Momenta 于7月8日在港交所主板正式上市，股票代码为“6880”。公司开盘后股价一度上涨超过6%，市值达到700亿港元以上。

根据每股295.6港元的发行价计算，若超额配股权（绿鞋）全数执行，Momenta此次全球发售将发行约2,293万股，募集资金总额约68亿港元。

在汽车行业激烈的价格竞争中，Momenta的上市无疑是一件令人振奋的事件。

在过去十年多的时间里，汽车行业经历了多轮洗牌，不仅孕育了蔚来、理想、小鹏等造车新势力，也涌现出宁德时代、禾赛科技以及今天的Momenta等产业链上的头部企业。

这些成功企业有着相似的底层逻辑：在充满机遇的市场环境中，能够清晰地识别并坚定地执行自己的战略。Momenta的发展历程便是典型代表。公司成立于2016年，当时自动驾驶技术备受关注，资本纷纷涌向L4级自动驾驶项目。

然而，创始人曹旭东，一位在微软和商汤积累了深厚计算机视觉经验的专家，早在创业之初就确立了数据驱动和数据闭环的技术路线。他致力于构建一个能够持续相互促进的数据和研发体系。因此，Momenta从成立之初就制定了“两条腿走路”的战略：一方面专注于L2级别的量产，另一方面探索L4级别的自动驾驶技术。

通过L4技术的前沿突破，再将其能力下放至L2量产业务，并利用L2业务产生的数据形成飞轮效应，反哺L4自动驾驶的研发。

曹旭东在Momenta上市前接受36氪采访时表示：“要实现规模化的L4，一定需要数据飞轮，以及海量的数据，没有这两个东西，是不可能‘登月’的。”

Momenta的上市准备阶段，36氪CEO冯大刚与高级内容总监杨轩对创始人曹旭东进行了访谈。36氪了解到，从2016年到2022年，Momenta几乎尝试了所有能够大规模落地的L2量产业务，包括后装一体机以及为车企提供大量近乎免费的POC（前期验证）项目。

曹旭东也曾体会到技术理念与商业落地之间的差距。他回忆道，刚进入汽车行业时，他曾以为产品从立项到发布只需几个月到一两年，但实际上，Momenta从打入奔驰供应链到产品上车，耗费了整整八年时间。

经过长期的锤炼和准备，Momenta成为了首批敲开汽车厂商量产辅助驾驶算法大门的供应商之一，并跻身自动驾驶公司的第一梯队。

就在上市前夕，Momenta宣布其装车量已突破100万辆。伴随着规模的增长，公司业绩也呈现线性增长。招股书显示，从2023年至2025年，Momenta的收入预计将从7.43亿元增长至24.13亿元，毛利率将达到71.6%。随着规模效应的显现，净亏损也从10.93亿元收窄至3.03亿元。

曹旭东将Momenta的L2量产业务比作“造火箭”。他解释道：“很多人一开始目标很宏大，说想要登月，然后珠穆朗玛峰离月亮最近，那我就去登珠峰。但登月要干的事情是造火箭。在我们看来，我们做L2量产，实际上就是在造火箭。”

如今，Momenta再次做出前瞻性技术判断，将重心放在了世界模型和强化学习上。这套技术体系已应用于公司最新的R7世界模型。

曹旭东对R7世界模型充满信心，他认为该产品“能够跟特斯拉FSD V14打得有来有回”。对于其Robotaxi业务，曹旭东的规划也十分稳健，目标是到2028年运营1万台Robotaxi，其中中国和海外市场各占一半。

Momenta的长远战略布局还延伸至机器人领域。曹旭东计划于2027年启动机器人业务，一方面是因为届时Momenta的Robot飞轮将构建得更为完善，另一方面，公司届时“溢出的能力刚好可以做机器人”。

尽管行业内不少自动驾驶公司和车企已先行涉足机器人领域，曹旭东并不认为Momenta错失了最佳时机。他认为，机器人在数据基础设施、训练基础设施、数据飞轮以及大模型架构等方面与自动驾驶领域高度相似且可复用。此外，Momenta在汽车产业长期积累的技术底座、组织体系和市场体量，也为其进入机器人领域提供了信心。

