不造車的特斯拉上市，首日開盤漲超6%！

成立十年，物理AI第一股今天上市了。

7月8日，Momenta正式登陸港交所，開盤股價漲超6%，總市值突破700億港元，市場反響強烈。

早在招股階段，它就已展現出超強的市場號召力，14家頂級基石投資者集體入局，這樣的豪華陣容，在近年來港股IPO中十分罕見。

與其他智駕公司不同，Momenta給自己定位不是自動駕駛，而是“物理AI”。

資本市場用真金白銀回應了對這個定位的期待。

世界模型成AI主線

巨頭紛紛押注物理AI

過去幾年里，AI的爆發集中在數字世界，但近一年，AI行業的發展重心正加速從大語言模型向世界模型偏轉。

數字AI的競爭已進入存量博弈階段，技術邊際收益逐步收窄，而以世界模型為核心底座的物理AI，成為科技巨頭與資本市場共同瞄準的下一條主線。

2025年，英偉達CEO黃仁勛，首次公開提出“物理AI”的概念，定義它是能理解現實物理世界、并和實體世界持續交互的AI。

他把AI的演進分為四個階段：感知AI、生成AI、代理AI和物理AI。

物理AI的核心在于“AI與物理世界的融合”，關鍵是讓AI系統理解并應用重力、摩擦等物理規律，能夠在真實世界中安全、可靠地行動。

黃仁勛的判斷是，物理AI將開啟下一輪萬億級基建與產業浪潮。

英偉達已從芯片到世界模型、仿真平臺，構建起完整的生態布局，將其視作自動駕駛與機器人領域的核心技術支點。

除此之外，特斯拉把FSD的核心迭代押注在世界模型上，通過真實駕駛數據構建對物理世界的通用認知；OpenAI也在持續投入機器人與具身智能領域，核心突破方向同樣指向能理解真實世界的世界模型。

巨頭們的一致行動，印證了行業的共同判斷：大語言模型定義了數字AI的上限，而世界模型將打開物理AI的增量空間。

正如Momenta CEO曹旭東所說：“數字AI已卷成紅海，物理AI才剛開場。”

數字AI率先爆發，得益于互聯網數據容易獲取、線上驗證成本低；而物理AI雖然數據獲取門檻更高、落地驗證周期更長，但對應的產業體量與長期價值空間遠超前者。

Momenta錨定物理AI定位，已經完成了數據Scaling和商業Scaling的閉環，一邊是百萬級量產車持續輸送真實物理交互數據，一邊是規模化營收反哺技術迭代，這種正向飛輪正是資本最看重的核心壁壘。

R7世界模型

點燃物理AI的“ChatGPT時刻”

