" 这就是为什么我觉得现在是物理 AI 的序章刚开始。"

曹旭东对物理 AI 有一个核心判断：最关键的，是数据闭环和商业闭环，而且两者是互动的。

曹旭东观察到一个现象，即任何一个人工智能的应用，一旦接近人类水平，就会在很短时间大幅超越人类。"AlphaGo 也好，人脸识别也好，接近人可能花了十年、二十年，但超越人、大幅超越人，可能就发生在一两年、两三年。" 他说。

这背后的逻辑是什么？曹旭东的答案是，先有数据闭环，才有足够好的体验。体验一旦达到或超过人类水平，就能实现爆发式商业化。商业化带来数据爆发式增长，数据增长又带来模型能力爆发式增长。最终互相促进、互相激发，形成强烈的正反馈。

" 自动驾驶进入到了这个阶段。机器人还需要一段时间。" 曹旭东说。

曹旭东同时认为，物理 AI 是需要 " 门票 " 的。" 自动驾驶要实现规模化 L4，累计投入至少是百亿美金。通用机器人呢？可能几百亿美金到千亿美金级别，这还可能是创业公司的研发效率。" 他说。

曹旭东的判断是，长期来看，靠融资做成通用物理 AI 是不现实的，一定要有现金流业务。这个现金流业务，可以是自动驾驶，也可以是其他方向。无论如何，一定要有一个现金流业务来支持物理 AI 的研发。

Momenta 选择的路径，是通过量产乘用车的规模商业化，支撑 L4 的研发。

但 Momenta 的 L4 不止 Robotaxi。曹旭东透露，Momenta 既做 Robotaxi，也做 Robovan 物流，明年还会做 Robotruck。逻辑回到一个核心理念：一个自动驾驶大模型，能够实现所有的垂直应用，并且做得更好。

" 这件事我们已经在 Robotaxi、Robovan 和乘用车上成功验证了。这带来的价值是，每个垂直场景的研发成本大幅降低，而每个场景的经验和数据又汇总到大模型里，让每个垂直领域做得更好。这是平台优势。" 曹旭东说。

曹旭东这个逻辑还类比了十多年前的互联网行业——垂直电商和平台电商并存，但最终胜出的是平台。他判断在自动驾驶大模型领域，也存在很强的平台效应。

" 东方硅谷 " 野心

发布会尾声，曹旭东讲了一段个人经历。十年前，他在硅谷看到一条以仙童半导体命名的街道 Fairchild Drive。正是这家公司，孕育了全球半导体产业的起点，最终铸就了硅谷的传奇。

" 那一刻，我心中的那团热火被点燃了。今天，我们希望携手所有中国 AI 公司，共同书写属于东方的硅谷传奇。" 曹旭东说。

谈到全球竞争，曹旭东提到一个观点：中国技术和产品进入海外市场，给当地用户带来领先价值的同时，也会带来一些对当地企业和就业的冲击。

" 比较好的解决方案，是借鉴中国之前的模式，做反向合资。让当地享受中国技术的好体验，同时中国技术赋能当地企业，带来更多发展和就业。这是一个共赢的模式。" 曹旭东说。

至于具体算法的中外竞争，曹旭东认为，在中国环境下，知识流动和人才流动速度很快，单点算法并不存在特别大的壁垒。真正的差距，在更深处，也就是体系和组织的差距。

" 架构能力比单点算法能力更重要。因为架构涉及取舍，好的架构能实现更好的积累和合力。而架构之上，是包含数据迭代、训练、验证的体系。体系之上，则是组织和文化。" 曹旭东说。