成立十年，不造全球“物理AI”第一股今日正式登陆资本市场。车的超

7月8日，拉上Momenta在港交所挂牌上市，市首开盘股价涨幅超6%，日开总市值迅速突破700亿港元，盘涨市场热度空前。不造

早在招股期间，车的超其展现出的拉上市场号召力便令人瞩目：14家顶级基石投资者集体入局，这种豪华阵容在近年港股IPO市场中极为罕见。市首

与众多聚焦自动驾驶的日开公司不同，Momenta明确将自身定位为“物理AI”。盘涨

资本市场已用真金白银，不造回应了对这一战略定位的车的超高度认可。

世界模型崛起，拉上成为AI新主线

巨头纷纷押注物理AI赛道

过去几年，AI技术的爆发主要集中在数字世界。然而近一年来，行业重心正加速从大语言模型（LLM）向“世界模型”转移。

数字AI的竞争已进入存量博弈阶段，技术边际收益逐渐收窄；而以世界模型为核心底座的物理AI，正成为科技巨头与资本市场共同瞄准的下一个增长极。

2025年，英伟达CEO黄仁勋首次公开提出“物理AI”概念，将其定义为能够理解现实物理世界，并与实体世界持续交互的AI。

黄仁勋将AI的演进划分为四个阶段：感知AI、生成AI、代理AI和物理AI。

物理AI的核心在于“AI与物理世界的深度融合”，关键在于让AI系统理解并应用重力、摩擦等物理规律，从而在真实世界中实现安全、可靠的行动。

黄仁勋预测，物理AI将开启新一轮万亿级的基建与产业浪潮。

英伟达已从芯片、世界模型到仿真平台，构建了完整的生态布局，将其视为自动驾驶与机器人领域的核心技术支点。

与此同时，特斯拉将FSD的核心迭代押注于世界模型，通过真实驾驶数据构建对物理世界的通用认知；OpenAI也在持续投入机器人与具身智能领域，其核心突破方向同样指向能理解真实世界的世界模型。

巨头们的集体行动印证了行业的共识：大语言模型定义了数字AI的上限，而世界模型将打开物理AI的巨大增量空间。

正如Momenta CEO曹旭东所言：“数字AI已卷成红海，物理AI才刚开场。”

数字AI率先爆发，得益于互联网数据易获取、线上验证成本低；而物理AI虽然数据获取门槛更高、落地验证周期更长，但其对应的产业体量与长期价值空间远超前者。

Momenta锚定物理AI定位，已实现“数据Scaling”与“商业Scaling”的闭环：一端是百万级量产车持续输送真实物理交互数据，另一端是规模化营收反哺技术迭代。这种正向飞轮效应，正是资本最看重的核心壁垒。

R7世界模型：点燃物理AI的“ChatGPT时刻”