如果說ChatGPT的橫空出世標志著數字AI的“GPT時刻”，那么物理AI的“GPT時刻”正在由世界模型開啟。

Momenta之所以能撐起物理AI第一股的估值，核心底氣就在于其R7世界模型。它是目前行業內少數真正實現量產落地、并作為端到端基座模型使用的世界模型。

數字AI時代，大語言模型通過互聯網海量文本學習語言規律和人類常識。物理AI時代，世界模型需要學習的是另一種規律：物理世界的規律。

而物理AI落地的最大痛點，就在于長尾數據的獲取。極端罕見的車況、突發的意外情況，恰恰是決定自動駕駛安全和可靠性的核心瓶頸。

在行業傳統路徑里，企業要么靠測試車隊上路采集，效率低、場景有限；要么依賴渲染生成的合成數據做訓練，但合成數據與真實場景之間仍然存在偏差。

R7世界模型依托于海量真實數據，通過三層架構，完成了AI對物理世界，從認知到推演再到進化的完整閉環。

第一層是世界模型預訓練，目標是讓AI真正懂物理。

Momenta憑借100萬輛量產車、累計超過120億公里的實車里程，從中提煉出1億段高質量的黃金數據，將真實場景中的物理常識、運動規律、因果關系壓縮進基座模型。

不同于傳統智駕模型針對特定場景做規則編寫，經過預訓練的世界模型，能夠形成對物理世界的基礎認知，就像人類天生理解慣性、距離和速度一樣，AI開始具備通用的物理直覺。

第二層是世界模型仿真，為AI打造一個超高效率的練兵場。

基于生成式AI能力，世界模型可以自主推演環境變化，模擬車輛行為改變后真實世界的反饋，對極端罕見的長尾場景做海量驗證。

這種仿真的效率比傳統實車路測提升上萬倍，更關鍵的是，Momenta的仿真并非憑空渲染生成，而是基于真實數據學習而來，并且可以通過實車數據持續對齊校準，大幅縮小了仿真與真實世界之間的差距，可靠性遠高于傳統渲染式仿真。

第三層是在世界模型中做強化學習，相當于給AI配備了真實世界的教練。

通過獎懲機制，大模型可以在仿真環境中反復探索試錯，不斷優化決策邏輯，最終輸出更安全、更順滑的類人駕駛表現。

而量產車端的海量用戶反饋閉環，又能持續把真實場景的優化方向帶回模型訓練，形成“仿真訓練——實車驗證——數據回流——再迭代”的正向循環。

用一套模型

打開萬億級想象空間

掌握底層物理規律的世界模型，最大的價值在于它極強的泛化能力。

Momenta計劃用同一套世界模型基座，支撐起多場景的物理AI應用，徹底打破了過往各場景孤立開發的行業模式。

不僅同時賦能乘用車、Robovan、Robotaxi三大業務，未來還將快速拓展至Robotruck，甚至延伸到具身智能領域。

對世界模型而言，乘用車的城市道路、無人車的園區場景、貨運卡車的高速工況，本質上都是物理規律的不同呈現。

只要理解慣性、碰撞、運動因果這些通用底層邏輯，就能以極低的成本快速適配新場景。

核心底層技術的跨場景復用，極大地攤薄了多業務線的研發成本，并且場景越多、數據越豐富，模型迭代速度就越快，邊際成本也會持續降低。

與此同時，這套多場景策略，面對的市場空間更為廣闊。

據行業測算，到2030年，全球Robotaxi市場規模將達到818億美元，中國市場占比近半；Robovan全球市場規模將達850億美元，中國滲透率將高達14%；Robotruck全球市場也將突破330億美元。

再加上快速滲透的乘用車城市NOA市場，Momenta的技術底座對應的是一個持續高速增長的藍海。

智駕終局已現

Momenta鎖定頭部席位

物理AI的商業化率先從自動駕駛落地，而自動駕駛行業的終局格局，已經越來越清晰。

根據CIC灼識咨詢發布的數據，2025年3月至2026年2月，在中國第三方城市NOA供應商市場中，Momenta銷量市占率高達65%，穩居行業第一。

其客戶已覆蓋國內全部主流乘用車企業，全球排名前10的車企中，有9家是合作客戶。

市占率的絕對領先，只是規模效應的初步體現。

曹旭東曾提出一個核心判斷：自動駕駛擁有比芯片行業更強的規模效應與先發優勢。

因為軟件的邊際成本為零，規模不僅會帶來成本下降，還會帶來體驗上的指數級提升。

數據越多，模型越好；模型越好，客戶越多；客戶越多，數據越多，最終形成強者恒強的馬太效應。

這種規模效應已經在Momenta身上得到驗證。

它在2017年就拿到奔馳的投資，到2025年底才正式量產落地，用了整整8年，但Momenta在2024年拿下了奔馳所有電車與油車的智駕業務，一旦突破，速度就會加快。

同樣，Momenta交付首個10萬臺量產車花了2年時間，而如今完成同等規模的交付僅需不到40天。

工程效率的飛速提升，正是規模化帶來的直接紅利。

按照曹旭東的終局預判，智駕行業最終只會剩下少數玩家，中國市場2-3家，全球市場3-4家供應商能夠勝出。

行業窗口正在關閉，而Momenta已經在牌桌上搶先占據一席。

Momenta正在講述的，不是一個自動駕駛供應商的故事，而是一個萬億級規模的物理AI平臺的故事。

它已經站在了風口的最前沿。