剛剛，物理世界的「Anthropic」交卷！

來源：iNews新知科技

iNews新知科技微信號：iNewskeji

　　關注新知，很潮很酷 

　　今年年初，黃仁勛宣佈物理AI將繼數字AI之后成為‌下一個萬億級增長浪潮‌。

　　半年后， Momenta在港交所掛牌上市，創始人曹旭東敏鋭地感受到物理AI浪潮正在重塑智能駕駛的演進路徑。

　　最近，Momenta（06880.HK）迎來了上市后首份半年財報。

　　財報顯示，上半年實現營收16.02億元，同比增長75.9%，剔除股份薪酬后毛利為12.1億元，同比增長75%，屬於行業高位。更具標誌性的是經調整淨虧損降至1409.7萬元，同比大幅收窄96.6%，經營活動現金流出同步收窄46.8%。

　　■ Momenta上半年營收創新高

　　在自動駕駛全行業「增長必伴隨燒錢」的慣性敍事下，這份「營收提速、虧損收窄」的反向剪刀差，打破了市場對智駕公司的刻板印象。

　　財報數字固然亮眼，但真正值得拆解的，是這組數據背后一套跑通了的「技術——商業」邏輯。

　　智能駕駛行業沉浮十余年，始終繞不開三個核心問題：L2量產與L4無人駕駛是各自為戰的兩個方向，還是一脈相承的一條路？規模化交付與持續盈利是否註定是二選一的悖論？智駕公司的終局是汽車Tier1，還是更廣闊的AI產業玩家？

　　Momenta這份財報的價值，正在於它用實打實的業務與財務結果，給出了自己的完整答案。

　　以「一個飛輪，兩條腿」為底層戰略，用世界模型基座平臺打通技術與商業的邊界，最終走向物理AI平臺級定位的演進路徑。

■ Momenta上市當日

　　這不是單季度的業績波動，而是行業級範式升級的一次預演。

　　「一個飛輪，兩條腿」，重新定義L2與L4的底層關係

　　智駕行業長期存在二元對立的誤區，那就是L2是賺錢的當下業務，L4 是燒錢的遠期故事。

　　兩者分屬兩套團隊、兩套技術棧，前者的利潤永遠填補后者的投入窟窿，始終無法形成正向閉環。

　　當行業處於下行周期，甚至出現大量公司主動收縮L4業務、全面轉向L2量產的趨勢，兩條路線的分歧愈發明顯。

　　Momenta從成立之初就跳出了非此即彼的框架。

　　財報電話會上，CEO曹旭東用「造火箭」與「登月」作比喻，清晰定義了兩者的底層關係。

　　大規模L4無人駕駛是終局的「登月」目標，L2量產不是平行的另一條賽道，而是建造火箭、打磨基礎能力的必經階段。

　　曹旭東説：「靠登珠峰永遠到不了月球，局部場景的快速推進，替代不了核心基礎能力的長期建設。」

　　這正是「一個飛輪，兩條腿」戰略的核心邏輯，L2量產與L4無人駕駛不是兩條獨立業務線，而是共享同一套算法、同一套模型、同一套數據閉環的統一體，轉動整個體系的軸心，是數據驅動的正向飛輪。

　　就在前不久，Momenta全球解決方案首席架構師饒慶在上市前的公開講話中表示，「真正的護城河從來不是某一個算法，而是持續獲取真實世界數據、自動篩選高價值數據、快速完成模型迭代的完整飛輪能力。」

　　截至2026年上半年，搭載Momenta方案的量產車已超110萬台，累計真實行駛里程突破150億公里，公司從中篩選出超過1億段高價值「黃金數據」，配合每日超1000萬公里的仿真訓練，形成「數據積累-算力投入-模型進化-業務落地」的四層正向循環。

　　對於Momenta來説，規則只能決定智能駕駛的能力下限，數據才決定能力上限。

　　實驗室可以驗證算法，卻無法窮盡開放道路上的長尾場景。每天運行的量產車輛不斷產生新數據、發現新問題，纔是模型持續進化的核心燃料。

　　這種統一的技術路線，讓Momenta避免了行業普遍的資源內耗。當同行還在為L2和L4分別搭建團隊、重複造輪子的時候，Momenta的量產業務既是收入來源，也是數據源頭和技術試驗場，而L4業務既是技術高地，也是能力延伸的新場景。

