Momenta冲刺IPO：AI司机收入3年涨42倍

背景

当前，人工智能领域正经历从“数字智能”向“物理智能（Physical AI）”的范式转移，而这一转变的核心基座模型被公认为世界模型（World Model）。2025年以来，世界模型成为AI领域最热门也最混乱的概念，各大科技巨头与初创公司纷纷入局，但技术路线尚未收敛。

与此同时，自动驾驶公司Momenta正在冲刺港股IPO。作为智能辅助驾驶市占率第一、拥有众多跨国车企客户的技术提供商，Momenta此次IPO不仅被视为其商业化的重要节点，更因其将自身定位为“物理AI基座模型的构建者”，而被市场贴上“港股物理AI第一股”的标签。在自动驾驶这一物理AI最早落地的场景中，Momenta通过其R7世界模型实现了量产，并展现出从项目制向规模化许可收入转型的商业潜力，使其成为新赛道上起步条件最确定的选手之一。

核心内容

世界模型的技术路线与争议

世界模型旨在让AI理解物理世界，但目前主流技术路线分为四类，各自路径截然不同：

1. 生成式视频路线：以OpenAI Sora为代表，追求像素级的画面逼真度。
2. 交互式世界路线：以Google DeepMind Genie为代表，强调根据用户操作实时生成可交互环境。
3. 空间智能路线：以李飞飞（Fei-Fei Li）创立的World Labs为代表，将世界模型视为可生成、可互动的3D表示。
4. 联合嵌入预测（JEPA）路线：由Yann LeCun主张，在抽象表示层预测世界下一步，作为智能体规划的基础，避免在像素层面浪费算力。

尽管路径不同，目标均指向“理解物理世界”。李飞飞认为，真正理解世界的模型应具备从任意角度渲染、模拟物理过程及规划动作的能力；而Yann LeCun则批评大语言模型仅是统计学的模式匹配器，并未真正理解物理世界。资本对此路线重注，World Labs及LeCun创办的AMI Labs均获得巨额融资。

Momenta的物理AI答案：R7世界模型

Momenta在IPO进程中曝光了其核心成果——R7世界模型。该模型已实现量产，首发搭载于上汽大众ID. ERA 9X。

• 数据优势：依托量产车积累了超过120亿公里真实行驶里程，提炼出超1亿段“黄金数据”。车端部署的R7是经过蒸馏的模型，具备极高的起步下限。
• 技术架构：分为三层迭代。
  1. 预训练：利用海量真实驾驶数据，将物理规律、常识与因果关系压缩进模型。
  2. 仿真：利用生成模型推演环境演变，对罕见长尾场景进行闭环测试。
  3. 强化学习：通过奖惩机制在数千万次虚拟交互中试错，使模型从“模仿学习”走向“想象与探索”。
• 能力突破：R7不仅包含语言，更是多模态的物理AI基座模型。它能在虚拟世界中经历千万次推演，自主习得复杂博弈中的最优决策，从而在“地狱场景”中比人类司机更平稳地通过复杂路段。

商业模式与财务表现

Momenta的商业模式正从传统的项目制向规模化许可收入（License fee）转型。

• 营收增长：2023年至2025年，营收从7.43亿元增长至24.13亿元，年均复合增长率超80%。
• 收入结构变化：技术开发收入增至14.45亿元；许可收入从0.23亿元激增至9.68亿元，三年翻42倍。这种高边际收益模式意味着车卖得越多，收入越高，是自动驾驶创业公司理想的营收形态。
• 市场地位：据CIC灼识咨询数据，2025年3月至2026年2月，中国第三方城市NOA供应商市场中，搭载Momenta系统的量产车销量市占率达65%，行业居首。

“一个飞轮，两条腿”的战略框架

Momenta的成功得益于其长期稳定的战略框架，未经历伤筋动骨的转轨：

• 一个飞轮：数据驱动的核心机制。
• 两条腿：L2级量产辅助驾驶与L4级完全自动驾驶。
• 复用逻辑：两条腿共用同一套软件算法架构、传感器方案及世界模型。超90万台L2量产车提供海量数据和商业收入，支撑模型迭代；迭代后的模型部署至L4 Robotaxi（已落地上海、苏州、慕尼黑、阿布扎比等），Robotaxi遇到的极端场景又反哺模型训练。这种All-in-one platform策略使得规模化速度远快于从头搭建专用车队的路径。

关键要点

• IPO定位：Momenta冲刺港股IPO，被视为“港股物理AI第一股”，其核心叙事从自动驾驶延伸至物理AI基座模型构建。
• 技术核心：R7世界模型已量产上车，通过“预训练+仿真+强化学习”三层架构，实现从模仿到想象探索的跨越，解决长尾场景问题。
• 商业突破：许可收入三年翻42倍至9.68亿元，证明自动驾驶创业公司可实现高边际收益的规模化营收，商业模式逻辑成立。
• 数据闭环：依托120亿公里真实里程和90万台L2量产车，构建“数据-模型-应用”的正向反馈飞轮。
• 战略稳定性：坚持“一个飞轮，两条腿”战略，L2与L4共用底层架构，实现低成本快速规模化。
• 行业影响：Momenta为物理AI赛道建立了新的价值评估体系，即考察玩家是否具备多模态基座模型能力及落地渠道的数据闭环。

意义与影响

Momenta的IPO及其物理AI叙事，对自动驾驶及更广泛的AI行业具有深远意义：

1. 确立物理AI的商业可行性：Momenta通过经营数据证明了“物理AI基座模型+量产渠道”模式的商业闭环。在自动驾驶这一拥有最大规模真实世界交互数据的场景中，物理AI的数据Scaling和商业Scaling已形成正向反馈，为其他物理AI终端（如机器人）提供了可借鉴的路径。
2. 重塑估值体系：Momenta的成功迫使资本市场重新评估相关玩家。对于自动驾驶公司，需审视其是否拥有多模态基座模型；对于物理AI创业公司，则需通过“落地渠道”和“数据闭环”的拷问。Momenta展示了如何在一个垂直场景打磨极致能力，再寻求横向迁移的可能性。
3. 技术路线的实证：尽管世界模型的技术路线（如JEPA vs 生成式视频）在学术界仍有争论，但Momenta的实践表明，基于真实驾驶数据的多模态世界模型在解决复杂物理世界交互问题上具有显著优势。其“预测下一个物理状态”的能力，为AI走出屏幕、认知真实物理世界提供了基础。
4. 行业竞争格局变化：Momenta作为首个打出物理AI明牌的IPO玩家，其All-in-one平台策略和规模化速度，可能对其他依赖专用车队或单一技术路线的玩家构成压力。后续冲击物理AI概念IPO的公司，将面临更严格的“数据闭环”和“基座模型能力”审视。

尽管自动驾驶技术向机器人等其他终端迁移仍存在不确定性和方法论缺失，但Momenta迈出的第一步及其高强度的持续投入，已使其成为物理AI探索中不可忽视的关键角色。