对话Momenta曹旭东：数据只是贫矿，体系才是壁垒

自动驾驶竞争逻辑的修正

作者｜秦章勇

当我们在谈论自动驾驶时，我们在谈论什么？

经历数字AI爆发后，我们进入物理AI时代，自动驾驶这个被追逐的多年风口，也被赋予更多期望，一个行业的共识是，自动驾驶将成为物理AI爆发的关键突破口。

2026年北京车展，Momenta宣布Momenta R7强化学习世界模型实现量产首发，在CEO曹旭东看来，自动驾驶会是物理AI的序章，所以此举也标志着，物理AI正式从技术理念走向规模化量产落地。

在物理AI的叙事逻辑中，自动驾驶的竞争方式也发生了变化。

此前被看中的数据和算法，似乎不再是最优先级，曹旭东举了一个例子，数据就像贫矿，怎么让其变成富矿，继而变成钢铁、发动机，最终让发动机装到车上，才是最终的价值所在。

这个过程考验的是整个数据飞轮的体系能力，数据仅是一个价值源头的10%，剩下的90%是来自体系的价值，其中又包括架构能力和组织能力。

Momenta的做法是，用一个大模型支撑全场景应用，比如L2乘用车、Robotaxi、Robovan物流车、Robotruck卡车等协同发展，以平台化效应降低研发成本、提升技术效率。

在发布会后的媒体交流中，曹旭东还做了一个预判，称自动驾驶具备极强的规模效应与先发优势，行业格局将快速收敛，中国仅2-3家、全球3-4家企业能最终胜出。

至于实现规模化的L4，累计投入至少需要百亿美元，通用机器人所需投入更高，不过长期来看，只靠融资显然难以支撑通用物理AI研发，必须要有现金流业务，这也是进入物理AI时代的门票。

而Momenta已经拿下这张门票。这次北京车展，有超过20个品牌，60余款车型搭载Momenta方案，BBA发布的新车型，都用了Momenta的方案，目前已成功交付超过70款量产车型，累计定点车型数超过200款，量产落地覆盖十余个国家和地区。

以下是媒体和Momenta CEO曹旭东的交流内容（有删减）：

01

怎么用好数据才是关键

Q：全球汽车产业流行反向合资，您如何看待这一趋势？本届车展有哪些海外客户交流？

曹旭东：中国的技术正从中国走向世界，给当地用户带来更领先的产品价值，但也会带来一些冲击，比如说冲击当地的公司、当地的就业或者是当地的税收等。而好的反向合资，让当地享受到了中国高科技的技术和产品很好的用户体验。

另外一方面就相当于是中国的技术赋能当地企业，对当地企业带来更多的发展，带来更好的工作机会、更多的就业、更好的税收，是一个共赢的模式。

去年的时候，我们就已经是全球品牌的共同选择了，在全球最顶尖的品牌里面，像德系的BBA、大众，日系的丰田、本田、日产，美系的通用、福特，都已经是我们量产的合作客户。

Q：与外资车企合作有哪些挑战？

曹旭东：最常见的挑战，是中国的速度和国际OEM的标准，有时候是矛盾和冲突的，但是这个矛盾和冲突主要围绕着客户和用户，以客户和用户的价值为中心去共创，很多时候都能找到更好的创新性的方法，带来更好的结果。

Q：数据飞轮在实际量产的过程中，最大的瓶颈是数据量还是算法？

曹旭东：数据这件事情，它不是单纯的数据本身，你可以认为数据就是矿石，而且是含矿量很低的铁矿石，你要把数据真的用起来的话，首先你要把贫矿变成富矿。

你怎么把贫矿变成富矿，再从富矿变成钢铁，钢铁又变成发动机，发动机最终又装到车上，这才是最终的价值，所以整个的数据飞轮的体系，它是一个体系能力，拥有原始数据，拥有海量的原始数据仅仅是一个价值源头的10%，剩下的90%是来自于这个体系的价值。

Q：现在有一种说法，数据不难，但是用好数据比较难，Momenta怎么去用好这些数据？

曹旭东：我们的大模型分为预训练的阶段和Post-Training的阶段。

预训练阶段，用80万台量产车海量真实数据，通过世界模型预训练，让AI具备物理常识，但是具备了这个世界的常识，不代表着它有好的行为，所以你还是需要Post-Training，把它的行为激发或者对齐到人类好的行为上去，大概会分为这两个环节。

Q：Momenta的世界模型最大的特点是什么？

曹旭东：企业之间的差距，来自于组织、文化和对应的体系建设。

而具体的单点的算法，这个创新当然很重要，每一代的算法架构的创新，实际上会带来大的进步，但是坦率来说，在中国的环境下，知识的流动和人才流动的速度其实是比较快的，仅仅是单点算法的话，并不存在特别大的壁垒或者差异性，有壁垒的是体系和组织的能力。

所以你会发现，可能大家说的都是同样的单点算法的方向，但是最终做出来的效果可能有一代或者两代的差距，背后不是单点算法的差距，背后是体系和组织的差距。

02

自动驾驶是物理AI序章

Q：物理AI火热，Momenta在全球处于什么位置？

曹旭东：物理 AI 最核心的，一个是数据闭环，另外一个是商业闭环，这两个闭环是正反馈的，数据闭环带来好体验，接近人类水平后触发爆发式商业化，商业化带来数据暴增，再推动模型能力指数级提升。

我们的判断就是自动驾驶进入到了这个阶段，机器人还需要一段时间，这是第一点。所以自动驾驶是物理AI的序章，因为它最先实现了规模的数据闭环和规模的商业闭环。

规模化的L4，我的判断累计的投入至少是百亿美金，而且有可能还是创业公司的研发效率，如果你是大公司的话，不只是百亿美金，可能需要几百亿美金。

我的判断就是，物理AI它需要有门票的，这个门票就是你需要有现金流的业务，虽然现在整个中国具身智能的资本市场是非常活跃的，但是长期来看，要靠投资，要靠融资，追踪做成通用的物理AI，或者物理世界的AGI是不现实的，物理 AI 必须有现金流业务支撑。

Q：今年 L4 业务进度如何？Momenta做 Robotaxi 的优势是什么？

曹旭东：我们的 L4 不只是 Robotaxi，而是全场景覆盖，今年推进 Robotaxi 与 Robovan 物流车，2027 年启动 Robotruck 卡车，因为我们十年的愿景里面，十年物流和出行的效率翻倍。

我们相信的是一个自动驾驶的大模型能够实现所有的自动驾驶的垂直应用，并且做得更好。带来的价值就是你在每一个vertical的研发成本会大幅度的降低。而每个应用场景，每个垂直应用场景的经验和数据，又可以汇总和吸收到这个大模型里面，使得每个垂直领域做得更好，这实际上就是一个平台优势。

Q：如何看当前智驾格局？2030年会迎来终局吗？

曹旭东：自动驾驶有非常强的规模效应和先发优势，效应会比芯片行业更强，PC、手机芯片全球都只剩两家主导，而自动驾驶软件边际成本为零，所以它的规模效应更强，它的规模效应除了成本上的规模效应，还有体验上提升的规模效应。

另一方面，面向主机厂有特别强的先发优势，因为主机厂很多业务都是敲门敲三年，从你见到客户到拿下合同是3年，如果是国际OEM的话，可能要敲门敲5-7年。

所以我还是维持我原来的判断，中国也就2-3家，全球也就3-4家，会非常快速地收敛。