　　兩者同源共生，共同推動世界模型基座平臺的持續進化。

　　「世界模型」，破解智駕行業的規模化與盈利困局

　　如果説「一個飛輪，兩條腿」解決了技術路線的統一性問題，那麼世界模型基座平臺則真正把技術優勢轉化成了商業優勢，直擊行業規模化效率低、盈利模式模糊兩大長期痛點。

　　在傳統項目制交付模式下，智能駕駛方案的擴張是典型的線性增長。每一款車型都需要深度定製化開發，動輒投入400人研發兩年，交付周期長、邊際成本高。

　　這種模式下，收入增長永遠追不上成本投入的速度，全行業陷入「越擴張、越燒錢」的怪圈，這也是頭部智駕公司營收屢創新高，卻始終難以跨過盈虧平衡線的核心原因。

　　Momenta的破局之道，是用統一的世界模型基座平臺實現技術複用的規模效應，把線性的項目制交付，升級為非線性的平臺化複用。

　　通過主線複用、工具化和自動化開發體系，公司將單車型研發周期從此前的約400人投入兩年，壓縮至數10人約三個月，交付效率呈指數級提升。

　　2025年全年，Momenta交付超40款車型；2026年上半年，公司已完成37款車型交付，接近去年全年的交付總量。

　　配合「鋪天蓋地」的客户策略，Momenta以大數法則對衝汽車行業單一車型銷量波動的風險。

　　截至2026年上半年，公司已與全球26家車企建立合作關係，累計定點車型超230款。

　　CIC灼識諮詢《2026中國智能駕駛行業研究報告》顯示，Momenta在第三方城市NOA供應商市場中份額穩居第一，是首個實現全球規模化智能駕駛方案量產的中國企業。

　　規模效應直接體現在財務端的改善上。

　　隨着客户與車型矩陣的持續擴大，同一套世界模型基座平臺的能力可以被不斷複用，單位研發成本被持續攤薄，最終形成營收增速快於成本增速的經營槓桿，這纔是經調整淨虧損同比收窄近97%的真正核心原因。

　　Momenta並沒有通過壓縮研發投入換取短期利潤，而是靠技術複用率的指數級提升，讓同一份研發投入產生多份業務回報。

　　財報顯示，上半年公司研發投入佔營收比例仍達73%，研發人員佔比79%，依然維持行業頂級的研發強度。

　　更關鍵的是，L4業務與全球化佈局並不是新增的成本包袱，而是世界模型基座平臺能力的自然外溢。

　　如Robovan直接複用乘用車領域驗證多年的「無圖方案」，無需重新做高精地圖適配，快速覆蓋快遞接駁、生鮮配送等多場景，目前已落地蘇州相城，合作方集齊郵政、京東、順豐等頭部物流企業。

■ Robovan路跑

　　Robotaxi的感知與決策核心直接繼承自量產世界模型基座平臺，僅需針對出行場景做少量優化，便在7月拿下德國全國範圍L4級自動駕駛測試許可，成為首個獲此資質的中國企業，年內計劃拓展至全球10余座城市。

■ 德國路跑

　　與此同時，今年3月發佈的R7世界模型已進入量產交付階段，多場景表現較R6提升三至五倍，且沿用R6的傳感器與芯片配置，客户無需為軟件升級增加硬件成本，進一步放大了規模化滲透的性價比優勢。

