Momenta 于 7 月 8 日在港交所主板正式上市，股票代码为“6880”。开盘后，该公司股价一度上涨超过 6%，市值突破 700 亿港元。

基于每股 295.6 港元的发行价，若超额配股权全数行使，Momenta 本次全球发售将涉及约 2,293 万股，预计募集资金总额约 68 亿港元。

此举为汽车产业激烈的价格竞争中注入了一剂强心针。

在过去十余年间，汽车行业经历了多轮洗牌，不仅诞生了蔚来、理想、小鹏等造车新势力，产业链中也涌现出宁德时代、禾赛科技以及如今的 Momenta 等头部企业。

这些成功企业的共性在于，在充满挑战的市场环境中，能够清晰地识别并坚定地执行自身战略。Momenta 的发展历程便是典型代表。该公司成立于 2016 年，彼时自动驾驶技术备受追捧，资本大量涌入 L4 级自动驾驶项目。

然而，曾在微软和商汤积累了深厚计算机视觉经验的创始人曹旭东，很早就确立了数据驱动和数据闭环的技术路线。他期望构建一个能够持续互相促进的商业模式，因此在创业之初便制定了“两条腿走路”的战略：一方面专注于 L2 量产，另一方面探索 L4 自动驾驶。

通过 L4 腿进行前沿技术突破，并将成果下放给 L2 量产业务；再利用 L2 业务产生的数据飞轮，反哺 L4 自动驾驶的研发。

“要实现规模化的 L4，数据飞轮和海量数据是必不可少的，没有这两者，‘登月’是不可能的。”

在 Momenta 上市前夕，Momenta 创始人曹旭东在接受 36 氪 CEO 冯大刚和高级内容总监杨轩的采访时，阐述了公司早期的战略构想。

选择方向相对容易，但实践过程却充满艰辛与挫折。据 36 氪了解，从 2016 年到 2022 年，Momenta 几乎尝试了所有能够大规模落地的 L2 量产业务，包括后装一体机以及为车企提供大量近乎免费的前期验证（POC）项目。

曹旭东坦言，他曾经历过从技术理念到商业落地的巨大落差。他原本以为汽车行业的周期与互联网相似，产品从立项到发布只需几个月到一两年。但实际上，从打入奔驰供应链到产品最终上车，Momenta 花费了整整八年时间。

幸运的是，长期的磨砺与准备使 Momenta 成为最早一批敲开汽车厂商辅助驾驶算法量产大门的供应商之一，并最终跻身自动驾驶公司的头部阵营。

就在上市前夕，Momenta 宣布其装车量已突破 100 万辆。随着规模的增长，业绩也呈现线性提升。Momenta 招股书显示，公司收入从 2023 年的 7.43 亿元增长至 2025 年的 24.13 亿元，毛利率达到 71.6%。同时，随着规模效应的显现，净亏损从 10.93 亿元收窄至 3.03 亿元。

“很多人一开始目标宏大，想‘登月’，然后觉得珠穆朗玛峰离月亮最近，就去登珠峰。但‘登月’需要的是造火箭。在我们看来，我们做 L2 量产，实际上就是在造火箭。”曹旭东对 36 氪表示。

如今，Momenta 又一次做出了新的技术预判，选择了世界模型（World Model）和强化学习（Reinforcement Learning）作为其最新的技术体系，并已将其应用于最新的 R7 世界模型。

曹旭东对 R7 世界模型充满信心，他表示该产品“能够跟特斯拉 FSD V14 打得有来有回”。对于自家的 Robotaxi 业务，曹旭东也制定了稳健的规划，目标是“2028 年的时候，运行 1 万台 Robotaxi，中国和海外各一半”。

Momenta 的长远战略布局还着眼于机器人领域。曹旭东计划于 2027 年启动机器人业务，一方面是因为届时 Momenta 的 Robot 飞轮构建将相对完善，另一方面，公司届时“溢出的能力刚好可以做机器人”。

尽管行业内不少自动驾驶公司及车企已早于 Momenta 涉足机器人领域，曹旭东对此并不感到担忧。他认为机器人与自动驾驶领域在数据基础设施、训练基础设施、数据飞轮、大模型架构等方面具有高度的复用性。此外，Momenta 从汽车产业长期淬炼出的技术底座、组织体系和市场体量，也为其提供了更多信心。