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：

谈上市：上市旨在提升品牌与信誉

36氪： Momenta为何选择在此刻上市？

曹旭东： 这是一个很好的问题。公司选择在此时上市，更多是为了提升品牌影响力和赢得市场信赖。

实际上，我们公司的现金储备相当充裕，并且亏损正在快速收窄，预计明年即可实现盈亏平衡，后年实现规模化盈利。因此，从现金流角度来看，上市对我们的影响并不大。

尽管我们是一家面向企业的B端公司，但我们高度重视C端品牌形象以及C端用户对我们的信任。上市能够极大地放大我们的品牌效应，从而帮助我们赢得用户、客户以及资本市场的认可。

36氪： 这是否类似于英特尔的策略，让用户认为搭载英特尔CPU的电脑就是好电脑，同样，使用了Momenta的辅助驾驶，汽车就一定好？

曹旭东： 这确实是我们学习和借鉴的目标。

目前，我们的许多客户在产品发布时会与我们进行联合营销，例如奔驰、宝马、奥迪、丰田、本田、日产等国际品牌，以及上汽、奇瑞等国内车企，都在与我们进行联合推广。我们品牌影响力的提升和用户信任度的增强，也将助力我们的客户更好地销售汽车。

36氪： 您希望资本市场如何定义Momenta？是将其视为一家智能驾驶公司，还是AI公司？您本人又如何看待Momenta？

曹旭东： 我认为资本市场的参与者都非常聪明，他们会根据自身判断来定义公司，而非我所期望的那样。

在我看来，我们致力于“Better AI, Better Life”。从长远来看，我们无疑是一家AI公司，自动驾驶是其中的重要组成部分。

自动驾驶，从当前的城市辅助驾驶到未来的L4自动驾驶，无论是乘用车还是Robotaxi、Robotruck，其核心都是AI。而这个AI的核心，对应到物理世界，就是“World model”（世界模型）。

36氪： 当前许多人强调“纯血AI”的概念，认为只有出售token的公司才是真正的纯血AI，而其他与AI相关的公司可能不会被如此定义。您是否觉得外界这样定义Momenta不公平？

曹旭东： 不同的人有不同的看法。我曾见过一句话：“短期是投票机，长期是称重机。”我认为最终还是要成为“称重机”。

我们公司的许多决策并非由资本驱动，而是更多地基于价值导向。我们关注如何为用户创造价值，做什么事情能够与我们的价值导向相契合，我们就采取相应的方式。

举个例子，公司早期提出的“飞轮两条腿”战略，即同时推进L2量产和完全无人驾驶，在当时整个行业都在专注于Robotaxi的情况下，并不被主流理解。但我们之所以做出这样的选择，是因为我们认为这是实现规模化L4的必由之路，因此我们坚定了这条路径。

谈世界模型：世界模型是自动驾驶的必要条件

36氪： 我听说您也会亲身参与一线工作，了解最新的技术发展。当前AI技术和新概念层出不穷，例如“世界模型”，但每个人对其定义似乎都不尽相同。Momenta如何定义世界模型？你们如何确保你们的世界模型真正理解物理世界？

曹旭东： 我们的世界模型主要包含三个部分：第一是World model prediction（世界模型预测），第二是World model simulation（世界模型模拟），第三是World model reinforcement learning（世界模型强化学习）。

以World model pretrain（世界模型预训练）为例，我们对标的是GPT。GPT之所以如此强大，是因为它进行了预训练。预训练是通过“next token prediction”（下一个词预测）来实现的，它利用互联网上的海量数据进行训练，将数字世界的常识压缩到模型之中。

相应地，World model pretrain就是通过预测未来来实现的。例如，我将一支笔扔向空中，它会掉下来，这便是对物理世界规则的预测。拥有海量此类数据，我们便能进行此类预测，并将整个物理世界的规律压缩到模型中，从而使模型具备物理常识。

