刚刚，物理世界的“Anthropic”交卷！

今年年初，黄仁勋宣布物理AI将继数字AI之后成为下一个万亿级增长浪潮。

半年后， Momenta在港交所挂牌上市，创始人曹旭东敏锐地感受到物理AI浪潮正在重塑智能驾驶的演进路径。

最近，Momenta（06880.HK）迎来了上市后首份半年财报。

财报显示，上半年实现营收16.02亿元，同比增长75.9%，剔除股份薪酬后毛利为12.1亿元，同比增长75%，属于行业高位。更具标志性的是经调整净亏损降至1409.7万元，同比大幅收窄96.6%，经营活动现金流出同步收窄46.8%。

■ Momenta上半年营收创新高

在自动驾驶全行业“增长必伴随烧钱”的惯性叙事下，这份“营收提速、亏损收窄”的反向剪刀差，打破了市场对智驾公司的刻板印象。

财报数字固然亮眼，但真正值得拆解的，是这组数据背后一套跑通了的“技术——商业”逻辑。

智能驾驶行业沉浮十余年，始终绕不开三个核心问题：L2量产与L4无人驾驶是各自为战的两个方向，还是一脉相承的一条路？规模化交付与持续盈利是否注定是二选一的悖论？智驾公司的终局是汽车Tier1，还是更广阔的AI产业玩家？

Momenta这份财报的价值，正在于它用实打实的业务与财务结果，给出了自己的完整答案。

以“一个飞轮，两条腿”为底层战略，用世界模型基座平台打通技术与商业的边界，最终走向物理AI平台级定位的演进路径。

■ Momenta上市当日

这不是单季度的业绩波动，而是行业级范式升级的一次预演。

“一个飞轮，两条腿”，重新定义L2与L4的底层关系

智驾行业长期存在二元对立的误区，那就是L2是赚钱的当下业务，L4 是烧钱的远期故事。

两者分属两套团队、两套技术栈，前者的利润永远填补后者的投入窟窿，始终无法形成正向闭环。

当行业处于下行周期，甚至出现大量公司主动收缩L4业务、全面转向L2量产的趋势，两条路线的分歧愈发明显。

Momenta从成立之初就跳出了非此即彼的框架。

财报电话会上，CEO曹旭东用“造火箭”与“登月”作比喻，清晰定义了两者的底层关系。

大规模L4无人驾驶是终局的“登月”目标，L2量产不是平行的另一条赛道，而是建造火箭、打磨基础能力的必经阶段。

曹旭东说：“靠登珠峰永远到不了月球，局部场景的快速推进，替代不了核心基础能力的长期建设。”

这正是“一个飞轮，两条腿”战略的核心逻辑，L2量产与L4无人驾驶不是两条独立业务线，而是共享同一套算法、同一套模型、同一套数据闭环的统一体，转动整个体系的轴心，是数据驱动的正向飞轮。

就在前不久，Momenta全球解决方案首席架构师饶庆在上市前的公开讲话中表示，“真正的护城河从来不是某一个算法，而是持续获取真实世界数据、自动筛选高价值数据、快速完成模型迭代的完整飞轮能力。”

截至2026年上半年，搭载Momenta方案的量产车已超110万台，累计真实行驶里程突破150亿公里，公司从中筛选出超过1亿段高价值“黄金数据”，配合每日超1000万公里的仿真训练，形成“数据积累-算力投入-模型进化-业务落地”的四层正向循环。

对于Momenta来说，规则只能决定智能驾驶的能力下限，数据才决定能力上限。

实验室可以验证算法，却无法穷尽开放道路上的长尾场景。每天运行的量产车辆不断产生新数据、发现新问题，才是模型持续进化的核心燃料。

这种统一的技术路线，让Momenta避免了行业普遍的资源内耗。当同行还在为L2和L4分别搭建团队、重复造轮子的时候，Momenta的量产业务既是收入来源，也是数据源头和技术试验场，而L4业务既是技术高地，也是能力延伸的新场景。

两者同源共生，共同推动世界模型基座平台的持续进化。

“世界模型”，破解智驾行业的规模化与盈利困局

如果说“一个飞轮，两条腿”解决了技术路线的统一性问题，那么世界模型基座平台则真正把技术优势转化成了商业优势，直击行业规模化效率低、盈利模式模糊两大长期痛点。

在传统项目制交付模式下，智能驾驶方案的扩张是典型的线性增长。每一款车型都需要深度定制化开发，动辄投入400人研发两年，交付周期长、边际成本高。

这种模式下，收入增长永远追不上成本投入的速度，全行业陷入“越扩张、越烧钱”的怪圈，这也是头部智驾公司营收屡创新高，却始终难以跨过盈亏平衡线的核心原因。

Momenta的破局之道，是用统一的世界模型基座平台实现技术复用的规模效应，把线性的项目制交付，升级为非线性的平台化复用。

通过主线复用、工具化和自动化开发体系，公司将单车型研发周期从此前的约400人投入两年，压缩至数10人约三个月，交付效率呈指数级提升。

2025年全年，Momenta交付超40款车型；2026年上半年，公司已完成37款车型交付，接近去年全年的交付总量。

配合“铺天盖地”的客户策略，Momenta以大数法则对冲汽车行业单一车型销量波动的风险。

截至2026年上半年，公司已与全球26家车企建立合作关系，累计定点车型超230款。

CIC灼识咨询《2026中国智能驾驶行业研究报告》显示，Momenta在第三方城市NOA供应商市场中份额稳居第一，是首个实现全球规模化智能驾驶方案量产的中国企业。

