【文/观察者网 周盛明 编辑/高莘】

2026北京车展期间，Momenta在“Momenta R7，物理AI序章”主题分享会上宣布，R7强化学习世界模型实现量产首发。

随后，在媒体对话中，Momenta CEO曹旭东围绕物理AI、世界模型、数据飞轮、L4落地以及智能驾驶行业格局，进一步解释了Momenta的技术判断与商业路径。

这场对话的核心，其实可以归结为一个问题：当智能驾驶进入大模型时代，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，而是体系能力。

他认为，智能驾驶企业之间的差距，根本上来自“组织和文化和对应的体系的建设”。

在他看来，中国市场知识流动、人才流动速度很快，单点算法很难形成长期壁垒，真正能拉开差距的是数据迭代体系、训练体系、验证体系，以及支撑这些体系持续运转的组织能力。

这也解释了为什么Momenta反复强调数据闭环。曹旭东把数据比作矿石，而且是“含矿量很低的铁矿石”。

他说，真正的难点不是拥有数据，而是把“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”。

这意味着，海量原始数据只是价值源头，如何筛选长尾场景、训练模型、验证效果，并最终转化为车端体验，才是智能驾驶公司的核心能力。

在具体训练路径上，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，让模型形成物理常识；但他也强调，有物理常识不代表就是好司机。因为真实数据中既有好的驾驶行为，也有大量不好的驾驶行为，所以还需要Post-Training，把模型行为“激发或者对齐到人类好的行为上去”。

这正是Momenta谈“强化学习世界模型”的关键。曹旭东认为，世界模型的作用是把物理世界规律压缩进模型，使系统能够预测未来状态；强化学习则是在这个虚拟“练兵场”里反复训练，形成最优驾驶行为。

他在上汽大众ID. ERA 9X相关交流中进一步解释，世界模型“可以作为‘练兵场’进行闭环强化学习”，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记忆做出最优驾驶行为”。

这套逻辑背后，是Momenta对物理AI阶段的判断。曹旭东认为，“物理AI是大势所趋”。原因在于，过去几年数字AI突飞猛进，是因为互联网数据天然规模巨大，且数字世界验证成本低、周期短。但现实世界并不只有数字部分，“物理的部分可能是更大的一部分”。因此，数字AI中的成功经验和方法，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”，因为它最先实现了规模化的数据闭环和商业闭环。一旦体验接近人类水平，就可能迅速超过人类水平。

其背后的机制，是商业化带来更多数据，更多数据推动模型能力继续提升，二者形成正反馈。

这也解释了Momenta为什么同时布局乘用车辅助驾驶与L4。曹旭东明确表示，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应当能够覆盖不同垂直应用，并且在不同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代的平台电商：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。他认为，自动驾驶具有非常强的规模效应和先发优势，而且因为软件边际成本接近于零，这种规模效应甚至比芯片行业更强。

因此，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。

这种收敛并不会很温和。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。他以奔驰合作为例，Momenta从2017年获得奔驰投资，到2025年后半年第一个量产项目上市，中间经历了整整8年。

智能驾驶供应商一旦进入全球主机厂体系，就会形成长期合作壁垒；反过来，后来者想进入，也会面临漫长验证周期。

这也是Momenta看待“反向合资”的背景。曹旭东认为，中国技术正在从中国走向世界，但在进入海外市场时，也会对当地企业、就业和税收造成冲击。

因此，更好的方式是借鉴中国过去的发展模式，通过“反向合资”实现共赢：既让当地用户享受到中国高科技产品体验，也让中国技术赋能当地企业。

从这次对话看，曹旭东真正想表达的，并不是Momenta发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。

过去，行业关注谁的功能更多、谁的接管更少；现在，竞争正在转向谁能建立更完整的数据闭环、商业闭环和组织体系。

物理AI听起来像一个宏大的概念，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理更多复杂情况，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，不只是一次发布会上的技术名词，而是谁能把数据、模型、量产和商业化，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。