如果说ChatGPT的横空出世标志着数字AI的“GPT时刻”，那么物理AI的“GPT时刻”正由世界模型开启。

Momenta之所以能支撑起物理AI第一股的估值，核心底气在于其R7世界模型。这是目前行业内少数真正实现量产落地，并作为端到端基座模型使用的世界模型。

在数字AI时代，大语言模型通过互联网海量文本学习语言规律和人类常识；而在物理AI时代，世界模型需要学习的是另一种规律：物理世界的运行规律。

物理AI落地的最大痛点，在于长尾数据的获取。极端罕见的车况、突发的意外情况，恰恰是决定自动驾驶安全与可靠性的核心瓶颈。

在传统路径中，企业要么依靠测试车队上路采集，效率低且场景有限；要么依赖渲染生成的合成数据训练，但合成数据与真实场景之间仍存在偏差。

R7世界模型依托海量真实数据，通过三层架构，完成了AI对物理世界从认知、推演到进化的完整闭环。

第一层：世界模型预训练——让AI真正懂物理

Momenta凭借100万辆量产车、累计超过120亿公里的实车里程，提炼出1亿段高质量的“黄金数据”，将真实场景中的物理常识、运动规律、因果关系压缩进基座模型。

不同于传统智驾模型针对特定场景编写规则，经过预训练的世界模型能够形成对物理世界的基础认知。就像人类天生理解惯性、距离和速度一样，AI开始具备通用的物理直觉。

第二层：世界模型仿真——打造超高效率的练兵场

基于生成式AI能力，世界模型可自主推演环境变化，模拟车辆行为改变后真实世界的反馈，对极端罕见的长尾场景进行海量验证。

这种仿真效率比传统实车路测提升上万倍。更关键的是，Momenta的仿真并非凭空渲染，而是基于真实数据学习而来，并通过实车数据持续对齐校准，大幅缩小了仿真与真实世界之间的差距，可靠性远高于传统渲染式仿真。

第三层：强化学习——配备真实世界的教练

在世界模型中引入强化学习，相当于给AI配备了真实世界的教练。

通过奖惩机制，大模型可在仿真环境中反复探索试错，不断优化决策逻辑，最终输出更安全、更顺滑的类人驾驶表现。

量产车端的海量用户反馈闭环，又能持续将真实场景的优化方向带回模型训练，形成“仿真训练——实车验证——数据回流——再迭代”的正向循环。

一套模型，打开万亿级想象空间

掌握底层物理规律的世界模型，其最大价值在于极强的泛化能力。

Momenta计划用同一套世界模型基座，支撑多场景的物理AI应用，彻底打破过往各场景孤立开发的行业模式。

该模型不仅同时赋能乘用车、Robovan、Robotaxi三大业务，未来还将快速拓展至Robotruck，甚至延伸至具身智能领域。

对世界模型而言，乘用车的城市道路、无人车的园区场景、货运卡车的高速工况，本质上都是物理规律的不同呈现。

只要理解惯性、碰撞、运动因果这些通用底层逻辑，就能以极低的成本快速适配新场景。

核心底层技术的跨场景复用，极大地摊薄了多业务线的研发成本。场景越多、数据越丰富，模型迭代速度就越快，边际成本也会持续降低。

与此同时，这套多场景策略面对的市场空间更为广阔。

据行业测算，到2030年，全球Robotaxi市场规模将达到818亿美元，中国市场占比近半；Robovan全球市场规模将达850亿美元，中国渗透率将高达14%；Robotruck全球市场也将突破330亿美元。

再加上快速渗透的乘用车城市NOA市场，Momenta的技术底座对应的是一个持续高速增长的蓝海。

智驾终局已现，Momenta锁定头部席位

物理AI的商业化率先从自动驾驶落地，而自动驾驶行业的终局格局已日益清晰。

根据CIC灼识咨询发布的数据，2025年3月至2026年2月，在中国第三方城市NOA供应商市场中，Momenta销量市占率高达65%，稳居行业第一。

其客户已覆盖国内全部主流乘用车企业，全球排名前10的车企中，有9家是合作客户。

市占率的绝对领先，只是规模效应的初步体现。

曹旭东曾提出一个核心判断：自动驾驶拥有比芯片行业更强的规模效应与先发优势。

因为软件的边际成本为零，规模不仅会带来成本下降，还会带来体验上的指数级提升。

数据越多，模型越好；模型越好，客户越多；客户越多，数据越多，最终形成强者恒强的马太效应。

这种规模效应已在Momenta身上得到验证。

它在2017年便获得奔驰投资，直到2025年底才正式量产落地，耗时整整8年。但Momenta在2024年拿下了奔驰所有电车与油车的智驾业务，一旦突破临界点，发展速度将显著加快。

同样，Momenta交付首个10万台量产车耗时2年，而如今完成同等规模的交付仅需不到40天。

工程效率的飞速提升，正是规模化带来的直接红利。

按照曹旭东的终局预判，智驾行业最终只会剩下少数玩家，中国市场2-3家，全球市场3-4家供应商能够胜出。

行业窗口正在关闭，而Momenta已在牌桌上抢先占据一席。

Momenta正在讲述的，不再是一个简单的自动驾驶供应商故事，而是一个万亿级规模的物理AI平台故事。

它已站在风口的最前沿。