Momenta登陸港股：世界模型上車，物理AI走到臺前

【摘要】從特斯拉Robotaxi遲到，到Waymo打磨運營，再到機器人公司追逐“會做事”的AI，產業愈發意識到：物理AI的難點，在于與真實世界的交手。

Momenta的上市，正踩在這個轉折點上。它不是傳統智駕供應商，而是已有量產車數據、R7世界模型、多車企場景和L4驗證的物理AI公司。414倍公開認購、全球長線資金加注，買的是“世界模型+真實數據+量產入口”這套體系的長期期權。

當AI從“會說話”走向“會做事”，結合近二十家Momenta的生態伙伴的祝賀聲中，正印證著這一趨勢的加速落地。 汽車，成了物理AI可以更加直觀感知并跑出閉環的場景。Momenta要講的故事，也不只是自動駕駛，而是機器理解真實世界的下一代基礎設施。

以下為正文：

2019年，特斯拉辦了一場Autonomy Day。馬斯克站在臺上講，未來會有上百萬輛Robotaxi跑在路上。那是自動駕駛行業最會造夢的年代：只要算法再強一點、數據再多一點、車再便宜一點，司機似乎就會很快從城市交通里退場。

六年后，故事沒有按發布會的節奏發生。

2025年，特斯拉Robotaxi終于在奧斯汀小范圍啟動，但它帶著地理圍欄、邀請制用戶以及坐在副駕的安全監控員。另一邊，Waymo已經把無人車做成真實運營，付費出行累計超過千萬次，但每擴一座城，依然要重新打磨道路、監管、運營和公眾信任。

另一邊的機器人行業，Google DeepMind推出Gemini Robotics，Physical Intelligence用π0模型讓機器人做折衣服、收桌面、裝雞蛋這類動作，英偉達把Cosmos世界基礎模型平臺推向機器人和自動駕駛。

熱鬧是熱鬧，但行業突然意識到一件事：AI從“程序載體”到“物理實體”，從“會說話”到“會做事”，中間隔著整個物理世界。數字AI可以先在屏幕里試錯，物理AI不能。它必須預測世界的短期變化可能，以及還要理解自己的動作會怎樣改變世界。

所以，當Momenta于2026年7月8日終于站上港股市場，被稱作“物理AI第一股”時，一個更令人驚喜的產業轉折出現了：物理AI終于有了可以更加直觀感知并跑出閉環的場景。

這個場景不是還在發展階段的具身機器人，也不是游戲影視等內容領域，而是每天在城市路口、匝道、地庫、雨夜里和真實世界交手的汽車。

此前的7月7日，Momenta最新配售結果顯示：公司上市定價為295.6港元/股，假設“綠鞋”（超額配股權）全額行使，此次全球發售約2,293萬股，募集資金總額約68億港元。市場認購反響熱烈，其中公開發售部分獲得414倍超額認購；國際發售部分獲得超過1,000億港元的機構訂單，其中覆蓋了來自15個國家和地區的主權與長線基金，總計認購超額（剔除基石后，綠鞋前）達到約44倍。

讓機器理解物理世界、在真實場景里持續學習、再把能力遷移到更多機器上，是物理AI時代最需要的系統，也是Momenta最熟悉的打法。

01

AI下半場，考場成了道路

過去兩年，科技圈有一個很明顯的情緒變化：數字AI已經不夠新鮮了。

ChatGPT證明了語言可以被大模型重新組織，Claude把代碼變成高價值生產力， AI接進了客服、辦公、營銷和搜索，但在Agent之外，如果AI不只是在屏幕上回答問題，而是要推門、開車、搬箱子、避讓行人，它該怎么學？

這就是物理AI的起點。

它首先要解決的是“行動智能”：機器如何在真實世界里感知、預測、決策和承擔后果。數字AI的錯誤通常是答案不好，但是試錯空間更多；物理AI的錯誤，可能是一輛車急剎、一只機械臂砸壞設備，甚至一次事故，容易牽一發而動全身。

其次，一個嚴肅的問題是數據從哪里來。機器人想學會收拾一張餐桌，需要無數次抓取、失敗、修正；自動駕駛想學會通過一個混亂路口，需要見過足夠多加塞和人類駕駛博弈。更麻煩的是，物理AI不只要“學”，還要驗證。

具身機器人的形態目前尚未確定，而汽車的物理形態已經基本固定，這使得自動駕駛在工程落地與數據積累上具備了天然的前提。這也是物理AI率先在智駕場景先跑出來的基礎。

此外，自動駕駛擁有更為完整的感知層架構，計算機視覺、激光雷達、各類傳感器乃至語言交互等感知方式，結合每天在真實的道路上持續運行，共同構成了一個龐大的傳感器輸入矩陣。

車本身就是高價值載體，用戶愿意為更好的駕駛體驗付費，車企也有明確的量產節奏。更關鍵的是，車每天都在真實道路上運行，它天然就是一臺持續采集物理世界的傳感器。只要合規、工程和安全閉環跑得通，自動駕駛就能同時得到兩樣東西：數據Scaling和商業Scaling。

中國市場把這個優勢推得更快。從比亞迪把“天神之眼”下放到更多車型后，智能駕駛就愈發成為用戶的期待，智駕變成基礎能力，背后其實是物理AI走向規模化的第一聲響。

也正是在這個節點上，人們開始愈發意識到Momenta商業模式的價值。它長期堅持“一個飛輪，兩條腿”：一邊是量產輔助駕駛，負責帶來真實道路數據和商業收入；另一邊是規模化無人駕駛，負責把系統推向更高階能力。

這與物理AI的路線形成了天然的耦合：先在可量產、可付費、可驗證的場景里養出模型，再把模型能力推向更廣的機器世界。

02

世界模型上車，機器才開始有“路感”

