物理AI第一股敲鐘：Momenta憑什么成為全球長線基金的共同選擇？

原創｜袁洲 編輯｜X

這是物理AI領域目前唯一同時跑通"數據規模化"和"商業規模化"的公司。

7 月 8 日，Momenta（06880.HK）正式在港交所掛牌，成為港股"物理AI第一股"。發行價295.6港元，募資58.9億港元，公開發售獲413.6倍超額認購，國際發售攬獲超1000億港元訂單。

昨日暗盤交易中，股價最高觸及325.4港元（+10%），最終收報294.6港元，微跌0.34%，成交額1.72億港元。

今日早盤高開5.55%，總市值突破700億港元。富達重倉領投，貝萊德、橡樹、鄧普頓歷史首秀跟進——全球頂級長線基金的集體重倉，讓Momenta成為港股物理AI領域的"資本錨點"。

Momenta的客戶已覆蓋國內全部主流乘用車企業，且全球排名前10大車企中已有9家與其開展合作，Momenta成為“全球品牌的共同選擇”。據CIC灼識咨詢統計，2025年3月至2026年2月，中國第三方城市NOA供應商市場中，Momenta銷量市占率達65%，行業居首。

01

世界模型：物理AI的"GPT時刻"

數字AI理解語言。物理AI理解重力、摩擦、碰撞。

Momenta R7是這套邏輯的產物。它的訓練分三層。

第一層，世界模型預訓練。把100萬輛量產車采集的真實駕駛數據灌進去，讓模型建立對物理世界的基礎認知——重力、慣性、運動因果，這些人類憑直覺就能懂的物理常識，被壓縮進模型參數。

第二層，世界模型仿真。在云端構建一個高度還原真實世界的虛擬練兵場，針對那些真實道路上跑幾十萬公里也未必遇上的稀缺場景做閉環仿真。相比傳統實車路測，效率提升上萬倍。而且Momenta用的是真實數據學習生成的世界，通過實車和仿真的一致性來做對齊校準，減少sim-to-real之間的gap——這比純渲染生成的仿真方式可靠得多。

第三層，在世界模型中進行強化學習。讓R7在這個虛擬世界里反復試錯，通過獎懲機制學會什么是"好"的駕駛行為。壓線扣分，碰撞重罰，急剎減分。

容易被忽略的是，業內大多數公司把世界模型當仿真工具用——生成訓練數據，測試主模型性能，相當于考前模擬卷。Momenta是把世界模型直接嵌進了端到端基座模型的預訓練，相當于重塑了學生的大腦認知結構。

正是這種底層差異，讓世界模型成了"放大器"——系統性能和上限實現了10到100倍的代際躍升。

02

數據飛輪，和它背后的100萬輛車

海量的數據從何而來？

答案藏在兩個十年前就做好的判斷里。

第一條判斷：自動駕駛的長尾問題，只能靠數據驅動解決，不能靠規則驅動。饒慶博士曾在十周年媒體交流 會上 舉過自己的例子——深夜從蕪湖開回上海，高 速上突然竄出一條狗，觸發AEB緊急制動。這種場景你寫多少條規則都覆蓋不了。

第二條判斷：要積累足夠多的數據，必須用量產車。Momenta早期有600輛自采車隊，靠這點車去攢1000億公里——達到10倍人類安全性所需的里程量級——"時間會非常長，成本會非常大"。

兩個判斷催生了Momenta的"一個飛輪、兩條腿"戰略。

飛輪的核心邏輯：量產車在路上跑，遇到罕見場景自動觸發數據回傳；海量數據反哺算法迭代；算法越強，越能拿到更多車企訂單；訂單越多，路上跑的裝載Momenta方案的車就越多。

兩條腿——左腿量產輔助駕駛，正從L2++走向L3、L4；右腿可規模化的無人駕駛（Robotaxi、RoboVan、RoboTruck）——跑在同一套算法架構上。

數據證明了飛輪在加速轉動。搭載Momenta方案的車輛剛剛突破100萬輛。從2022年第一款量產車上路到第10萬輛，花了兩年。從90萬輛到100萬輛，不到40天。

