三小我私家 ，用AI赚了6个亿
作者 | 柴旭晨编辑 | 周智宇2026 年的北京车展上 ，" 物理 AI" 成了被重复最多的词之一。已往两年 ，全球科技行业的主角是数字 AI：大模子会写作、会编程、P 图 ，险些重做了一遍互联网入口。但当数字天下的数据盈利被快速消化之后 ，工业最先把眼光投向更大的现实天下——蹊径、工厂、客栈、家庭、都会交通系统。底层手艺从数字空间迁徙到物理空间 ，已经成为新的工业共识。问题在于 ，谁能成为物理天下的 OpenAI？此次北京车展上 ，Momenta 给出的谜底是：自动驾驶就是物理 AI 的序章 ，而 Momenta 想成为其中的平台型玩家。 跨界2026 年 4 月 25 日 ，Momenta 宣布 R7 强化学习天下模子 ，并将其界说为 " 物理 AI 序章 "。Momenta CEO 曹旭东在宣布会后对华尔街见闻体现 ，" 自动驾驶进入到了这个阶段。" 所谓 " 这个阶段 " ，是自动驾驶已经成为现在少数能够同时买通 " 数据闭环 " 与 " 商业闭环 " 的物理 AI 赛道。这是明确 " 为什么自动驾驶是物理 AI 序章 " 的要害。数字 AI 已往之以是爆发 ，是由于具备三个条件：海量低本钱数据、快速低本钱验证、成熟商业入口� ；チ峁┪谋尽⑼计⑹悠凳� ，用户点击一次、追问一次 ，模子就获得一次反响 ，产品再通过订阅、广告、API 变现。而大大都物理 AI 领域并不具备这些条件� ；等巳笔荨⑷背【啊⑷狈聪� ，更缺稳固现金流。一个机械臂想学会抓杯子 ，要真实硬件、真实验动、真实消耗 ；一次试错的本钱 ，远高于数字天下的一次模子推理。曹旭东向华尔街见闻直言 ，OpenAI 早期既做机械人 ，也做数字 AI ，但阶段性放弃机械人去做 GPT ，一个主要缘故原由就是 " 机械的数据太难获得了。"在曹旭东看来 ，GPT 需要的互联网数据 ，自己已经具备超大规模 。但自动驾驶既属于物理天下 ，又自然拥有一连数据源。每一台量产车都是移动传感器 ，每一次通勤、变道、避障、拥堵、泊车 ，都是模子训练样本。只要车辆规模足够大 ，真实天下的数据就会源源一直进入系统。与此同时 ，它尚有清晰的商业入口。用户愿意为辅助驾驶买单 ，车企愿意为智能化竞争力买单 ，供应商可以通过定点、授权、装车获得收入。手艺提升不但意味着论文效果更高 ，也意味着销量更高、ASP 更高、客户更多。这就是曹旭东所说的正反响机制。" 先有了数据闭环 ，然后才有足够好的体验 ，这个足够好的体验一旦抵达了靠近人类的水平或者凌驾人类的水平的时间 ，就能够实现爆发式的商业化。而这个爆发式的商业化之后 ，又会带来数据爆发式的增添。" 曹旭东说道� ；痪浠八� ，自动驾驶已经具备了物理 AI 最稀缺的飞轮结构。而 Momenta 正在这个飞轮里占有有利位置。公司披露 ，已交付凌驾 70 款量产车型 ，累计定点车型数凌驾 200 款 ，搭载其系统的量产车辆规模已凌驾 80 万台。本届北京车展 ，凌驾 20 个品牌、60 余款车型搭载 Momenta 计划 ，包括疾驰、奥迪、宝马新宣布车型。这 80 万台车 ，不但是装机量 ，更是 80 万个一连收罗现实天下重亨衢况的数据节点。OpenAI 的模子靠全球用户提问进化 ，Momenta 的模子靠全球车辆上路进化。但有了数据 ，还不敷。物理 AI 真正的难点 ，不是望见天下 ，而是明确天下。 破局曹旭东向华尔街见闻诠释道 ，大语言模子依赖 Next Token Prediction 展望下一个词 ，从而压缩数字天下知识 ；而物理 AI 要依赖 World Model Prediction ，展望物理天下下一刻状态和交互逻辑 ，让模子明确物体运动纪律、因果关系和潜在转变。" 因此 ，天下模子与强化学习 ，配合组成物理 AI 的两大焦点支柱。"这句话拆开看。数字 AI 的实质 ，是语言展望。物理 AI 的实质 ，是现实展望。前车急刹后 ，后车会不会追尾 ；雨天路面打滑时 ，制动距离会延伸几多 ；路边儿童突然冲出 ，车辆尚有没有避让空间——这些都不是文字问题 ，而是动态天下问题。