數字AI的基座能力是理解語言，物理AI的基座能力則是理解世界會怎樣變化。

老司機開車時，很少機械地套規則。真正的駕駛能力，不只是看見當下，而是預判下一秒。

機器也一樣。過去自動駕駛行業花了很長時間做“看見”，現如今看見還不夠，城市道路最難的是關系變化：誰會先走，誰在猶豫，誰可能突然搶行。物理AI的難點，正是在這些動態關系里。

世界模型在如此浪潮下成為新一輪技術競賽的中心。它的價值不只是造一個更逼真的虛擬城市，而是讓AI擁有對物理世界的預測能力。

英偉達做Cosmos，Google做Gemini Robotics，Physical Intelligence做π0，本質上都在回答同一個問題：機器怎樣獲得世界常識。

Momenta R7世界模型也成為了中國最有數據依托、最懂真實世界構建的標本。

Momenta的商業模式，天然給了世界模型優質的生長土壤，先通過世界模型預訓練，把真實駕駛視頻和物理常識壓縮進模型；再用世界模型仿真，推演那些真實路測很難高頻遇到、但一旦發生就很危險的長尾場景；最后在世界模型里做強化學習，讓系統通過獎懲機制反復試錯，學出更安全、更平順、更像人的駕駛策略。

更現實的意義在于效率。真實道路測試永遠昂貴，危險場景又天然低頻。在Momenta已有優質數據資源的基礎上，世界模型如果能把真實世界學進去，再在仿真里生成、放大、復盤長尾場景，物理AI的迭代速度就會被重新改寫。

數據化和AI化的時代，身位領先的復利作用十分強大。這也是Momenta在具身智能公司的熱潮中，拿下眾多資本看好的原因。

物理AI要的是“真實交互數據+模型訓練+仿真驗證+商業回流”的閉環，而自動駕駛天然具備這個閉環的雛形。Momenta加上R7世界模型，跑在量產車和無人駕駛兩條線上，能夠為更通用的物理AI積累底層能力。

03

成為基座的Momenta

Momenta不是傳統的供應商。

過去的汽車產業鏈，車企造車，Tier 1供零部件，軟件是硬件的附屬能力。智能駕駛之后，分工變了，最貴的能力不只在硬件里，也涉及到數據、模型、仿真和持續迭代里。

車企當然想自研，但由于成本和組織復雜度都很高，并不是每家車企都能長期養一套物理AI基礎設施。

Momenta卡住的，正是這個新位置。它不造車，沒有特斯拉那樣的單一品牌入口；但也正因為不造車，它能服務不同車企、不同車型、不同價格帶，接觸更豐富的數據分布。

對物理AI來說，單一車隊的數據像一條河，多品牌、多場景的數據更像一張水網。泛化能力，則長在這種復雜分布里。

這種稀缺性，也體現在最新配售結果里。據配售信息，Momenta本次錨定認購覆蓋GIC、Fidelity、BlackRock、Franklin Templeton、CIC、ADIA、CPPIB、Temasek、T. Rowe Price、GSAM、UBS GAM、Amundi等主權基金、養老金與全球長線資管機構。僅長線資金認購金額就超過15倍。

對一家仍處在高研發投入階段的物理AI公司來說，這種認購結構比單純超購倍數更值得玩味：它說明市場買的不是短期熱度，而是“世界模型+量產數據+多車企場景”這套體系的長期期權。

時至今日，資本市場已經度過了定點訂單時代，開始買入平臺型公司的價值。

從這個角度看，Momenta是不造車的特斯拉，兩者都相信真實車輛數據、世界模型會把駕駛智能推向更高階。不同的是，特斯拉的飛輪在自己品牌內部轉，Momenta的飛輪試圖在多個車企之間轉。

另一邊，它也是物理世界的Anthropic，Anthropic在大家靠“會聊天”獲得高估值的時代，憑借Claude在代碼等高價值場景里跑出了商業閉環。Momenta的價值是，率先完成了定點項目的高強度迭代，然后在行業追定點時，堅定地把量產車帶來的數據、R7世界模型帶來的能力、L4場景帶來的驗證，沉淀成可復制的基座能力。

同時，它也是某種意義上的“小英偉達”。英偉達在物理AI里提供算力、仿真和模型工具鏈；Momenta則試圖在自動駕駛這個具體場景中，提供從模型到量產、從仿真到真實道路、從L2++到L4的系統能力。

物理AI的基座平臺，意味著讓同一套底層技術跨乘用車、Robotaxi、Robovan、Robotruck，未來甚至延展到具身智能。

當然，這條路并不輕松。智駕價格戰會壓縮利潤，車企自研會擠壓話語權，監管會繼續收緊輔助駕駛宣傳，全球化還會遇到合規、本地道路的挑戰。

Momenta之所以能拿到資本加注，也在于它已經拿出的成績，和已經把模型能力變成的可量產、可付費、可遷移的產業系統。

04

尾聲

很多人期待物理AI也有一個類似ChatGPT的瞬間：某天，一個機器人突然走進家庭，一個Robotaxi App突然鋪滿城市，世界就此改變。

但物理AI大概率不會這樣爆發。

它更可能發生在一連串不那么戲劇化的日常里：一次OTA讓城市NOA變得更自然，一個仿真系統提前復盤了真實道路里難以復現的危險場景。物理AI的進步，是機器一次次和真實世界交手之后，終于學會了分寸。

這也是Momenta港股敲鐘帶來的價值。它趕上了一個AI從數字世界遷移到物理世界的窗口，并給了整個行業范本。

數字AI時代，誰掌握高質量語料和模型訓練，誰就能重塑軟件產業；物理AI時代，誰掌握真實交互數據、世界模型和量產入口，誰就可能成為機器世界的基礎設施。