物理AI破局者：Momenta为何能成“第一股”？揭秘数据炼矿与商业闭环
物理世界的“ChatGPT时刻”与数据困局
黄仁勋在CES上的那17次提及，并非偶然，而是行业风向标般的宣告。物理AI（Physical AI）正在成为科技界的新宠，从英伟达Cosmos 3世界模型的开源，到OpenAI团队重心的转移，再到李飞飞World Labs获得巨额融资，资本与技术的注意力正从纯数字世界向物理实体世界剧烈迁徙。
然而，这一进程远比数字AI的爆发更为艰难。数字AI之所以能率先跑通，核心在于互联网数据的“现成性”与“低成本”。文本、图像、视频的海量存在，使得训练数据获取几乎零边际成本。但物理世界的数据不同，它无法通过爬虫简单获取，必须依赖设备在真实环境中长期运行、交互与采集。这种“先有鸡还是先有蛋”的悖论在于：没有规模化落地就没有规模化数据，没有高质量数据就训不出懂物理规律的模型。
因此，辨别物理AI公司成色的唯一标尺，不是论文数量，也不是Demo演示，而是数据闭环与商业闭环是否同时跑通。数据驱动模型进化，模型提升产品体验，产品带来商业回报，回报反哺数据采集，这一飞轮一旦转动，后来者的追赶难度将呈指数级上升。在当前的物理AI赛道中，自动驾驶是唯一同时跑通这两大闭环的垂直领域。
数据炼矿：从90万量级到1%黄金数据
Momenta作为即将冲击港交所的“物理AI第一股”，其核心价值并非仅在于拥有的90万辆量产车或120亿公里行驶里程，而在于其构建的“数据炼矿”体系。
CEO曹旭东曾提出一个极具洞察力的比喻：原始数据是贫矿，含矿量极低。从海量数据中筛选出具备训练价值的高价值片段，是价值创造的起点。在120亿公里的实车数据中，绝大多数是日常驾驶场景，重复且冗余。真正宝贵的，是那些极端罕见场景，例如“高速公路上三只小狗排着队横穿马路”。
Momenta的技术壁垒体现在从大海捞针般的原始数据中，精准提取出1亿段黄金数据。这种筛选能力本身构成了极高的技术护城河。随后，通过预训练让模型习得物理常识，利用基于真实数据生成的仿真环境进行极端场景训练，最后通过强化学习在虚拟博弈中优化决策，这套“炼矿-炼钢-造引擎”的全流程体系，是将数据转化为智能的关键。
商业闭环：许可模式与边际成本优势
单纯的技术堆叠无法解释Momenta的快速增长。其财务数据揭示了一个更深层的商业逻辑：2023年至2025年，营收从7.43亿飙升至24.13亿，年均复合增长率超过80%。更值得关注的是收入结构的质变——许可收入从0.23亿激增至9.68亿，翻了42倍。
这种按车付费的技术许可模式，具有极低的边际成本。一旦方案定型，每增加一辆搭载车型，成本几乎不增，而收入线性增长。这种模式不仅验证了商业闭环的可持续性，更为后续更高投入的研发提供了造血能力。2025年，Momenta研发投入达18.69亿，占收入比重近78%，研发人员占比超82%，这种高强度的技术投入换回了市场统治力：在城市NOA供应商市场，其市占率高达65%，超过第二名至最后一名之和。
平台战略：一套模型，多重变现
Momenta的野心不止于成为一家自动驾驶供应商，而是构建物理AI的通用底座。曹旭东提出的“一套大模型做所有物理AI垂直应用”的战略，正在通过乘用车智驾、Robotaxi、Robovan三条线同步推进，并计划于2027年扩展至Robotruck。
这种平台化逻辑类似于十年前的电商发展路径：垂直场景的数据与经验将不断反哺通用世界模型，而模型的进化又反过来降低各垂直领域的边际成本。CIC灼识咨询预测，到2030年，Robotaxi、Robovan、Robotruck市场合计近2000亿美元，加上量产辅助驾驶的3059亿美元，整体市场规模超5000亿美元。
先发优势在此领域具有极强的锁定效应。以奔驰为例，自2017年合作以来，历经八年验证，最终在2024年拿下其全系车型智驾业务。这种时间壁垒使得后来者难以通过单纯的技术追赶超越。Momenta已覆盖全球前十大车企中的九家，股东涵盖上汽、通用、丰田、腾讯等产业与科技巨头，形成了稳固的全球产业链联盟。
终局思维：物理AI的入场券
物理AI的高门槛意味着最终胜者寥寥无几。曹旭东判断，中国将存活两到三家，全球三到四家。Momenta通过IPO获取的不仅是资金，更是通往通用物理AI世界的“入场券”。拥有100亿现金储备和自造血能力，使其有资格在Robotaxi、具身智能等更长板、更高投入的战场上持续竞争。
这张IPO门票，标志着Momenta从技术追随者向生态定义者的转变。在物理AI重塑实体经济的大潮中，谁掌握了数据炼矿的核心能力并跑通了商业闭环，谁就掌握了未来十年的产业话语权。