女半夜骑忽然被细线勒住脖颈，有关部门已染指

作者 | 柴旭晨编纂 | 周智宇2026 年的北京车展上，" 物理 AI" 成了被沉复最多的词之一
。从前两年，全球科技行业的主角是数字 AI：大模型会写作、会编程、P 图，险些沉做了一遍互联网入口
。但当数字世界的数据盈利被急剧消化之后，产业起头把眼光投向更大的现实世界——路路、工厂、仓库、家庭、城市交通系统
。底层技术从数字空间迁徙到物理空间，已经成为新的产业共识
。问题在于，谁能成为物理世界的 OpenAI？这次北京车展上，Momenta 给出的答案是：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 颁布 R7 强化进建世界模型，并将其界说为 " 物理 AI 序章 "
。Momenta CEO 曹旭东在颁布会后对华尔街见闻暗示，" 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目前少数可能同时买通 " 数据关环 " 与 " 贸易关环 " 的物理 AI 赛路
。这是理解 " 为什么自动驾驶是物理 AI 序章 " 的关键
。数字 AI 从前之所以发作，是由于具备三个前提：海量低成本数据、急剧低成本验证、成熟贸易入口
；チ峁┪谋尽⑼计⑹悠凳，用户点击一次、追问一次，模型就获得一次反馈，产品再通过订阅、告白、API 变现
。而大无数物理 AI 领域并不具备这些前提
；等巳笔荨⑷背【啊⑷狈蠢，更缺不变现金流
。一个机械臂想学会抓杯子，要真实硬件、真实作为、真实损耗；一次试错的成本，远高于数字世界的一次模型推理
。曹旭东向华尔街见闻直言，OpenAI 早期既做机械人，也做数字 AI，但阶段性烧毁机械人去做 GPT，一个沉要原因就是 " 机械的数据太难获得了
。"在曹旭东看来，GPT 必要的互联网数据，自身已经具备超大规模 
。但自动驾驶既属于物理世界，又天然占有持续数据源
。每一台量产车都是移动传感器，每一次通勤、变路、避障、拥挤、停车，都是模型训练样本
。只有车辆规模足够大，真实世界的数据就会源源不休进入系统
。与此同时，它还有清澈的贸易入口
。用户愿意为辅助驾驶买单，车企愿意为智能化竞争力买单，供给商能够通过定点、授权、装车获得收入
。技术提升不仅意味着论文成就更高，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馈机造
。" 吓仔了数据关环，而后才有足够好的履历，这个足够好的履历一旦达到了靠近人类的水平或者超过人类的水平的时辰，就可能实现发作式的贸易化
。而这个发作式的贸易化之后，又会带来数据发作式的增长
。" 曹旭东说路
；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 在这个飞轮里占据有利地位
。公司披露，已交付超过 70 款量产车型，累计定点车型数超过 200 款，搭载其系统的量产车辆规模已超过 80 万台
。本届北京车展，超过 20 个品牌、60 余款车型搭载 Momenta 规划，蕴含奔腾、奥迪、宝马新颁布车型
。这 80 万台车，不只是装机量，更是 80 万个持续采集现实世界复杂路况的数据节点
。OpenAI 的模型靠全球用户提问进化，Momenta 的模型靠全球车辆上路进化
。但有了数据，还不够
。物理 AI 真正的难点，不是看见世界，而是理解世界
。 破局曹旭东向华尔街见闻诠释路，大说话模型依附 Next Token Prediction 预测下一个词，从而压缩数字世界学问；而物理 AI 要依附 World Model Prediction，预测物理世界下一刻状态和交互逻辑，让模型理解物体活动法规、因果关系和潜在变动
。" 因而，世界模型与强化进建，共同组成物理 AI 的两大主题支柱
。"这句话拆开看
。数字 AI 的性质，是说话预测
。物理 AI 的性质，是现实预测
。前车急刹后，后车会不会追尾；雨天路面打滑时，造动距离会耽搁几多；路边儿童忽然冲出，车辆还有没有避让空间——这些都不是文字问题，而是动态世界问题
。Momenta 给出的解法，是 " 世界模型 + 强化进建 "
。Momenta 研发 SVP 夏炎指出，Momenta 的世界模型分三层：第一层是预训练，用海量真实驾驶数据把物理法规、学问与因果关系压缩进模型；第二层是仿真，让模型在虚构环境中推演行为变动后世界若何演变；第三层是在世界模型中进行强化进建，让系统在靠近真实的环境里反复试错、自主优化
。这套结构，性质上是在复造 OpenAI 的成功蹊径，但训练对象从说话造成现实世界
。先进建学问，再进行后训练，再通过强化进建获得更优决策
。曹旭东也提到，仅有学问并不代表是好司机
。" 大量的数据里面有好的驾驶行为，但是更多的是不好的驾驶行为
。" 因而预训练之后，还必要 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
。现实司机遇急刹、犹豫、加塞、分心，模型若只是仿照人类均匀水平，只能成为通常司机
。只有通过强化进建筛选更优行为，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——它是第一个真正必要解决现实世界复杂博弈，又具备规模数据和贸易回报的场景
。更沉要的是，它还能持续表溢
。曹旭东向华尔街见闻泄漏，Momenta 的 L4 业务不只做 Robotaxi，也做 Robovan，明年还会做 Robotruck
。他们相信，" 一个自动驾驶的大模型可能实现所有的自动驾驶垂直利用，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 把统一个模型延长到搜索、办公、客服、编程；Momenta 则想把统一个驾驶大模型延长到乘用车、出租车、物流车、卡车
。分歧场景共享底层能力，分歧场景再反哺模型进化
。这是平台公司的典型蹊径
。当然，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 "；通用机械人可能必要 " 几百亿美金到千亿美金 " 级别投入 ，所以他的结论极度现实：持久只靠融资并不现实，" 肯定要有现金流业务来支持物理 AI 的研发