基于120億公里實車里程，Momenta提煉出超過1億段對模型訓練最有價值的"黃金數據"——那些極其罕見的長尾場景片段。

這是物理AI領域目前唯一同時跑通"數據規模化"和"商業規模化"的公司。兩者正反饋，越滾越快。

03

All-in-One：一個模型，四個戰場

世界模型還有一個好處：它天然能泛化。

因為理解的是通用物理規律——慣性、運動因果——它不需要為每個場景單獨開發一套系統。"物理AI的基座既可以應用到自動駕駛，也可以應用到RoboVan、Robotaxi、 Robotruck ，甚至具身智能，"饒慶說。

這套"All-in-One Platform"架構，讓Momenta能用同一套底層系統同時賦能乘用車和三大Robo業務。市場空間足夠大，據預測，到2030年，全球Robotaxi市場規模約818億美元（中國381億），Robovan約850億美元（中國535億），Robotruck約330億美元（中國165億）。

更關鍵的是邊際成本——跨場景復用讓研發成本被大幅攤銷，系統迭代效率指數級提升。

這套極簡架構徹底終結了過往各場景孤立開發的模式。

04

不造車的特斯拉，物理AI的Anthropic

Momenta的發展路徑，在行業里有兩個有趣的參照系。

對標特斯拉，技術路徑出奇相似。兩者都在行業率先采用無圖模式和強化學習+端到端架構，都用"一套大模型覆蓋L2至L4"的策略驗證商業化可行性。

特斯拉靠百萬輛量產車積累場景數據，通過世界模型迭代FSD；Momenta堅持"一個飛輪兩條腿"，基于統一算法架構打通L2++數據流和L4技術流。區別在于，特斯拉自己造車，Momenta選擇和全球車企站在一起。

對標Anthropic，商業模式有更深的共通之處。Anthropic憑借Claude基座模型在coding領域實現落地閉環，代碼場景沉淀的推理優勢正快速復制到金融、法律、醫療等垂直領域。

Momenta同樣擁有具備物理AI能力的R7基座模型和完善的數據閉環，L2++量產合作已創造超100萬臺搭載量、65%第三方城市NOA市占率，率先跑通了物理AI的"商業+數據"雙閉環，正將技術優勢拓展至Robotaxi、Robovan、Robotruck等領域。

終局視角下，Momenta不只是一個智駕供應商，更像物理AI時代的"Android"——一個平臺級的系統提供者。

"一套模型、多維共生"將攤薄研發成本，隨業務邊界拓展，指數級放大先發優勢。

Momenta CEO 曹旭東的判斷是："自動駕駛有非常強的規模效應和先發優勢，效應會比芯片行業更強。最終中國2到3家，全球3到4家供應商會勝出。"

05

業務結構的質變

支撐近700億港元估值的，不止是敘事。

2023年到2025年，Momenta營收從7.43億元增長到24.13億元，復合增速超過80%。毛利率從17.5%飆升至71.6%，三年躍升54個百分點——這在智駕行業極為罕見。

比增速更搶眼的，是業務結構。許可費收入從2300萬元飆到9.68億元，漲了42倍，占總收入比重從3%沖到40%。技術開發服務是定制化的一次性收入，而許可費是每輛車持續的軟件授權費——邊際成本接近于零。

賬面虧損仍在，三年累計超92億元，但虧損率在收窄。經調整口徑下2025年凈虧損約3億元，研發開支同比下降約1.1%。IPO募資的約58.9億港元中，60%繼續投向研發。

商業模式能否從"高投入換技術壁壘"過渡到"技術壁壘兌現商業利潤"，是上市后面臨的核心命題。按Momenta的節奏——每年性能10倍提升——2028年通過1000億公里數據，實現可規模化的L4。

06

新篇章

饒慶博士曾引用過一個有趣的比喻：海鞘。這種海洋生物幼年時有大腦，在海洋中漂流尋找巖石。一旦附著上去，大腦就退化，變成一株植物。

"智能的本質是對環境的交互和對未來的預測。海鞘一旦不再需要預測，就不再需要智能。"

Momenta的選擇是相反的方向——不斷逼近更高層次的預測能力。從規則驅動到模仿學習，從強化學習到世界模型，每一次跳躍都是對預測精度和泛化能力的重新定義。

十年前，這個行業幾乎每年都有人在喊"明年L4"。十年間，熱錢涌入、資本寒冬、技術瓶頸、公司倒閉，淘汰賽比預想的更殘酷。

港交所的鐘聲敲響時，Momenta已經走了十年。故事從這里翻開新的一章。