　　為什麼説Momenta是物理世界的「Anthropic」？

　　當行業還在把Momenta歸類為「頭部智能駕駛方案商」的時候，它的定位其實已經悄悄超出了自動駕駛的範疇。

　　某種程度上，Momenta更像是物理世界的Anthropic，正在把大語言模型領域驗證過的Scaling Law，第一次完整復刻到物理世界。

　　這個類比的核心邏輯，在於兩者的底層發展路徑高度同構。

　　正如饒慶所言，物理AI的發展路徑正在越來越接近大語言模型，從預訓練、中間訓練到后訓練，再到強化學習，兩者的方法論與人才體系已經高度趨同。

　　Anthropic的核心路徑，是用海量互聯網文本數據訓練通用語言基座模型，靠數據規模與算力投入驅動能力指數級提升，再用一套基座支撐對話、代碼、創作等多元場景，走「基礎模型優先、多場景複用」的路線。

　　而Momenta的邏輯類似，用海量真實道路數據訓練通用物理世界基座模型，靠量產數據的持續積累驅動模型認知能力進化，再用同一套世界模型基座平臺支撐乘用車、Robovan、Robotaxi、Robotruck等多元物理場景。

　　兩者都沒有沉迷於垂直場景的短期變現，而是選擇先打磨通用能力，再向各場景外溢複用。

　　更深層的一致性在於，它們都抓住了各自時代最核心的生產資料。

　　大語言模型時代，最核心的資產是高質量的互聯網語料庫；而物理AI時代，最核心的資產是真實世界的高質量數據閉環。

　　數據的價值早已成為行業共識，但真正能建立起可持續數據飛輪的公司少之又少。很多公司要麼數據規模不足，要麼缺乏高效的數據篩選機制，導致海量數據不僅不能提升模型，反而增加算力與存儲負擔。

　　Momenta通過百萬量產車建立的「數據採集-價值篩選-模型訓練- OTA迭代」完整閉環，就像Anthropic掌握的高質量語料庫，是最難複製的核心壁壘。

　　這套體系能夠持續從真實道路中挖掘高價值的長尾場景數據，不斷餵養世界模型基座平臺，再通過OTA將升級后的能力推送到海量量產車中，形成自我強化的正向循環。

　　而當這套世界模型基座平臺對物理世界的預測、決策能力持續進化，它的邊界絕不會止於自動駕駛。

　　自動駕駛只是物理AI第一個成熟的落地場景，就像聊天是大語言模型第一個成熟的應用一樣。

　　當模型對物理世界的規律理解足夠深刻，對動態場景的預測足夠精準，這套基座能力就可以自然延伸到具身智能、工業自動化、通用無人系統等更廣闊的領域。

　　這也是Momenta從「智能駕駛公司」轉向「物理AI公司」的底層邏輯。

　　Momenta真正追求的從來不是做好一套駕駛系統，而是建立一種可以遷移到更多場景的物理世界智能，最終成為物理AI時代的基礎設施提供者。

　　總結：從智駕玩家到物理AI平臺的範式躍遷

　　整體來看，Momenta上市后的首份半年報，是其發展歷程中的一次關鍵校驗。

　　它用財務與業務的雙重結果，驗證了公司底層戰略的可行性，也勾勒出從智駕玩家向物理AI平臺躍遷的清晰路徑與長期定位。

　　從戰略層面，「一個飛輪，兩條腿」 的統一路線，解決了行業普遍存在的L2與L4「兩條路線」的內耗問題，讓量產業務與無人駕駛業務形成同源共生的正向循環。

　　商業層面，世界模型基座平臺的技術複用模式，破解了智駕行業規模化與盈利不可兼得的長期痛點，跑出了營收增長快於成本增長的經營槓桿。

　　範式層面，將大模型的Scaling邏輯引入物理世界，打開了行業的想象空間。智能駕駛不再是終局，而是物理AI時代的起點。

　　當行業還在爭論L2和L4誰更有價值、智駕公司什麼時候能盈利的時候，Momenta早已跑通了從量產到L4、從技術到商業、從智駕到物理AI的完整路徑。

　　當然，L4無人駕駛從測試示範走向常態化運營，仍需經歷安全、監管與運營效率的持續檢驗，物理AI的多場景延伸，也需要更多的技術突破與場景驗證。

　　但不可否認的是，Momenta已經邁出了關鍵的第一步，它用一份半年報證明了「物理世界的AI」，同樣可以跑通規模效應，同樣可以擁有平臺級的想象空間。