对话Momenta曹旭东：登月自动驾驶，要先做出量产的「火箭」

整理｜ 樊舒琪

7月8日，对话登月自动驾驶独角兽Momenta正式以“6880”为股票代码在港交所主板挂牌上市。曹出量产开盘后，旭东先股价一度上涨超6%，自动市值突破700亿港元。驾驶

按每股295.6港元的火箭发行价计算，若“绿鞋”（超额配股权）全额行使，对话登月Momenta本次全球发售约2,曹出量产293万股，募集资金总额约68亿港元。旭东先

这一举动，自动无疑在汽车产业沉闷的驾驶价格血战中，敲出了一记令人振奋的火箭锤音。

过去十余年，对话登月汽车产业历经数轮残酷淘洗。曹出量产不仅决出了蔚来、旭东先理想、小鹏等造车新势力，更在产业链中突围崛起出宁德时代、禾赛科技，以及如今的Momenta等行业头部玩家。

这些企业的底层叙事高度相似：在狂热且充满不确定性的市场环境中，辨识并坚定践行自己的战略意志。其中，Momenta的经历尤为典型。

2016年创立之初，行业被自动驾驶技术点燃，资本蜂拥至L4级项目。然而，拥有微软和商汤计算机视觉背景的曹旭东，早早锚定了“数据驱动”与“数据闭环”的技术路径。他旨在构建一个数据与研发体系互相持续反哺的商业形态，因此确立了L2量产与L4自动驾驶“两条腿走路”的战略。

用L4探索前沿技术突破，并将能力下放至L2量产业务；同时，利用L2业务产生的海量数据形成“数据飞轮”，反哺L4自动驾驶技术的迭代。

“要实现规模化的L4，必须依赖数据飞轮及海量数据，缺一不可。没有这两个基石，‘登月’只是空谈。”

在Momenta上市前夕，36氪CEO冯大刚与高级内容总监杨轩专访了创始人曹旭东，回顾其早期的战略意图。

选择战略容易，但实践之路往往布满困顿与挫折。36氪获悉，从2016年至2022年，Momenta几乎探索了所有可大规模落地的L2量产业务，从后装一体机到为车企提供大量近乎免费的POC（前期验证）项目，逐一尝试。

曹旭东坦言，他曾深刻感受到从技术理念到商业落地的巨大落差。初入汽车行业时，他误以为如互联网般敏捷，产品立项至发布仅需数月或一两年。然而，从打入奔驰供应链到最终交付上车，Momenta耗时8年。

幸运的是，长期的锤炼让Momenta率先敲开了车企量产辅助驾驶算法的大门，稳居自动驾驶公司头部阵营。

上市前夕，Momenta宣布装车量突破100万辆。规模效应带动业绩线性增长：招股书显示，2023年至2025年，公司收入从7.43亿元激增至24.13亿元，毛利率达71.6%；随着规模效应显现，净亏损从10.93亿元大幅收窄至3.03亿元。

“很多人目标宏大，想‘登月’，便去登珠峰，因为珠峰离月亮最近。但登月需要造火箭。在我们看来，做L2量产，就是在造火箭。”曹旭东向36氪比喻道。

面对未来，Momenta做出了新的技术预判：拥抱世界模型（World Model）和强化学习。这套体系已应用于最新的R7世界模型。曹旭东对其充满信心，称R7“能与特斯拉FSD V14打得有来有回”。

对于Robotaxi业务，曹旭东规划稳健：目标在2028年运行1万台Robotaxi，中国与海外各占一半。

更长远来看，Momenta的战略重心指向机器人。曹旭东计划2027年启动机器人业务，理由有二：一是届时“Momenta Robot飞轮构建已较完善”，二是公司“溢出的能力刚好可赋能机器人”。

尽管行业不少公司及车企跨界做机器人早于Momenta，但曹旭东并不认为错失良机。这不仅因为机器人与自动驾驶在Data Infra、训练Infra、数据飞轮、大模型架构等方面高度复用，更源于Momenta在汽车产业中长期淬炼出的技术底座、组织体系及市场体量。

以下是36氪CEO冯大刚、36氪原创内容负责人杨轩与Momenta创始人曹旭东的对话实录，经编辑整理：

谈上市：核心在于品牌背书与信任构建

36氪：Momenta为何选择此时上市？

曹旭东：这是一个好问题。此时上市，核心是为了品牌和信任。

公司现金储备充足，亏损快速收窄，预计明年盈亏平衡，后年规模化盈利。因此，从现金流角度看，上市与否影响有限。

尽管我们是To B公司，但我们极度重视C端品牌及用户信任。上市能极大放大品牌影响力，帮助我们赢得用户、客户及资本市场的信任。

36氪：这是否类似英特尔策略？让用户觉得“英特尔CPU=好电脑”，同理“Momenta智驾=好车”？

曹旭东：这正是我们学习和借鉴的对象。

目前，奔驰、宝马、奥迪、丰田、本田、日产，以及上汽、奇瑞等国内车企，都在与我们进行联合营销（Co-marketing）。更好的品牌和更高的用户信任度，能直接助力客户卖车。