36氪： 所以说，世界模型对于自动驾驶至关重要。

曹旭东： 的确如此，不仅是自动驾驶，机器人领域也同样如此。

去年下半年，我们在自动驾驶领域已经验证了世界模型的有效性，今年将实现量产。

今年上半年，我在硅谷观察到，许多公司已从VLA（Vision-Language-Action）转向世界模型，因为通过世界模型进行大规模预训练，其成功率能够大幅提升。我有一个大致的数字（可能不完全准确，仅供参考），成功率从50%提升到了90%，这是一个非常显著的进步，在行业内引起了巨大反响。

36氪： 在此之前，大家普遍采用的是端到端（end-to-end）模式，这与现在提出的世界模型有何区别？

曹旭东： 这两者之间没有冲突。端到端是“一切皆可端到端”。ResNet是端到端，Transformer是端到端，GPT是端到端，强化学习是端到端，世界模型也是端到端。可以说，当前任何一个模型都可以被视为端到端。

36氪： 那么，当前大家所说的世界模型，与几年前行业内常说的端到端模式相比，其进步体现在哪里？

曹旭东： 如果没有世界模型，仅仅是端到端，那么自动驾驶任务就是一个略显畸形的问题。因为其输入维度非常高，如果不进行压缩，输入的token数量可能达到数百万甚至更多。

然而，输出的可能仅仅是自动驾驶的轨迹，其token数量可能只有10个或几十个。

这就意味着从非常高维的输入到非常低维的输出。这种情况下，很容易出现过拟合或因果混淆，模型可能会学到一些奇怪的映射关系。

但如果引入World model，它首先学习的是物理常识。你会发现，当一个人拥有常识时，就像他从小学一路读到大学。此时再与他探讨一个大学物理问题，会相对容易，可能几句话就能讲清楚。

如果这个人从未上过小学、中学，你再与他探讨物理问题，他可能会和你争论，例如认为地球是宇宙的中心等等。

36氪： 您认为世界模型是实现自动驾驶的终极答案吗？

曹旭东： 我认为它肯定是一个必要条件，但未必是终极答案，因为技术仍在快速发展。

再比如，强化学习是否是必要条件？我认为是。端到端是否是必要条件？肯定也是。尽管目前大家可能不再频繁提及端到端，但实际上，强化学习、端到端都是构建在更基础之上的。世界模型或强化学习，都是在端到端基础上的进一步发展。

36氪： 那么，在世界模型的框架下，强化学习是否重新变得极其重要？使用强化学习方法训练世界模型时，是否存在潜在问题，例如奖励函数的设计？

曹旭东： 是的，强化学习非常重要，尤其是在安全性方面，能够带来显著的提升，至少是5到10倍的提升。

但也确实存在一些挑战，因为强化学习容易出现“reward hack”（奖励函数被滥用）的情况，就像员工会“hack”公司的KPI一样，模型也特别容易“偷懒”。因此，强化学习的奖励函数需要精心设计，一方面要保证安全性，另一方面要考虑行为的拟人化，所以我们也设计了一些关于“如何拟人”的奖励。

36氪： Momenta是否观察到强化学习明显提升了自动驾驶的表现？

曹旭东： 在安全性方面提升非常显著。例如，我们的R6在引入强化学习后，安全性相比之前有了至少5到10倍的提升。

谈优先量产辅助驾驶：拥有海量数据才能实现规模化L4

36氪： 您刚才提到了“飞轮两条腿”战略，即同时推进L2和L4。这让我想起了毛姆的《月亮与六便士》，其中月亮代表遥远的理想，六便士代表触手可及的现实。在某种意义上，您当年选择“两条腿走路”，既要了遥远的L4，又要了眼下的L2，这或许是一个现实的选择，也可能是一个极具野心的选择。您凭什么认为自己可以同时兼顾两者？

曹旭东： 当时做出这个选择，我并非考虑“凭什么两个都要”，而是认为“只有这样做了，才有可能实现登月”。

如果只做L4，可能会获得大量投资，但资金并非唯一决定因素。我们选择这条路线，更重要的原因是基于我过往的经验形成的认知：要实现规模化的L4，必然需要数据飞轮和数据驱动。其次，需要海量的数据。

