Momenta:物理AI的“资本锚点”
作者钟声编辑Mark出品红色星际头图Momenta图片2026年7月8日全球领先的物理AI公司Momenta正式在港交所挂牌上市股票代码为6880.HK成为“物理AI第一股”。首日开盘行情火热股价开盘涨超6%总市值突破700亿港元。Momenta营收从2023年的7.43亿元增长到2025年的24.13亿元两年翻了三倍多毛利率也从17.5%跃升到71.6%。财务增长叠加“物理AI”基座模型构建者的定位带动认购热度募资超额完成。根据Momenta此前公布的配售结果上市定价为295.6港元/股假设“绿鞋”超额配股权全额行使此次全球发售约2,293万股募集资金总额约68亿港元。市场认购反响热烈公开发售部分获得414倍超额认购国际发售部分获得超过1,000亿港元的机构订单覆盖了来自15个国家和地区的主权基金与长线基金总计认购超额剔除基石后绿鞋前达到约44倍。前一日Momenta宣布其量产业务搭载规模已突破100万台。1. 物理AI的ChatGPT时刻2026年英伟达年度股东大会上黄仁勋讲道物理AI是公司的下一波增长浪潮。在同一时间段英伟达机器人团队在北京、上海、深圳三地同步启动了大规模招聘。马斯克也确认Optimus将于2026年7月下旬或8月在弗里蒙特投产在英伟达特斯拉的推动下物理AI行业迎来爆发式增长。在数字AI时代大语言模型成为主线通过Scaling Law定理在某些方面超过了人类的智力水平。在物理AI时代世界模型即将成为新的基座模型把物理世界的规律压缩到模型里面使World Model具备物理世界的常识。目前数字AI已卷成红海而物理AI才刚开场。数字AI如GPT之所以先爆发是因为互联网数据易得、检验成本低而物理AI的数据获取难、测试周期长。但物理世界“可能是更大的一部分”所以数字AI的成功经验必然向物理世界迁移。自动驾驶是物理AI率先落地的实战场Momenta推出了物理AI的基座平台Momenta R7世界模型包含三层架构世界模型预训练世界模型仿真和世界模型强化学习。Momenta第100万台车智己LS8车主通过世界模型预训练让世界模型更懂物理。目前Momenta拥有100万量产车和基于120亿公里实车里程提炼的1亿段黄金数据将数字世界的知识全部训练到模型里面通过海量真实驾驶数据的视频将物理常识与因果关系压缩进基座模型使系统形成对物理世界的基础认知。通过世界模型仿真让模型拥有练兵场。通过真实数据学习生成的世界并可通过实车和仿真的一致性来做对齐和校准拥有明确可参考的benchmark进而减少simulation to real 之间的Gap即减少仿真与真实世界之间的差异性比渲染生成的仿真方式更加可靠。利用生成模型推演周围环境进行闭环仿真让系统能够推演自身行为变化时世界将如何演变对极其罕见的长尾场景进行评估和验证其效率比传统实车路测提升了上万倍。通过世界模型强化学习让模型成为真实世界的教练。Momenta拥有真实世界里大量用户的反馈闭环拥有更多的黄金长尾场景数据通过奖惩机制让大模型反复探索与试错最终输出更安全安心、高效丝滑的类人驾驶表现。Momenta通过构建数据预训练强化学习的完整闭环在物理AI领域继续延续Scaling Law在大语言模型的跨越式发展。业内普遍将世界模型用作仿真工具生成数据、来训练或测试主模型而Momenta则是市场上极少数将其直接应用于“端到端基座模型预训练”的公司。好比前者是考前的模拟考试而Momenta则是直接重塑了学生的大脑认知结构。这正是R7能在短时间内快速进化的核心密码。2. 物理AI基座平台据悉MomentaR7世界模型在Robotaxi、Robovan无人物流小车上已得到了成功的验证并且取得了良好的测试效果。自动驾驶作为物理AI领域也会像大语言模型一样受益于“技术中台”逻辑。Momenta R7世界模型通过理解通用的物理规律如惯性、运动因果即可凭借同一套底层系统架构同时赋能乘用车、Robotaxi、Robovan与Robotruck四大业务形态。Momenta CEO曹旭东上市仪式上Momenta CEO曹旭东表示“十年前我们创立Momenta只为追随一个简单却笃定的使命Better AI, Better Life。Better AI源于我们的好奇心。对于人工智能的痴迷与好奇让我们的人生‘生机勃勃’。Better Life承载着我们的使命感。相信技术的价值在于让人们的生活更安全、更自由、更美好。所以我们定下三个十年愿景十年挽救百万生命十年解放百分百时间十年物流出行效率翻倍。如今我们已给超过100万用户带来了更加安全安心的驾驶体验。”在谈及公司未来发展方向时曹旭东从公司过往的技术积累出发延展至下一阶段的智能化场景“过去十年我们让AI学会驾驶为每个家庭带来了专职的司机未来十年我们将为每个家庭带来专职的阿姨、医生、教师等机器人的服务场景开创物理AI的‘GPT时刻’。希望和所有的中国AI公司一起书写东方的硅谷传奇拥抱全世界也让全世界来拥抱中国的技术。”市场数据显示到2030年全球及中国Robotaxi市场规模将分别增长至约818亿美元和381亿美元中国Robotaxi渗透率预计将达到11.9%高于全球5.7%的渗透率Robovan全球及中国市场规模将分别达到约850亿美元和535亿美元市场渗透率将达6.9%和14.0%Robotruck全球及中国市场规模将分别达到约330亿美元和165亿美元市场渗透率将达0.6%和1.2%。未来几年L4级市场Robo市场有望达到万亿元级规模。Momenta R7世界模型通过预训练和强化学习不断提高模型的泛化能力通过掌握了底层物理规律能够快速泛化到任何需要与物理世界交互的自动驾驶载体上。这种极简架构改变了过往各场景孤立开发的模式核心底层技术的跨场景复用极大地摊销了多业务线并行的研发成本提升了系统的整体迭代效率。这就像移动互联网时代的“技术中台”故事在AI时代再次上演一个领先的通用技术中台能在多个垂直领域建立竞争优势。目前市场上和Momenta公司比较相似的公司是特斯拉只不过Momenta是不造车的“特斯拉”。两家公司均在行业率先采用无图模式以及强化学习端到端架构低成本验证商业化可行性“All in one platform”——用一套大模型覆盖L2级至L4级业务。同时特斯拉FSD和Momenta R7均采用“世界模型”技术。智能驾驶方面特斯拉通过在百万辆L2量产业务中积累场景数据通过世界模型迭代FSD以实现L4级能力Momenta坚持“一个飞轮两条腿”战略基于统一算法与传感器架构实现L2数据流与L4技术流的高效打通。自动驾驶方面特斯拉依托海量真实驾驶数据已在德州多地实现无安全员Robotaxi运营大幅降低L4落地门槛Momenta则复用L2海量长尾数据仅用3个月获得阿布扎比L4路测牌照提前验证算法并缩短适配周期。自动驾驶有非常强的规模效应和先发优势自动驾驶作为软件边际成本是零因此其规模效应更强除了成本上的规模效应还有体验上提升的规模效应。Momenta不仅是智驾供应商更是平台级系统提供商。“一套模型、多维共生”将摊薄研发成本随业务边界拓展指数级放大先发优势。终局Momenta交付首个10万台车用了2年如今完成同等规模交付已缩短至不到40天。从2017年启动到2025年底量产历时8年但突破后节奏明显加快。2024年Momenta获得了奔驰所有电车和油车的业务。物理AI的核心是数据Scaling与商业Scaling的相互驱动。自动驾驶是目前唯一同时实现这两者的物理AI领域Momenta通过100万台量产车已初步跑通这一循环。随着R7在物理世界的快速部署和正向循环Momenta的长期目标指向打造物理AI基座平台成为物理AI时代的“Android”。自动驾驶是起点但并非终点。-END-

