上会前夜爆股权“罗生门” ，越疆突遭前COO“狙击” ，举报人宋涛回应
作者 | 赵芷姗编辑 | 周伟鹏建立十年 ，物理 AI 第一股今天上市了。7 月 8 日 ，Momenta 正式登岸港交所 ，开盘股价涨超 6% ，总市值突破 700 亿港元 ，市场回声强烈。早在招股阶段 ，它就已展现出超强的市场招呼力 ，14 家顶级基石投资者集体入局 ，这样的豪华阵容 ，在近年来港股 IPO 中十分稀有。与其他智驾公司差别 ，Momenta 给自己定位不是自动驾驶 ，而是 " 物理 AI"。资本市场用真金白银回应了对这个定位的期待。世界模型成 AI 主线巨头纷纷押注物理 AI已往几年里 ，AI 的爆发集中在数字世界 ，但近一年 ，AI 行业的生长重心正加速从大语言模型向世界模型偏转。数字 AI 的竞争已进入存量博弈阶段 ，技术边际收益逐步收窄 ，而以世界模型为焦点底座的物理 AI ，成为科技巨头与资本市场配合瞄准的下一条主线。2025 年 ，英伟达 CEO 黄仁勋 ，首次果真提出 " 物理 AI" 的看法 ，界说它是能理解现实物理世界、并和实体世界连续交互的 AI。他把 AI 的演进分为四个阶段：感知 AI、生成 AI、署理 AI 和物理 AI。物理 AI 的焦点在于 "AI 与物理世界的融合 " ，要害是让 AI 系统理解并应用重力、摩擦等物理纪律 ，能够在真实世界中宁静、可靠地行动� ；迫恃呐卸鲜� ，物理 AI 将开启下一轮万亿级基建与工业浪潮。英伟达已从芯片到世界模型、仿真平台 ，构建起完整的生态结构 ，将其视作自动驾驶与机械人领域的焦点技术支点。除此之外 ，特斯拉把 FSD 的焦点迭代押注在世界模型上 ，通过真实驾驶数据构建对物理世界的通用认知 ；OpenAI 也在连续投入机械人与具身智能领域 ，焦点突破偏向同样指向能理解真实世界的世界模型。巨头们的一致行动 ，印证了行业的配合判断：大语言模型界说了数字 AI 的上限 ，而世界模型将翻开物理 AI 的增量空间。正如 Momenta CEO 曹旭东所说：" 数字 AI 已卷成红海 ，物理 AI 才刚开场。" ?数字 AI 率先爆发 ，得益于互联网数据容易获取、线上验证本钱低 ；而物理 AI 虽然数据获取门槛更高、落地验证周期更长 ，但对应的工业体量与恒久价值空间远超前者。Momenta 锚定物理 AI 定位 ，已经完成了数据 Scaling 和商业 Scaling 的闭环 ，一边是百万级量产车连续输送真实物理交互数据 ，一边是规� ；辗床讣际醯� ，这种正向飞轮正是资本最看重的焦点壁垒。R7 世界模型点燃物理 AI 的 "ChatGPT 时刻 "如果说 ChatGPT 的横空出生标记着数字 AI 的 "GPT 时刻 " ，那么物理 AI 的 "GPT 时刻 " 正在由世界模型开启。Momenta 之所以能撑起物理 AI 第一股的估值 ，焦点底气就在于其 R7 世界模型。它是目前行业内少数真正实现量产落地、并作为端到端基座模型使用的世界模型。数字 AI 时代 ，大语言模型通过互联网海量文本学习语言纪律和人类知识。物理 AI 时代 ，世界模型需要学习的是另一种纪律：物理世界的纪律。而物理 AI 落地的最大痛点 ，就在于长尾数据的获取。极端稀有的车况、突发的意外情况 ，恰恰是决定自动驾驶宁静和可靠性的焦点瓶颈。在行业古板路径里 ，企业要么靠测试车队上路收罗 ，效率低、场景有限 ；要么依赖渲染生成的合成数据做训练 ，但合成数据与真实场景之间仍然保存偏差。R7 世界模型依托于海量真实数据 ，通过三层架构 ，完成了 AI 对物理世界 ，从认知到推演再到进化的完整闭环。第一层是世界模型预训练 ，目标是让 AI 真正懂物理。Momenta 凭借 100 万辆量产车、累计凌驾 120 亿公里的实车里程 ，从中提炼出 1 亿段高质量的黄金数据 ，将真实场景中的物理知识、运动纪律、因果关系压缩进基座模型。差别于古板智驾模型针对特定场景做规则编写 ，经过预训练的世界模型 ，能够形成对物理世界的基础认知 ，就像人类天生理解惯性、距离和速度一样 ，AI 开始具备通用的物理直觉。