规模效应直接体现在财务端的改善上。

随着客户与车型矩阵的持续扩大，同一套世界模型基座平台的能力可以被不断复用，单位研发成本被持续摊薄，最终形成营收增速快于成本增速的经营杠杆，这才是经调整净亏损同比收窄近97%的真正核心原因。

Momenta并没有通过压缩研发投入换取短期利润，而是靠技术复用率的指数级提升，让同一份研发投入产生多份业务回报。

财报显示，上半年公司研发投入占营收比例仍达73%，研发人员占比79%，依然维持行业顶级的研发强度。

更关键的是，L4业务与全球化布局并不是新增的成本包袱，而是世界模型基座平台能力的自然外溢。

如Robovan直接复用乘用车领域验证多年的“无图方案”，无需重新做高精地图适配，快速覆盖快递接驳、生鲜配送等多场景，目前已落地苏州相城，合作方集齐邮政、京东、顺丰等头部物流企业。

■ Robovan路跑

Robotaxi的感知与决策核心直接继承自量产世界模型基座平台，仅需针对出行场景做少量优化，便在7月拿下德国全国范围L4级自动驾驶测试许可，成为首个获此资质的中国企业，年内计划拓展至全球10余座城市。

■ 德国路跑

与此同时，今年3月发布的R7世界模型已进入量产交付阶段，多场景表现较R6提升三至五倍，且沿用R6的传感器与芯片配置，客户无需为软件升级增加硬件成本，进一步放大了规模化渗透的性价比优势。

为什么说Momenta是物理世界的“Anthropic”？

当行业还在把Momenta归类为“头部智能驾驶方案商”的时候，它的定位其实已经悄悄超出了自动驾驶的范畴。

某种程度上，Momenta更像是物理世界的Anthropic，正在把大语言模型领域验证过的Scaling Law，第一次完整复刻到物理世界。

这个类比的核心逻辑，在于两者的底层发展路径高度同构。

正如饶庆所言，物理AI的发展路径正在越来越接近大语言模型，从预训练、中间训练到后训练，再到强化学习，两者的方法论与人才体系已经高度趋同。

Anthropic的核心路径，是用海量互联网文本数据训练通用语言基座模型，靠数据规模与算力投入驱动能力指数级提升，再用一套基座支撑对话、代码、创作等多元场景，走“基础模型优先、多场景复用”的路线。

而Momenta的逻辑类似，用海量真实道路数据训练通用物理世界基座模型，靠量产数据的持续积累驱动模型认知能力进化，再用同一套世界模型基座平台支撑乘用车、Robovan、Robotaxi、Robotruck等多元物理场景。

两者都没有沉迷于垂直场景的短期变现，而是选择先打磨通用能力，再向各场景外溢复用。

更深层的一致性在于，它们都抓住了各自时代最核心的生产资料。

大语言模型时代，最核心的资产是高质量的互联网语料库；而物理AI时代，最核心的资产是真实世界的高质量数据闭环。

数据的价值早已成为行业共识，但真正能建立起可持续数据飞轮的公司少之又少。很多公司要么数据规模不足，要么缺乏高效的数据筛选机制，导致海量数据不仅不能提升模型，反而增加算力与存储负担。

Momenta通过百万量产车建立的“数据采集-价值筛选-模型训练- OTA迭代”完整闭环，就像Anthropic掌握的高质量语料库，是最难复制的核心壁垒。

这套体系能够持续从真实道路中挖掘高价值的长尾场景数据，不断喂养世界模型基座平台，再通过OTA将升级后的能力推送到海量量产车中，形成自我强化的正向循环。

而当这套世界模型基座平台对物理世界的预测、决策能力持续进化，它的边界绝不会止于自动驾驶。

自动驾驶只是物理AI第一个成熟的落地场景，就像聊天是大语言模型第一个成熟的应用一样。

当模型对物理世界的规律理解足够深刻，对动态场景的预测足够精准，这套基座能力就可以自然延伸到具身智能、工业自动化、通用无人系统等更广阔的领域。

这也是Momenta从“智能驾驶公司”转向“物理AI公司”的底层逻辑。

Momenta真正追求的从来不是做好一套驾驶系统，而是建立一种可以迁移到更多场景的物理世界智能，最终成为物理AI时代的基础设施提供者。

总结：从智驾玩家到物理AI平台的范式跃迁

整体来看，Momenta上市后的首份半年报，是其发展历程中的一次关键校验。

它用财务与业务的双重结果，验证了公司底层战略的可行性，也勾勒出从智驾玩家向物理AI平台跃迁的清晰路径与长期定位。

从战略层面，“一个飞轮，两条腿” 的统一路线，解决了行业普遍存在的L2与L4“两条路线”的内耗问题，让量产业务与无人驾驶业务形成同源共生的正向循环。

商业层面，世界模型基座平台的技术复用模式，破解了智驾行业规模化与盈利不可兼得的长期痛点，跑出了营收增长快于成本增长的经营杠杆。

范式层面，将大模型的Scaling逻辑引入物理世界，打开了行业的想象空间。智能驾驶不再是终局，而是物理AI时代的起点。

当行业还在争论L2和L4谁更有价值、智驾公司什么时候能盈利的时候，Momenta早已跑通了从量产到L4、从技术到商业、从智驾到物理AI的完整路径。

当然，L4无人驾驶从测试示范走向常态化运营，仍需经历安全、监管与运营效率的持续检验，物理AI的多场景延伸，也需要更多的技术突破与场景验证。

但不可否认的是，Momenta已经迈出了关键的第一步，它用一份半年报证明了“物理世界的AI”，同样可以跑通规模效应，同样可以拥有平台级的想象空间。

@以上内容版权归属「iNews新知科技 」所有，如需转载，请务必注明。