起源：林依轮惊喜亮相荆门西子廊桥作者： 陈均莲：

Momenta曹旭东：自动驾驶是物理AI的序章

导读：当智能驾驶进入大模型时期
，真正的壁垒到底是什么

？

【文/观察者网 周盛明 编纂/高莘】

2026北京车展期间
，Momenta在“Momenta R7
，物理AI序章”主题分享会上颁发
，R7强化进建世界模型实现量产首发
。

随后
，在媒体对话中
，Momenta CEO曹旭东萦绕物理AI、世界模型、数据飞轮、L4落地以及智能驾驶行业格局
，进一步诠氏缢Momenta的技术判断与贸易蹊径
。

这场对话的主题
，其实能够综合为一个问题：当智能驾驶进入大模型时期
，真正的壁垒到底是什么

？

曹旭东给出的答案
，并不是某一个单点算法
，而是系统能力
。

他以为
，智能驾驶企业之间的差距
，底子上来自“组织和文化和对应的系统的建设”
。

在他看来
，中国市场知识流动、人才流动速度很快
，单点算法很难形成持久壁垒
，真正能拉开差距的是数据迭代系统、训练系统、验证系统
，以及支持这些系统持续运行的组织能力
。

这也诠氏缢为什么Momenta反复强调数据关环
。曹旭东把数据比作矿石
，并且是“含矿量很低的铁矿石”
。

他说
，真正的难点不是拥罕见据
，而是把“贫矿造成富矿
，再从富矿造成钢铁
，钢铁又造成发起机
，发起机最终又装到车上”
。

这意味着
，海量原始数据只是价值源头
，若何筛选长尾场景、训练模型、验证成效
，并最终转化为车端履历
，才是智能驾驶公司的主题能力
。

在具体训练蹊径上
，曹旭东将其拆分为预训练和Post-Training两个阶段
。

预训练依赖量产车产生的海量数据
，让模型形成物理学问；但他也强调
，有物理学问不代表就是好司机
。由于真实数据中寂仔好的驾驶行为
，也有大量不好的驾驶行为
，所以还必要Post-Training
，把模型行为“引发或者对齐到人类好的行为上去”
。

这正是Momenta谈“强化进建世界模型”的关键
。曹旭东以为
，世界模型的作用是把物理世界法规压缩进模型
，使系统可能预测将来状态；强化进建则是在这个虚构“练兵场”里反复训练
，形成最优驾驶行为
。

他在上汽公共ID. ERA 9X有关互换中进一步诠释
，世界模型“能够作为‘练兵场’进行关环强化进建”
，在极端场景中进行反复演练
，最终“在真实极限场景下靠肌肉影象做出最优驾驶行为”
。

这套逻辑背后
，是Momenta对物理AI阶段的判断
。曹旭东以为
，“物理AI是大势所趋”
。原因在于
，从前几年数字AI突飞猛进
，是由于互联网数据天然规模巨大
，且数字世界验证成本低、周期短
。但现实世界并不只罕见字部门
，“物理的部门可能是更大的一部门”
。因而
，数字AI中的成功经验和步骤
，必然会进入物理世界
。

在曹旭东看来
，自动驾驶就是物理AI最先落地的入口
。他判断
，“自动驾驶是物理AI的序章”
，由于它最先实现了规；氖莨鼗泛兔骋坠鼗
。一旦履历靠近人类水平
，就可能迅速超过人类水平
。

其背后的机造
，是贸易化带来更无数据
，更无数据推动模型能力持续提升
，二者形成正反馈
。

这也诠氏缢Momenta为什么同时布局乘用车辅助驾驶与L4
。曹旭东明确暗示
，公司的L4不只做Robotaxi
，也会做Robovan
，明年还会做Robotruck
。底层逻辑是
，一个自动驾驶大模型该当可能覆盖分歧垂直利用
，并且在分歧场景中共享数据和经验
。

他把这类平台效应类比为互联网时期的平台电商：垂直场景越多
，底层大模型越强
，各个业务的研发成本也越低
。

对行业格局
，曹旭东的判断相当明确
。他以为
，自动驾驶拥有极度强的规模效应和先发优势
，并且由于软件边际成本靠近于零
，这种规模效应甚至比芯片行业更强
。

因而
，他维持此前判断：中国市场最终可能收敛到2到3家
，全球市场则收敛到3到4家
。

这种收敛并不会很和善
。曹旭东提到
，国内主机厂合作往往要“敲门敲3年”
，国际OEM则可能要5到7年
。他以奔腾合作为例
，Momenta从2017年获得奔腾投资
，到2025年后半年第一个量产项目上市
，中央经历了整整8年
。

智能驾驶供给商一旦进入全球主机厂系统
，就会形成持久合作壁垒；反过来
，后来者想进入
，也会晤对漫长验证周期
。

这也是Momenta对待“反向合伙”的布景
。曹旭东以为
，中国技术在从中国走向世界
，但在进入海表市场时
，也会对本地企业、就业和税收造成冲击
。

因而
，更好的方式是借鉴中国从前的发展模式
，通过“反向合伙”实现共赢：既让本地用户享受到中国高科技产品履历
，也让中国技术赋能本地企业
。

从这次对话看
，曹旭东真正想表白的
，并不是Momenta颁布了一个新版本系统
，而是智能驾驶的竞争已经进入新阶段
。

从前
，行业关注谁的职能更多、谁的收受更少；此刻
，竞争在转向谁能成立更齐全的数据关环、贸易关环和组织系统
。

物理AI听起来像一个巨大的概想
，但落到自动驾驶上
，最终仍要回到一个具体问题：车能不能在真实世界里处置更多复杂情况
，并且持续变得更好
。

曹旭东的判断是
，自动驾驶已经进入这个正反馈临界点
。接下来
，真正决定行业座次的
，不只是一次颁布会上的技术名词
，而是谁能把数据、模型、量产和贸易化
，真正拧成一个持续进化的系统
。

本文系观察者网独家稿件
，未经授权
，不得转载
。