Momenta 给出的解法 ，是 " 天下模子 + 强化学习 "。Momenta 研发 SVP 夏炎指出 ，Momenta 的天下模子分三层：第一层是预训练 ，用海量真实驾驶数据把物理纪律、知识与因果关系压缩进模子 ；第二层是仿真 ，让模子在虚拟情形中推演行为转变后天下怎样演变 ；第三层是在天下模子中举行强化学习 ，让系统在靠近真实的情形里重复试错、自主优化。这套结构 ，实质上是在复制 OpenAI 的乐成路径 ，但训练工具从语言酿成现实天下。先学习知识 ，再举行后训练 ，再通过强化学习获得更优决议。曹旭东也提到 ，仅有知识并不代表是好司机。" 大宗的数据内里有好的驾驶行为 ，可是更多的是欠好的驾驶行为。" 因此预训练之后 ，还需要 Post-Training ，" 把它的行为引发或者对齐到人类好的行为上去。"这险些就是车圈版的 RLHF。现实司机会急刹、犹豫、加塞、分神 ，模子若只是模拟人类平均水平 ，只能成为通俗司机。只有通过强化学习筛选更优行为 ，才可能成为超人类司机。这也是为什么曹旭东说 ，自动驾驶是物理 AI 的序章——它是第一个真正需要解决现实天下重大博弈 ，又具备规模数据和商业回报的场景。更主要的是 ，它还能继续外溢。曹旭东向华尔街见闻透露 ，Momenta 的 L4 营业不但做 Robotaxi ，也做 Robovan ，明年还会做 Robotruck。他们相信 ，" 一个自动驾驶的大模子能够实现所有的自动驾驶笔直应用 ，并且做得更好。"这意味着 ，Momenta 并不想只做一家智驾 Tier1 ，而是想做一个平台底座。OpenAI 把统一个模子延伸到搜索、办公、客服、编程 ；Momenta 则想把统一个驾驶大模子延伸到乘用车、出租车、物流车、卡车。差别场景共享底层能力 ，差别场景再反哺模子进化。这是平台公司的典范路径。虽然 ，物理 AI 的门票极贵。曹旭东说 ，实现规� ；� L4 ，累计投入 " 至少是百亿美金 " ；通用机械人可能需要 " 几百亿美金到千亿美金 " 级别投入 ，以是他的结论很是现实：恒久只靠融资并不现实 ，" 一定要有现金流营业来支持物理 AI 的研发。"这恰恰是 Momenta 相较许多看法型 AI 公司的优势——它已经拥有量工营业、客户订单和真实收入 ，再把现金流投入下一代模子训练。许多公司在谈物理 AI 的未来 ，Momenta 则是在用自动驾驶养出物理 AI 的未来。十年前 ，曹旭东在硅谷看到 Fairchild Drive ，那条以仙童半导体命名的街道点燃了他的创业念头。他说 ，希望与所有中国 AI 公司一起 ，誊写属于东方的硅谷传奇 。今天看 ，这个愿景的现实版本或许是：OpenAI 先让机械学会语言 ，Momenta 想让机械学会在现实天下里行动。以下是与 Momenta CEO 曹旭东的对话实录：问：当下全球汽车工业盛行反向合资 ，越来越多的外洋车企看重了中国的科技巨头 ，怎么看待这种新的趋势？曹旭东：中国的手艺现在正在从中国走向天下 ，整个生长速率非�？斓� ，进入外洋的市场 ，好比说进入欧洲的市场 ，进入其他的一些市场的时间 ，给外地用户带来更领先的产品价值 ，可是另外一方面也会带来一些攻击 ，好比说攻击外地的公司、外地的就业或者是外地的税收等等。较量好的一个解决计划就是借鉴中国之前的模式 ，就是跟中国学习 ，来做反向合资 ，反向合资完之后 ，既让外地享受到了中国高科技的手艺和产品很好的用户体验 ，另外一方面就相当于是中国的手艺赋能外地企业 ，对外地企业带来更多的生长 ，带来更好的事情机会、更多的就业、更好的税收 ，是一个共赢的模式。问：今年车展上有哪些外洋的客户和 momenta 交流？历程中有过哪些挑战？ 曹旭东：不但是今年 ，去年的时间我们就已经是全球品牌的配合选择了 ，在全球最顶尖的品牌内里 ，像德系的 BBA、公共 ，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了。挑战的话 ，最常见的挑战 ，是中国的速率和国际 OEM 的标准 ，有时间是矛盾和冲突的 ，可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 ，许多时间都能找到更好的立异性的要领 ，带来更好的效果。 