36氪：你希望资本市场如何定义Momenta？是智驾公司还是AI公司？你自己怎么看？

曹旭东：资本市场很聪明，不由我定义。

在我看来，我们是Better AI, Better Life。长期来看，我们是一家AI公司，自动驾驶是其中重要一环。

从城市辅助驾驶到未来的L4自动驾驶（包括乘用车、Robotaxi、Robotruck），其内核皆是AI。映射到物理世界，这个AI内核即World Model（世界模型）。

36氪：外界常将卖Token的公司定义为“纯血AI”，其他AI相关公司则不然，你觉得公平吗？

曹旭东：看法因人而异。短期看是投票机，长期看是称重机。我们最终要做“称重机”。

我们的决策永远非资本导向，而是价值导向——即如何为用户创造价值，并匹配我们的价值观。

举例：创业初期，行业主流及资本市场高估值方向是Robotaxi，而我们选择了看似非主流的“L2+L4双轮驱动”。为何？因为这是我们认为正确的道路，唯有此路才能最终实现规模化L4。

谈世界模型：自动驾驶的必要条件

36氪：目前“世界模型”概念火热，但定义各异。Momenta如何定义？如何确保其真正理解物理世界？

曹旭东：我们的世界模型包含三部分：World Model Prediction（预测）、Simulation（仿真）、Reinforcement Learning（强化学习）。

以预训练（Pretrain）为例，对标GPT。GPT的强大源于通过Next Token Prediction将互联网数据压缩为数字常识。对应的，World Model Pretrain通过对未来物理现象（如扔笔必落）的预测，将物理世界规律压缩进模型，赋予其物理常识。

36氪：世界模型对自动驾驶至关重要？

曹旭东：是的，不仅自动驾驶，机器人亦然。

去年下半年，我们在自动驾驶上验证了世界模型效果，今年量产。今年上半年在硅谷观察到，许多公司从VLA转向世界模型，因为大规模预训练后成功率大幅提升——从50%提升至90%，引发行业震动。

36氪：这与之前的“端到端”有何区别？

曹旭东：无冲突。端到端（End-to-End）是万物。ResNet、Transformer、GPT、强化学习、世界模型，本质上都是端到端。

36氪：那现在的“世界模型”相比几年前的“端到端”，进步体现在哪？

曹旭东：若无世界模型，仅靠端到端，自动驾驶任务将变得“畸形”。输入维度极高（数百万Token），输出极低（仅轨迹，几十Token）。这种高维到低维的映射极易导致过拟合或因果混淆，学到奇怪的关系。