相关新闻

BEVFormer 纯视觉3D检测实战:nuScenes数据集上NDS 56.9%复现与调优指南

BEVFormer 纯视觉3D检测实战:nuScenes数据集上NDS 56.9%复现与调优指南

BEVFormer 纯视觉3D检测实战:nuScenes数据集上NDS 56.9%复现与调优指南在自动驾驶领域,3D感知技术正经历从依赖激光雷达到纯视觉方案的范式转变。BEVFormer作为这一变革中的里程碑式工作,通过时空Transformer架构将多视角相机输入统一转化为鸟…

2026/7/9 1:39:43阅读更多 →
高企税务稽查风险体检——从诊断到提升的全流程赋能

高企税务稽查风险体检——从诊断到提升的全流程赋能

高企税务稽查风险体检——从诊断到提升的全流程赋能你的企业,能扛住一次税务稽查吗?一、监管正在发生的根本性转变2026年,高新技术企业及研发费用相关的税务监管经历了一场根本性转变。金税四期系统的全面上线,标志着税收征管正式…

2026/7/9 1:39:43阅读更多 →
时间序列预测交叉验证:3种方法在Prophet与LSTM模型上的应用对比

时间序列预测交叉验证:3种方法在Prophet与LSTM模型上的应用对比

时间序列预测交叉验证:Prophet与LSTM的3种验证方法实战对比 引言:为什么时间序列需要特殊的交叉验证? 在销售预测、股票价格分析或能源需求预测等场景中,时间序列数据具有一个关键特性: 时间依赖性 。与传统数据集不…

2026/7/9 1:39:43阅读更多 →
中断锁存机制

中断锁存机制

“锁存中断”并不是单一固定的标准术语,而是硬件/底层开发中常见的描述性说法,核心含义是通过锁存器(Latch)机制暂存中断信号,确保CPU不会丢失短暂的中断请求。下面从原理、场景和常见误区展开解释:一、核心…