。"这刚好是 Momenta 相较很多概想型 AI 公司的优势——它已经占有量产业务、客户订单和真实收入，再把现金流投入下一代模型训练
。好多公司在谈物理 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，那条以仙童半导体定名的街路点燃了他的创业想头
。他说，但愿与所有中国 AI 公司一路，书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 先让机械学会措辞，Momenta 想让机械学会在现实世界里行动
。以下是与 Momenta CEO 曹旭东的对话实录：问：当下全球汽车产业盛行反向合伙，越来越多的海表车企看沉了中国的科技巨头，怎么对待这种新的趋向？曹旭东：中国的技术此刻在从中国走向世界，整个发展速度非？斓，进入海表的市场，好比说进入欧洲的市场，进入其他的一些市场的时辰，给本地用户带来更当先的产品价值，但是另表一方面也会带来一些冲击，好比说冲击本地的公司、本地的就业或者是本地的税收等等
。比力好的一个解决规划就是借鉴中国之前的模式，就是跟中国进建，来做反向合伙，反向合伙完之后，既让本地享受到了中国高科技的技术和产品很好的用户履历，另表一方面就相当因而中国的技术赋能本地企业，对本地企业带来更多的发展，带来更好的工作机遇、更多的就业、更好的税收，是一个共赢的模式
。问：今年车展上有哪些海表的客户和 momenta 互换？过程中有过哪些挑战？ 曹旭东：不但是今年，去年的时辰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、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，是中国的速度和国际 OEM 的尺度，有时辰是矛盾和矛盾的，但是这个矛盾和矛盾重要萦绕着客户和用户，以客户和用户的价值为中心去共创，好多时辰都能找到更好的创新性的步骤，带来更好的了局
。 问：数据飞轮在现实量产的过程中，最大的瓶颈是什么？ 曹旭东：数据这件事件，它不是单单的数据自身，你能够以为数据它就是矿石，并且是含矿量很低的铁矿石，所以你要把数据真的用起来的话，首先你要把这个贫矿造成富矿
。我举一个例子，在高速上三只幼狗列队横穿高速，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？它的难度自身就是一个海底捞针的难度，这已经有很高的门槛了，你怎么把贫矿造成富矿，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，这步崆最终的价值，所以整个的数据飞轮的系统，它是一个别系能力，占有原始数据，占有海量的原始数据仅仅是一个价值源头的 10%，剩下的 90% 是来自于这个别系的价值，这是第一个问题
。问：此刻有一种说法，数据不难，但是用好数据比力难，Momenta 怎么去用好这些数据？ 曹旭东：像3377体育大模型，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3377体育量产车，我们此刻已经 80 万台车了
。海量量产的数据，并且量产的数据蕴含了大量的长尾数据，通过 World Model Pre-Training 来预训练这个模型
。预训练完这个模型之后有物理学问，但是有物理学问不代表它是一个好司机，由于大量的数据里面有好的驾驶行为，但是更多的是不好的驾驶行为，所以就有一点像数字 AI 里面大模型的训练一样，你通过海量的数据作为输入，它具备了这个世界的学问，但是不代表着它有好的行为，所以你还是必要 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：今年北京车展上好多的车企都在强调自己的辅助驾驶技术路线的分歧，Momenta 的世界模型最大的特点是什么？ 曹旭东：更沉要的不是单点算法，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肯定涉及到弃取，不是所有的创新都能放到统一个架构里面，涉及到架构的话就涉及到弃取，好的架构可能实现更好的堆集和更好的合力，架构之上又蕴含了系统，这个别系蕴含了数据迭代的系统，蕴含了训练的系统，也蕴含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，益阳为橘、永州为枳
。我感触底子上的企业之间的差距来自于组织和文化和对应的系统的建设，这是有更大的差距的
。而具体的单点的算法的话，这个创新当然很沉要了，每一代的算法架构的创新，现实上会带来大的进取，但是婉转来说，在中国的环境下，知识的流动和人才流动的速度其实是比力快的，仅仅是单点算法的话，并不存在出格大的壁垒或者差距性，有壁垒的是系统和组织的能力，所以你会发现，可能各人说的都是同样的单点算法的方向，但是最终做出来的成效可能有一代或者两代的差距，背后不是单点算法的差距，背后是系统和组织的差距
。 问：Momenta 成立 10 周年过程中的分享？ 曹旭东：我感触还是蛮幸运，一路走来，最沉要的还是跟志同路合的人去干真正喜欢的事件，真的会让你的人生朝气勃勃，创业过程中有好多的难题和挑战，这些难题和挑战，每一年城市感触，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
。若是你不享受发现问题、解决问题的过程，你不享受和你身边志同路合的人共同去索求、共同去面对难题和解决难题的过程，其实创业遇到的这些难题是很难对峙下去的
？赡芤ё叛蓝灾乓荒，咬着牙对峙两年，咬着牙对峙三年，很难对峙十年，所以你肯定要找到志同路合的人去干喜欢的事件，去让自己的人生朝气勃勃
。问：物理 AI 被英伟达的黄教主带火之后，好多公司都说是物理 AI 的公司，Momenta 在物理 AI 方面是一个什么样的地位？ 曹旭东：首先我感触物理 AI 是大势所趋，首先各人都知路数字 AI 有很大的优势，第一个就是数字 A