以下是 36 氪 CEO 冯大刚、36 氪原创内容负责人杨轩与 Momenta 创始人曹旭东的对话实录，经编辑：

谈上市：上市是为了品牌和信任

36 氪： Momenta 为什么要上市？

曹旭东： 这是一个很好的问题。公司在这个时间点上市，更多的是为了品牌和信任。

其实我们公司现金储备还是蛮多的，而且公司的亏损在快速收窄，明年就盈亏平衡了，后年就能规模化盈利。所以从现金流角度，是否上市对我们来说影响不大。

虽然我们是一家 To B 的公司，但我们很看重 C 端的品牌，以及 C 端用户对我们的信任。而上市一定能够在很大程度上放大我们的品牌，从而帮我们赢得用户、客户，以及资本市场的信任。

36 氪： 是不是有点像英特尔，让用户觉得，只要是英特尔的 CPU，这个电脑就一定很好，同理用了 Momenta 的辅助驾驶，这个车也一定很好？

曹旭东： 这肯定是我们一个学习和借鉴的对象。

现在我们很多客户，在产品上市的时候会跟我们一起做 comarketing，比如说奔驰、宝马、奥迪、丰田、本田、日产，国内的车企有上汽、奇瑞等，都在和我们一起做 comarketing。我们有了更好的品牌，更高的用户信任度，也能帮助我们的客户更好地卖车。

36 氪： 你希望资本市场怎么定义 Momenta 这家公司？它是一个智驾公司，还是一个 AI 公司？你自己又认为 Momenta 是什么公司？

曹旭东： 我觉得资本市场的人都很聪明，不是我希望他们怎么定义，他们就会怎么定义。

在我看来我们是 Better AI，Better Life，所以长期来看的话，我们肯定是一个 AI 公司，然后包括自动驾驶。

自动驾驶从当前的城市辅助驾驶，再到未来的 L4 自动驾驶，不管是乘用车还是 Robotaxi、Robotruck，其实它的内核就是 AI。这个 AI 的内核对应到物理世界的话，就是 World model。

36 氪： 今天很多人在讲纯血 AI 的概念，比如那些卖 token 的公司，才是纯血 AI，其他跟 AI 有关的公司，可能不会被定义成纯血 AI 公司，外界这样定义你会不会觉得不公平？

曹旭东： 不同的人有不同的看法。我之前看到过一句话，“短期是投票机，长期是称重机”，我觉得最终还是要做称重机。

我们公司做很多决策，永远不是资本导向，更多的是价值导向，怎么做能给用户创造价值，做什么样事情能跟我们的价值导向相匹配，我们就用什么样的方式来做。

我举个例子，我们公司最开始讲一个“飞轮两条腿”，量产 L2、完全无人驾驶的时候，那个时间点上，整个行业全都看不懂，行业所有人都在做 Robotaxi。

但我们讲了一个跟行业最主流的，或者说和资本市场给的估值最高的方向不一致的故事。为什么做这样的一个选择呢？就是因为这在我们看来是一条正确道路，通过这条道路才有可能最终做成规模化的 L4，所以我们就选择这条路径。

谈世界模型：世界模型是实现自动驾驶的必要条件

36 氪： 我听说你自己也会活跃在一线，了解最新的技术发展，现在的 AI 技术、新概念层出不穷，比如大家都在喊世界模型，但我觉得每个人讲的世界模型都不一样。Momenta 是怎么定义世界模型的，你们怎么确保你们的世界模型真的是懂得物理世界了？

曹旭东： 我们的这个世界模型，主要三部分：第一个是 World model prediction，第二个是 World model simulation，第三是 World model reinforcement learning。

我先说 World model pretrain 吧，这个我们对标的是 GPT。GPT 之所以这么 powerful，就是因为它有预训练。预训练是通过 next token prediction，把整个互联网的数据，或者整个数字的数据全都拿过来训练，把数字世界的常识压缩到这个模型里面。