2026/7/9 2:39:46阅读更多 →
人工智能大模型工业应用能力测评报告

人工智能大模型工业应用能力测评报告

一、前言为贯彻落实党中央、国务院关于促进人工智能发展的决策部署,中国工业互联网研究院深入研究人工智能大模型在工业领域的应用性能、技术架构、标准体系,并在此基础上,形成本报告。本报告跟踪大模型的技术进展,结合工业企业大…

2026/7/9 2:39:46阅读更多 →
Jellyfin元数据插件终极指南:MetaShark如何智能融合豆瓣、TMDB、IMDB三大数据源

Jellyfin元数据插件终极指南:MetaShark如何智能融合豆瓣、TMDB、IMDB三大数据源

Jellyfin元数据插件终极指南:MetaShark如何智能融合豆瓣、TMDB、IMDB三大数据源 【免费下载链接】jellyfin-plugin-metashark jellyfin电影元数据插件 项目地址: https://gitcode.com/gh_mirrors/je/jellyfin-plugin-metashark Jellyfin.Plugin.MetaShark是一…

2026/7/9 2:39:46阅读更多 →
一条AI短剧24小时240万播放!0粉涨到6000,背后的制作工具全拆解

一条AI短剧24小时240万播放!0粉涨到6000,背后的制作工具全拆解

小林今年26岁,之前在一家MCN公司做编导,每天的工作就是给网红写脚本、盯拍摄、催剪辑。2025年底公司裁员,他拿到了两个月补偿金就回家了。 失业之后他在家研究AI工具,偶然间发现了一个叫“有戏AI”的平台。这个平台把AI短剧制作的…

2026/7/9 2:39:46阅读更多 →
西安打车系统开发公司排名,乘客行程轨迹存储方案拆解

西安打车系统开发公司排名,乘客行程轨迹存储方案拆解

西安零担货运系统开发公司排名,运费阶梯计价代码实现 西安作为西北物流集散核心城市,同城零担货运、小件批量配送、商贸零散货物运输需求庞大,区别于整车货运,零担货物具备重量跨度大、品类杂、单票货量小、多单拼车运输的特点。…

2026/7/9 2:39:46阅读更多 →
曲辕RPA-激活曲辕办公软件

曲辕RPA-激活曲辕办公软件

激活曲辕办公软件 企业版 使用Ctrl V快捷键把激活码粘贴到激活码输入框,然后点击激活即可。 可以选择在线激活或者离线激活 联网激活: 需要访问茉思的公网服务器无需采集设备信息可以激活任意设备每个激活码只可以激活一次 离线激活 无需访问茉思的…

2026/7/9 2:34:46阅读更多 →
从GitHub安全案例解析常见漏洞与防护实践

从GitHub安全案例解析常见漏洞与防护实践

1. 项目概述:从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目,叫 skills4/skills ,它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景:一个旨在展示或教授某种技能的仓库,本身却成了安…

2026/7/8 5:12:14阅读更多 →
MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

# MLT 2026启示:因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战:从“黑箱预测”到“可信推理”2026年6月,第7届机器学习与趋势国际会议(MLT 2026)将在悉尼召开。会议议程中,“因果与可解释机器学习…

2026/7/8 7:00:12阅读更多 →
通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

1. 项目概述与漏洞背景最近在梳理一些历史OA系统的安全风险时,通达OA v11.6版本中的一个老漏洞又进入了我的视线。这个漏洞位于/general/bi_design/appcenter/report_bi.func.php文件中,是一个典型的SQL注入点。虽然这个漏洞的利用方式看起来并不复杂&am…

2026/7/8 2:26:06阅读更多 →
Three.js 着色器光效教程

Three.js 着色器光效教程

着色器光效 Shader Light ▶ 在线运行案例 案例合集: 三维可视化功能案例(threehub.cn)开源仓库github地址: https://github.com/z2586300277/three-cesium-examples400个案例代码: 网盘链接 你将学到什么 ShaderMaterial 自…

2026/7/9 0:04:37阅读更多 →
如何5分钟掌握CS2智能库存管理:开源工具CASEMOVE终极指南

如何5分钟掌握CS2智能库存管理:开源工具CASEMOVE终极指南

如何5分钟掌握CS2智能库存管理:开源工具CASEMOVE终极指南 【免费下载链接】casemove A dedicated desktop app that enables you to move items in and out of storage units in CS2. 项目地址: https://gitcode.com/gh_mirrors/ca/casemove 还在为CS2存储单…

2026/7/9 0:04:37阅读更多 →
GBase 8a vs MySQL 8.0:ALTER TABLE语法与限制的5点关键差异对比

GBase 8a vs MySQL 8.0:ALTER TABLE语法与限制的5点关键差异对比

GBase 8a与MySQL 8.0:ALTER TABLE语法差异深度解析与实战指南1. 两种数据库的ALTER TABLE能力全景对比在数据库架构设计和运维过程中,表结构变更(DDL操作)是不可避免的需求。GBase 8a作为国产分析型数据库代表,与开源M…

2026/7/9 0:04:37阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/8 6:59:54阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/8 13:42:39阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/8 13:42:39阅读更多 →