第二层是世界模型仿真 ，为 AI 打造一个超高效率的练兵场� ；谏墒� AI 能力 ，世界模型可以自主推演情况变革 ，模拟车辆行为改变后真实世界的反响 ，对极端稀有的长尾场景做海量验证。这种仿真的效率比古板实车路测提升上万倍 ，更要害的是 ，Momenta 的仿真并非凭空渲染生成 ，而是基于真实数据学习而来 ，并且可以通过实车数据连续对齐校准 ，大幅缩小了仿真与真实世界之间的差别 ，可靠性远高于古板渲染式仿真。第三层是在世界模型中做强化学习 ，相当于给 AI 配备了真实世界的教练。通过奖惩机制 ，大模型可以在仿真情况中重复探索试错 ，不绝优化决策逻辑 ，最终输出更宁静、更顺滑的类人驾驶体现。而量产车端的海量用户反响闭环 ，又能连续把真实场景的优化偏向带回模型训练 ，形成 " 仿真训练——实车验证——数据回流——再迭代 " 的正向循环。用一套模型翻开万亿级想象空间掌握底层物理纪律的世界模型 ，最大的价值在于它极强的泛化能力。Momenta 计划用同一套世界模型基座 ，支撑起多场景的物理 AI 应用 ，彻底突破了过往各场景伶仃开发的行业模式。不但同时赋能乘用车、Robovan、Robotaxi 三大业务 ，未来还将快速拓展至 Robotruck ，甚至延伸到具身智能领域。对世界模型而言 ，乘用车的都会门路、无人车的园区场景、货运卡车的高速工况 ，实质上都是物理纪律的差别泛起。只要理解惯性、碰撞、运动因果这些通用底层逻辑 ，就能以极低的本钱快速适配新场景。焦点底层技术的跨场景复用 ，极大地摊薄了多业务线的研发本钱 ，并且场景越多、数据越富厚 ，模型迭代速度就越快 ，边际本钱也会连续降低。与此同时 ，这套多场景战略 ，面对的市场空间更为辽阔。据行业测算 ，到 2030 年 ，全球 Robotaxi 市场规模将抵达 818 亿美元 ，中国市场占比近半 ；Robovan 全球市场规模将达 850 亿美元 ，中国渗透率将高达 14% ；Robotruck 全球市场也将突破 330 亿美元。再加上快速渗透的乘用车都会 NOA 市场 ，Momenta 的技术底座对应的是一个连续高速增长的蓝海。智驾终局已现Momenta 锁定头部席位物理 AI 的商业化率先从自动驾驶落地 ，而自动驾驶行业的终局花样 ，已经越来越清晰。凭据 CIC 灼识咨询宣布的数据 ，2025 年 3 月至 2026 年 2 月 ，在中国第三方都会 NOA 供应商市场中 ，Momenta 销量市占率高达 65% ，稳居行业第一。其客户已笼罩海内全部主流乘用车企业 ，全球排名前 10 的车企中 ，有 9 家是相助客户。市占率的绝对领先 ，只是规模效应的开端体现。曹旭东曾提出一个焦点判断：自动驾驶拥有比芯片行业更强的规模效应与先发优势。因为软件的边际本钱为零 ，规模不但会带来本钱下降 ，还会带来体验上的指数级提升。数据越多 ，模型越好 ；模型越好 ，客户越多 ；客户越多 ，数据越多 ，最终形成强者恒强的马太效应。这种规模效应已经在 Momenta 身上获得验证。它在 2017 年就拿到疾驰的投资 ，到 2025 年底才正式量产落地 ，用了整整 8 年 ，但 Momenta 在 2024 年拿下了疾驰所有电车与油车的智驾业务 ，一旦突破 ，速度就会加速。同样 ，Momenta 交付首个 10 万台量产车花了 2 年时间 ，而如今完成同等规模的交付仅需不到 40 天。工程效率的飞速提升 ，正是规� ；吹闹苯雍炖Ｆ揪莶苄穸闹站衷づ� ，智驾行业最终只会剩下少数玩家 ，中国市场 2-3 家 ，全球市场 3-4 家供应商能够胜出。行业窗口正在关闭 ，而 Momenta 已经在牌桌上抢先占据一席。Momenta 正在讲述的 ，不是一个自动驾驶供应商的故事 ，而是一个万亿级规模的物理 AI 平台的故事。它已经站在了风口的最前沿。?END ?Question. Write.Narrate. Believe. Become a story. 易简传媒的愿景是提问和流传商业故事 ，让读者更开阔 ，更智慧。有 2500 万微信粉丝关注我们的账号 ，接待各人关注：