那对应的 World model pretrain，就是通过对未来的预测，比如说我把这个笔扔上去，然后它会掉下来，这其实就是对物理世界规则的预测。我有海量的这样的数据的话，就可以预测这样的数据。把整个物理世界的规律压缩到模型里来，这样的话，这个模型就具备了物理常识。

36 氪： 所以世界模型对自动驾驶很重要。

曹旭东： 对，肯定的。不光是自动驾驶，你可以看到机器人也是。

去年后半年的时候，我们在自动驾驶上已经验证了世界模型的效果了，今年量产。

今年上半年，我在硅谷的时候，观察到很多公司都从 VLA 转向到世界模型，就是因为通过世界模型大规模预训练之后，它的成功率能够大幅提升。我这有个数字不一定准确，作为参考，可以感受一下，就是从 50% 提升到了 90%，这是非常大幅的提升，所以在行业内引起了很大震动。

36 氪： 更早之前大家做的是端到端，这和现在说的世界模型有什么区别吗？

曹旭东： 这个没有任何的冲突。“端到端 is everything”。ResNet 也是端到端，Transformer 也是端到端，GPT 也是端到端，强化学习也是端到端，World model 也是端到端，现在但凡是一个模型，它都是端到端的。

36 氪： 那现在大家讲的世界模型，跟几年前行业里经常讲的端到端，它的进步体现在哪里？

曹旭东： 如果没有世界模型的话，只是端到端，自动驾驶的任务，是一个稍微有点畸形的任务，因为它输入的维度非常高，如果没有压缩的话，它输入的 token 可能是几百万个，或者更多。

但输出的，可能就只是自动驾驶的轨迹。自动驾驶的轨迹，可能就 10 个 token 或者几十个 token。

那就是从非常高维的输入，到非常低维的输入。这样很容易出现一个结果，就是过拟合，或者说因果混淆，它会学到些很奇怪的映射关系。

但如果你有 World model，World model 首先学的是物理常识，你会发现当一个人有常识的时候，就像一个人已经从小学一路上到大学了。这时你跟他探讨一个大学的物理问题，那是很容易的，可能几句话就能聊清楚了。

如果这个人他根本没上过小学、中学，这时候你跟他探讨一个物理问题，他可能会跟你争论，比如这个地球就是中心等等。

36 氪： 那你觉得世界模型是自动驾驶的终极答案吗？

曹旭东： 我觉得肯定是一个必要条件，但终极答案就不一定，因为技术还在快速进步。

再比如强化学习是不是必要条件？我觉得是个必要条件，端到端是不是必要条件？肯定也是。虽然现在可能大家对端到端提得没那么频繁了，但实际上，强化学习、端到端都是 build up，世界模型或者强化学习，都是在端到端的基础上的。

36 氪： 那强化学习这件事，在世界模型的框架下，重新变得极度重要了吗？用强化学习的方法训练世界模型的话，中间有没有什么可能出现的问题？比如它的奖励函数等等。

曹旭东： 有。这个很重要，尤其是对于安全性来说，提升还是非常大的，至少是 5-10 倍的提升。

但确实也会有一些挑战，因为强化学习很容易出现 reward hack，就和员工会 hack 公司的 kpi 一样，模型也特别容易偷懒，所以强化学习的 reward 要设计好，一方面要保证安全性，另外一方面，要考虑一些行为是否拟人，所以我们也有一些怎么拟人的 reward。

36 氪： Momenta 有看到强化学习，明显提升了自动驾驶表现吗？

曹旭东： 在安全性上提升特别大，比如我们的 R6 上了强化学习，安全性至少比不上的时候，有 5-10 倍的提升。

谈优先量产辅助驾驶：有海量数据才能做成规模化 L4

36 氪： 你刚才说起一个“飞轮两条腿”，L2、L4 同时做，这让我想起了一本书，毛姆的《月亮与六便士》，他的意思是说，月亮是遥远的理想，六便士是地上可以俯身捡到的现实，某种意义上来说，我觉得当时你选择两条腿走路，算是既要月亮又要六便士，既要遥远的 L4，又要眼下就能放量的 L2，这可能是一个现实的选择，或者说很有野心的选择，但你凭什么觉得你能两个都要？