问：数据飞轮在现实量产的历程中 ，最大的瓶颈是什么？ 曹旭东：数据这件事情 ，它不是单单的数据自己 ，你可以以为数据它就是矿石 ，并且是含矿量很低的铁矿石 ，以是你要把数据真的用起来的话 ，首先你要把这个贫矿酿成富矿。我举一个例子 ，在高速上三只小狗排队横穿高速 ，这样的场景真的是万中无一、万里挑一 ，你怎么把这个数据给挑出来？它的难度自己就是一个大海捞针的难度 ，这已经有很高的门槛了 ，你怎么把贫矿酿成富矿 ，再从富矿酿成钢铁 ，钢铁又酿成发念头 ，发念头最终又装到车上 ，这才是最终的价值 ，以是整个的数据飞轮的系统 ，它是一个系统能力 ，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% 是来自于这个系统的价值 ，这是第一个问题。问：现在有一种说法 ，数据不难 ，可是用好数据较量难 ，Momenta 怎么去用好这些数据？ 曹旭东：像我们的大模子 ，我们可能会分为预训练的阶段和 Post-Training 的阶段 ，预训练的阶段 ，海量的来自于我们的量产车 ，我们现在已经 80 万台车了。海量量产的数据 ，并且量产的数据包括了大宗的长尾数据 ，通过 World Model Pre-Training 来预训练这个模子。预训练完这个模子之后有物理知识 ，可是有物理知识不代表它是一个好司机 ，由于大宗的数据内里有好的驾驶行为 ，可是更多的是欠好的驾驶行为 ，以是就有一点像数字 AI 内里大模子的训练一样 ，你通过海量的数据作为输入 ，它具备了这个天下的知识 ，可是不代表着它有好的行为 ，以是你照旧需要 Post-Training ，通过 Post-Training ，把它的行为引发或者对齐到人类好的行为上去 ，或许会分为这两个环节。 问：今年北京车展上许多的车企都在强调自己的辅助驾驶手艺蹊径的差别 ，Momenta 的天下模子最大的特点是什么？ 曹旭东：更主要的不是单点算法 ，是架构能力 ，架构能力已经比单点算法能力更强了 ，由于一旦涉及到架构一定涉及到取舍 ，不是所有的立异都能放到统一个架构内里 ，涉及到架构的话就涉及到取舍 ，好的架构能够实现更好的积累和更好的协力 ，架构之上又包括了系统 ，这个系统包括了数据迭代的系统 ，包括了训练的系统 ，也包括了整个迭代的系统和验证的系统 ，系统之上更多的是组织和文化 ，就有一点像中国有一句古话 ，淮南为橘、淮北为枳。我以为基础上的企业之间的差别来自于组织和文化和对应的系统的建设 ，这是有更大的差别的。而详细的单点的算法的话 ，这个立异虽然很主要了 ，每一代的算法架构的立异 ，现实上会带来大的前进 ，可是坦率来说 ，在中国的情形下 ，知识的流动和人才流动的速率着实是较量快的 ，仅仅是单点算法的话 ，并不保存特殊大的壁垒或者差别性 ，有壁垒的是系统和组织的能力 ，以是你会发明 ，可能各人说的都是同样的单点算法的偏向 ，可是最终做出来的效果可能有一代或者两代的差别 ，背后不是单点算法的差别 ，背后是系统和组织的差别。 问：Momenta 建设 10 周年历程中的分享？ 曹旭东：我以为照旧蛮幸运 ，一起走来 ，最主要的照旧跟志同志合的人去干真正喜欢的事情 ，真的会让你的人生生气勃勃 ，创业历程中有许多的难题和挑战 ，这些难题和挑战 ，每一年都会以为 ，这一年可能是最难的 ，过了这一年明年可能会更好 ，但现实上不是。若是你不享受发明问题、解决问题的历程 ，你不享受和你身边志同志合的人配合去探索、配合去面临难题息争决难题的历程 ，着实创业遇到的这些难题是很难坚持下去的�？赡芤ё叛兰岢忠荒� ，咬着牙坚持两年 ，咬着牙坚持三年 ，很难坚持十年 ，以是你一定要找到志同志合的人去干喜欢的事情 ，去让自己的人生生气勃勃。问：物理 AI 被英伟达的黄教主带火之后 ，许多公司都说是物理 AI 的公司 ，Momenta 在物理 AI 方面是一个什么样的位置？ 曹旭东：首先我以为物理 AI 是时势所趋 ，首先各人都知道数字 AI 有很大的优势 ，第一个就是数字 A