引入世界模型后，模型先学习物理常识。如同受过高等教育的人，探讨物理问题只需寥寥数语；而未受教育者则可能陷入“地心说”等谬误争论。

36氪：世界模型是自动驾驶的终极答案吗？

曹旭东：是必要条件，但未必是终极答案，技术仍在快速进步。

强化学习、端到端均为必要条件。世界模型和强化学习均建立在端到端基础之上。

36氪：强化学习在世界模型框架下变得极度重要，其奖励函数设计是否有风险？

曹旭东：有风险。强化学习易出现“Reward Hack”（类似员工刷KPI），模型会偷懒。因此，Reward设计需兼顾安全性与拟人性。

36氪：强化学习是否明显提升了自动驾驶表现？

曹旭东：安全性提升巨大。例如R6引入强化学习后，安全性提升至少5-10倍。

谈优先量产：海量数据是规模化L4的前提

36氪：你提到的“飞轮两条腿”（L2+L4），既要有遥远的L4（月亮），也要有眼前的L2（六便士）。凭什么觉得能兼得？

曹旭东：并非为了“兼得”，而是认为唯有如此才能登月。

若只做L4，虽易获投资，但非长久之计。基于过往经验，实现规模化L4必须依赖数据飞轮与海量数据。

很多人想登月却去登珠峰（看似最近实则路径错误）。登月需造火箭，而做L2量产，就是在造火箭。

36氪：为何你的技术判断与当时多数做L4的公司不同？

曹旭东：创业初期我拜访Waymo，发现其出发点多为“老板想做”，兴奋但缺乏对根本性问题的战略思考。

这与我在微软和商汤的经历有关：规模化产品（能力达人类水平甚至超越）必须依赖海量数据及数据驱动算法。

36氪：这是第一性原理吗？你确信这是对的？

曹旭东：我们相信的东西正逐渐被实现，并转化为行业共识。

36氪：2016年成立，2020年前后才获车企订单，中间四五年外界疯狂做L4，你们有过自我怀疑吗？

曹旭东：没有。内部虽有分歧（“因相信而看见” vs “因看见而相信”），但我们坚持下来是因为建立了连续的正反馈路径。

反馈周期不能太长（如3-5年），否则难以坚持。我们通过技术研发和产品进展，每三个月就能看到正反馈。

36氪：最孤独的四五年里，哪些正反馈坚定了军心？

曹旭东：坚持数据驱动，并在技术研发上取得可见进展。尽管路线与主流不同，但内部能看到清晰的正向反馈。

36氪：从未焦虑过融不到钱？

曹旭东：从未。

36氪：听说与奔驰合作谈了8年，过程有何趣事？

曹旭东：8年其实算快。初入行时，我以为汽车行业如互联网般敏捷。一位资深师兄告诉我：汽车行业敲门需3年，开发需2年，量产需5年。若与奔驰合作，因品质要求极高，周期至少10年。

从获投到量产，我们耗时8年，略快于预期。

正反馈阶段：
1. 2017-2019（POC阶段）：完成行人检测等POC，奔驰于2018年底增持。
2. 2020-2022（PreSOP阶段）：进行量产前验证。
3. 2022年：获得奔驰小规模SOP项目。
4. 2024年后：量产开发效果优异，在友商PK中领先，奔驰将中国所有车型（含油电）交予我们。
5. 2025年底：奔驰首款车型量产，今年多款跟进。

36氪：L2蛋糕是否正在变小？渗透率见顶，单价下降，是否影响L4发展？

曹旭东：二线供应商陷入价格战负循环，但一线供应商仍在快速迭代。

以特斯拉为例，订阅费可观，体验极佳。随着技术提升，用户价值增加，商业回报亦增加。

案例：若自动驾驶安全性达人类10倍，保险费用可大幅降低。用户可能花2700元订阅城市NOA，仅付300元保费（原保费5000元）。商业价值明显增加。

因此，商业价值是萎缩还是增长，取决于产品水平及为用户创造的价值。

36氪：几年后，自动驾驶的价格和体验差距会很大？

曹旭东：一定会。

谈Robotaxi与机器人：家庭机器人需百亿美金投入

36氪：Robotaxi能否实现规模化盈利？

曹旭东：肯定能，且在加速实现。

目标：2028年运行1万台Robotaxi（中外各半）。

盈利方面，国内毛利低，海外高。若每台车年毛利1万美元，1万台毛利1亿美元，规模尚小。但2028年是拐点，预计2030年规模达10万台，毛利可达10亿美元。去年Robotaxi毛利已超2亿美元。

36氪：何时启动机器人业务？

曹旭东：2027年。

原因：L4/Robot飞轮构建完善，且组织/能力溢出，刚好可赋能机器人。

36氪：相比早入局的机器人公司，Momenta的优势劣势？

曹旭东：
* 优势：高度复用。Data Infra、训练Infra、数据飞轮、大模型架构、推理芯片、端侧模型均可复用。
* 挑战：机器人需要“现金奶牛”支撑。打造复杂的家庭机器人，累计研发投入至少需百亿美金。

36氪：百亿美金基于算力还是人力？

曹旭东：算力成本占大头，加上人力成本。

谈创业目标：机器人是下一个兴奋点

36氪：你从清华退学、博士退学、离开商汤，看似循规蹈矩实则叛逆。如今上市，你想做一家什么样的公司？

曹旭东：做一家自己热爱的公司。

我偏科严重，因对理科感兴趣而自学。我不追求发表论文，更关注解决实际问题。

创立Momenta时，未想成为第一，而是思考创造何种价值、做什么技术。选择自动驾驶，因其兼具感知智能与认知智能，有助于理解智能全貌。

36氪：那时你开过车吗？

曹旭东：没开过，连奔驰宝马标都认不全。

36氪：所以是从学术角度切入？

曹旭东：更多是认为自动驾驶是极好的切入点，目标是搞清“智能是什么”，用更好的智能创造更好的生活。车只是载体。

36氪：如何看待成功？

曹旭东：公司来到新起点。距离成功时它有吸引力，临近时并无额外喜悦。

36氪：下一个让你兴奋的是什么？

曹旭东：机器人。

疫情后回老家，大姑对自动驾驶仅说“很棒”，但对机器人问个不停：能送孩子上学吗？能买菜吗？能倒垃圾吗？

两年后，大姑问机器人何时出、卖多少钱。我估算约10万人民币，大姑表示“不贵，能买”。

36氪：10年后，Momenta会成为伟大公司吗？风险在哪？

曹旭东：这是我们的目标，也是百年使命。伟大的核心是创造价值（用户、客户、社会）。

关于风险，我们风格是不担心“天堑性问题”。我们办公室写着“危心”，意指需求三抓、问题三抓：
1. 定方向看价值，不看难度。
2. 看是否喜欢，决定能否超一流。
3. 找潜在问题和不同观点，以更好地实现目标。