曹旭东： 当时做这个选择，我想的不是我凭什么两个都要，而是我们觉得这样做了才有可能登月。

如果只做 L4，可能会有很多人投资你，拿投资人的钱也一样可以发展。但这不是钱的问题，我们做这个路线的选择，更重要的原因是，根据我过往的经历形成了一个认知——要实现规模化的 L4，一定需要数据飞轮，数据驱动。第二，需要海量的数据。

很多人一开始目标很宏大，说想要登月，然后珠穆朗玛峰离月亮最近，那我就去登珠峰。但登月要干的事情是造火箭。在我们看来，我们做量产，实际上就是在造火箭。

36 氪： 所以说“飞轮两条腿”是一种技术判断，但当年很多做 L4 的公司，也都是技术背景出身的创始人，为什么你的技术判断会跟其他人的技术判断不一样？

曹旭东： 其实我也思考过这个问题。我刚创业的时候，我就去过硅谷，也跟 Waymo 的人聊过，聊完之后觉得，这个公司还是挺好的，但另一方面，多多少少有点失望，因为我们交流的时候，我问他一个非常本质的问题——你觉得做成规模化的 L4 的话，要解决的最根本问题是什么？

聊完之后，我发现大家做事的出发点更多的是老板想做。这件事情听起来非常 exciting，所以我就做了。但是要把这件事情做成，根本性的问题是什么，以及根本性的问题能通过何种战略路径来解决，他们没有思考过。

我当时其实挺意外的，也挺吃惊的。

但另外一方面，也坚定了我按照我们的想法，去做这件事情的初心和决心。

36 氪： 你刚说的他们没有思考的、最根本性的问题，是指什么？

曹旭东： 可能跟我在微软的经历，包括我在商汤的经历有关系，我做过的规模化产品，在一个很小的垂直领域，它的能力能达到人类水平，甚至超过人类水平的，都是需要海量的数据。而且要把海量数据用起来，一定要有一个数据驱动算法。当然具体数据驱动算法怎么做，用什么样的架构，什么样的模型，那可能有很多的做法。

36 氪： 这说的是第一性原理，很多人都觉得他们是第一性原理的信徒，可每个人看到的第一性，以及最后得出的结论很不一样，你觉得你现在说的是对的吗？

曹旭东： 我觉得我们相信的东西，正逐渐被我们实现，我们实现之后，也逐渐在变成行业的共识。

36 氪： Momenta 是 2016 年成立的，但公司在 2020 年前后，才拿到了车企的订单，这中间经历了四五年时间，外界都在疯狂地做 L4，你们有质疑过自己吗？

曹旭东： 没有。

36 氪： 公司内部有人质疑吗？

曹旭东： 这一定会有，有的人是因为这个相信，所以看见，有的人因为看见而相信，那会有这么两拨人的。在那个时间点，在技术落地、产品落地、商业落地之前，大家看的是什么？看的不就是融资吗。那谁融的钱多，谁更能获得资本的认可，谁就更加正确。

我们之所以能够坚持下来，是因为我们内部有一条连续的路径，这个连续的路径不是三年才有一次正反馈，可能是三个月。通过我们的技术研发，产品进展，就能看到正反馈。

36 氪： 这个正反馈是你们有意去建立的吗？

曹旭东： 一定的。我觉得任何一个一号位，不管是产品的一号位、商业的一号位，还是技术的一号位，不能让这个反馈周期太长。反馈周期如果是 3 年、5 年，那很少有人因为相信而相信，能够坚持下来。

36 氪： 所以最孤独的那四五年里，你们内部能坚定军心的那几个正反馈是什么？

曹旭东： 我觉得很重要的一件事情，就是我们坚持数据驱动，在数据驱动的技术研发上，取得了一些很好的进展，这些进展的话，大家都能看得到。虽然我们这条技术路线可能放到行业里面，跟主流的技术路线有很大不一样的地方，但是呢我们自己能够看到这条技术路线取得的进展，取得了正反馈。

36 氪： 从来就没有焦虑过，如果融不到钱怎么办呢？

曹旭东： 没有。

36 氪： 之前我和你的同事交流，我让他们讲故事，他们说我们是技术公司，没什么故事可讲。我说一定会有的，后来他就讲了一个跟奔驰合作的故事。据说 Momenta 跟奔驰的合作谈了 8 年