许多人目标宏大，想要“登月”，于是选择离月亮最近的珠穆朗玛峰作为目标。但“登月”真正需要的是“造火箭”。在我们看来，我们所做的量产业务，实际上就是在“造火箭”。

36氪： 所以，“飞轮两条腿”是一种技术判断。然而，当年许多L4公司也由技术背景的创始人创立，为何您的技术判断与他人不同？

曹旭东： 我也曾深入思考过这个问题。在我创业初期，曾去硅谷与Waymo的团队交流。交流后，我发现他们的公司确实很优秀，但同时，我也感到有些失望。我问他们一个非常本质的问题：您认为要实现规模化的L4，最根本的问题是什么？

交流下来，我发现他们做事更多是出于创始人的想法，觉得这件事很令人兴奋，所以就去做了。但对于要将此事做成，最根本的问题是什么，以及可以通过何种战略路径来解决这些问题，他们并未深入思考。

当时我感到非常意外和吃惊。

但另一方面，这也更加坚定了我按照自己的想法去执行的初心和决心。

36氪： 您刚才提到的“他们没有思考的、最根本性的问题”是指什么？

曹旭东： 可能与我在微软和商汤的经历有关。我曾参与过一些规模化的产品项目，在非常小的垂直领域，其能力可以达到甚至超越人类水平，这些项目都需要海量的数据。并且，要有效利用海量数据，必须有一个数据驱动的算法。当然，具体的数据驱动算法如何实现，采用何种架构、何种模型，有很多不同的方法。

36氪： 这听起来像是“第一性原理”。许多人自认为是第一性原理的信徒，但每个人看到的第一性原理以及最终得出的结论却大相径庭。您认为您现在的判断是正确的吗？

曹旭东： 我认为我们所坚信的东西，正在逐步被我们实现，并且在实现的过程中，也逐渐成为行业的共识。

36氪： Momenta成立于2016年，但直到2020年前后才获得车企的订单，这中间经历了四五年时间。当时行业内都在疯狂地追逐L4，你们是否曾质疑过自己？

曹旭东： 没有。

36氪： 公司内部是否有人质疑？

曹旭东： 一定会有。有些人是“因为相信，所以看见”，有些人是“因为看见，所以相信”。在技术落地、产品落地、商业落地之前，大家看的是什么？看的是融资。谁融到的钱多，谁更能获得资本的认可，谁就显得更正确。

我们之所以能够坚持下来，是因为我们内部有一条连续的反馈路径。这条路径并非三年才出现一次正反馈，可能是三个月。通过我们的技术研发和产品进展，就能看到正反馈。

36氪： 这个正反馈是你们有意建立的吗？

曹旭东： 一定是的。我认为任何一个“一号位”（例如产品、商业或技术负责人），都不能让反馈周期过长。如果反馈周期是三年、五年，那么很少有人仅仅因为相信就能坚持下来。

36氪： 在那段最孤独的四五年里，支撑你们内部军心的几个关键正反馈是什么？

曹旭东： 我认为非常重要的一点是，我们坚持数据驱动，并在数据驱动的技术研发上取得了一些显著进展，这些进展大家都能看到。虽然我们的技术路线与行业主流有所不同，但我们自己能够看到这条技术路线取得的进展，并获得了正反馈。

36氪： 你们从未担心过如果融不到钱怎么办吗？

曹旭东： 没有。

36氪： 之前我与您的同事交流时，让他们讲故事，他们说我们是技术公司，没有什么故事可讲。我表示一定会有的，后来他们讲了一个与奔驰合作的故事。据说Momenta与奔驰的合作洽谈了八年才最终达成。

曹旭东： 他可能想表达的是八年才实现量产。

36氪： 是的。在这个过程中，有什么有趣的事情吗？

曹旭东： 首先，我想说八年实际上是快的。

36氪： 但套用您刚才说的正反馈周期，这是八年才出现一次正反馈。

曹旭东： 好问题。我先解释一下为什么八年算快。

我刚进入汽车行业时，还是“初生牛犊”，以为这个行业就像互联网行业一样，从产品立项到产品发布只需几个月，最慢可能一两年。

当时我的一位师兄在汽车