谈竞争力：低质低价不长久

36氪：Momenta如何解决未知问题？

曹旭东：我们提出“You get what you name”（你命名什么，就得到什么）。

给问题起好名字，标准是凝练、顾名思义。好名字引发重复讨论，将模糊混沌状态转化为清晰状态。定义清晰，才能标准化。

36氪：组织进化能力极强，从400人2年，到100人1.5年，再到几人半年，靠什么？

曹旭东：非拼体力，拼脑力。将重复工作标准化、流程化、自动化（SPA）。标准化是前提，需良好架构与体系支撑。

36氪：效率和价格是杀手锏吗？

曹旭东：不打价格战。若对手价格夸张，我们退出。经验表明，低质低价不长久，客户最终会回归。内卷导致无钱研发，产品无竞争力，终将被抛弃。

谈行业竞争：R7 vs FSD V14

36氪：第三方厂商如何与车企自研竞争？

曹旭东：我们关注“竞”而非“争”。竞是比谁更好地创造价值，是互相学习的过程。做得好，自然吸引用户和客户。

36氪：主机厂自研 vs 第三方合作，谁更好？

曹旭东：都有可能。特斯拉、Momenta、华为都做得很好。

36氪：若车企必选其一自研，选智能座舱还是辅助驾驶？

曹旭东：选智能座舱。

自动驾驶像电池，只有“好”与“更好”，供应商已很成熟。车企需打造品牌差异化，智能座舱更能体现个性化，与品牌及目标人群结合。

36氪：当前竞争核心是什么？

曹旭东：非单点能力（易复制），而是多维度竞争，底层是组织与文化。

36氪：FSD与Momenta有何不同？

曹旭东：FSD极佳。Momenta在北美L2++产品体验接近L4。

我们有信心，最新R7世界模型能与FSD V14打得有来有回。

36氪：不同团队效果偏差100倍，主要因数据？

曹旭东：数据、Infra（数据/训练）、模型架构、Onboard Porting等上千个待决策点。若1%出错，结果尚可；若10%出错，效果天壤之别。

谈公司管理：青睐高潜新人

36氪：偶像马斯克？从他身上学到什么？

曹旭东：钦佩，但风格不完全适用。

佩服他换人的决心：2016-2018年FSD波折，每半年换一位行业大佬，直到Andrew Ng加入才稳住。这种坚定换人的魄力，其他公司难做到。

36氪：你如何看人？标准是什么？

曹旭东：面试难准。我们少招知名大佬，多招高潜新人（工作3-5年或刚毕业）。

AI迭代快，通过“Hand down”带教，高潜新人至少能培养1/3成为骨干。

36氪：员工最吸引你的特质？

曹旭东：对事情真正的喜欢。

喜欢钱或成功，聪明勤奋可达一流；但极致喜欢才能达超一流。超一流者，吃饭、洗澡、睡前皆在想此事。

36氪：你仍在一线看技术？

曹旭东：是。大模型时代，技术决策投入巨大，权力与认知需对等。通过一线一手数据，将认知拉至与决策权对等，才能做出高质量决策，避免浪费。

36氪：评价自己CEO还是研究者？

曹旭东：评价团队。

36氪：组织文化？效率？能打胜仗？

曹旭东：能打硬仗、胜仗。科学家自驱性强，如“自来卷”，对喜欢的事All in。

36氪：专家想在世界模型或具身智能领域发展，Momenta是最佳舞台吗？

曹旭东：绝对是最好的舞台之一。

36氪：如何打造这个舞台？

曹旭东：舞台是副产品。核心是把事做成。核心团队真心喜欢并致力于此，天然吸引纯粹、想成事的人。

36氪：上市后员工财富自由，会松懈吗？

曹旭东：员工财富化为社会财富，令人自豪。团队持股比例高（含全员）。

虽有担心，但无精力担忧。目前未感受到松懈，团队纯粹，不仅为钱，更为热爱。

本文地址：https://www.dr-wine.com/html/352d13299515.html