对话Momenta曹旭东：登月自动驾驶，要先做出量产的「火箭」 - 世界杯官网

整理｜樊舒琪 

7月8日，自动驾驶公司Momenta正式以“6880”为股票代码在港交所主板挂牌上市。开盘后，Momenta一度上涨超6%，市值突破700亿港元。

按每股295.6港元的发行价计算，假设“绿鞋”（超额配股权）全额行使，Momenta本次全球发售约2,293万股，募集资金总额约68亿港元。

这无疑在汽车产业沉闷的价格血战中，敲出了一记令人振奋的锤音。

过去10余年来，汽车产业历经数轮淘洗，不光决胜出了今天站在造车阵营一线的蔚来、理想和小鹏汽车等明星企业，产业链中，更是突围并崛起了宁德时代、禾赛科技，乃至今天的Momenta等头部公司。

他们的底层故事高度相似，在狂热的市场环境中，辨识和坚定实践自己的战略意志。Momenta的经历更是典型代表。早在2016年创立之初，行业被自动驾驶技术点燃，资本快速涌向L4级自动驾驶项目。

但是曾在微软和商汤深耕计算机视觉的曹旭东早早锚定了数据驱动和数据闭环的技术路径，他想要一条数据和研发体系能够互相持续反哺的商业形态，因此2016年创业之初，就定下了L2量产和L4自动驾驶“两条腿”走路的战略。

用L4这条腿做前沿技术突破，下放给L2量产业务，再用L2业务产生的数据飞轮，反哺L4的自动驾驶业务。

“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上市前期，36氪CEO冯大刚与36氪高级内容总监杨轩一起访谈了Momenta创始人曹旭东，他这样描述企业早期的战略意图。

选择容易，但是实践则经常充斥困顿和挫折。36氪了解到，Momenta从2016年到2022年，几乎探索了所有能够大规模落地的L2量产业务，接连尝试过后装一体机，到给车企做大量近乎免费的POC（前期验证）项目。

就连曹旭东自己都感受过从技术理念到商业落地的落差。他向36氪讲述，刚进入汽车行业，以为就像在互联网，从产品立项到产品发布就几个月，慢的话可能一两年的时间。但真正从打入奔驰的供应链到交付产品上车，Momenta则花了8年。

幸运的是，长足的锤炼和准备，也让Momenta最早一批敲开了车企量产辅助驾驶算法的大门。直到今天站在自动驾驶公司的头部阵营。

就在上市前夕，Momenta宣布，装车量突破100万辆。规模增长，业绩也随之线性增加，Momenta招股书显示，从2023年到2025年，公司收入从7.43亿，快速增长至24.13亿元，毛利率达到71.6%，随着规模效应出现，净亏损也一路从10.93亿元，收窄到了3.03亿元。

“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。”曹旭东向36氪表示。

今天的Momenta再一次做出了新的技术预判，他们选择了世界模型和强化学习。这套技术体系已经应用于公司最新的R7世界模型。

曹旭东对R7世界模型颇为自信，他称这款产品“能够跟特斯拉FSD V14打得有来有回”。对于自家的Robotaxi业务，曹旭东亦有着较为稳健的规划，他的目标是，“2028年的时候，运行1万台Robotaxi，中国和海外各一半”。

Momenta的更长远战略布局，着眼于机器人。曹旭东计划到2027年启动机器人业务，一方面，因为“那时Momenta Robot飞轮的构建，已经比较完善了”，另一方面，彼时公司“溢出的能力刚好可以做机器人”。

诚然，行业里不少自动驾驶公司，包括车企，跨界做机器人早于Momenta，但曹旭东并不感到公司失去了入局的最好时机。

这不仅因为机器人和自动驾驶领域，在data infra、训练infra、数据飞轮、大模型的架构等方面可以高度复用，曹旭东的更多信心来自于，Momenta从汽车产业中长期淬炼出的技术底座、组织体系和市场体量。

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：

谈上市：上市是为了品牌和信任

36氪：Momenta为什么要上市？

曹旭东：这是一个很好的问题。公司在这个时间点上市，更多的是为了品牌和信任。

其实我们公司现金储备还是蛮多的，而且公司的亏损在快速收窄，明年就盈亏平衡了，后年就能规模化盈利。所以从现金流角度，是否上市对我们来说影响不大。

虽然我们是一家To B的公司，但我们很看重C端的品牌，以及C端用户对我们的信任。而上市一定能够在很大程度上放大我们的品牌，从而帮我们赢得用户、客户，以及资本市场的信任。

36氪：是不是有点像英特尔，让用户觉得，只要是英特尔的CPU，这个电脑就一定很好，同理用了Momenta的辅助驾驶，这个车也一定很好？

曹旭东：这肯定是我们一个学习和借鉴的对象。

现在我们很多客户，在产品上市的时候会跟 আমরা一起做comarketing，比如说奔驰、宝马、奥迪、丰田、本田、日产，国内的车企有上汽、奇瑞等，都在和我们一起做comarketing。我们有了更好的品牌，更高的用户信任度，也能帮助我们的客户更好地卖车。

36氪：你希望资本市场怎么定义Momenta这家公司？它是一个智驾公司，还是一个AI公司？你自己又认为Momenta是什么公司？

曹旭东：我觉得资本市场的人都很聪明，不是我希望他们怎么定义，他们就会怎么定义。

在我看来我们是Better AI，Better Life，所以长期来看的话，我们肯定是一个AI公司，然后包括自动驾驶。

自动驾驶从当前的城市辅助驾驶，再到未来的L4自动驾驶，不管是乘用车还是Robotaxi、Robotruck，其实它的内核就是AI。这个AI的内核对应到物理世界的话，就是World model。

36氪：今天很多人在讲纯血AI的概念，比如那些卖token的公司，才是纯血AI，其他跟AI有关的公司，可能不会被定义成纯血AI公司，外界这样定义你会不会觉得不公平？

曹旭东：不同的人有不同的看法。我之前看到过一句话，短期是投票机，长期是称重机，我觉得最终还是要做称重机。

我们公司做很多决策，永远不是资本导向，更多的是价值导向，怎么做能给用户创造价值，做什么样事情能跟我们的价值导向相匹配，我们就用什么样的方式来做。

我举个例子，我们公司最开始讲一个飞轮两条腿，量产L2、完全无人驾驶的时候，那个时间点上，整个行业全都看不懂，行业所有人都在做Robotaxi。

但我们讲了一个跟行业最主流的，或者说和资本市场给的估值最高的方向不一致的故事。为什么做这样的一个选择呢？就是因为这在我们看来是一条正确道路，通过这条道路才有可能最终做成规模化的L4，所以我们就选择这条路径。

谈世界模型：世界模型是实现自动驾驶的必要条件

36氪：我听说你自己也会活跃在一线，了解最新的技术发展，现在的AI技术、新概念层出不穷，比如大家都在喊世界模型，但我觉得每个人讲的世界模型都不一样。Momenta是怎么定义世界模型的，你们怎么确保你们的世界模型真的是懂得物理世界了？

曹旭东：我们的这个世界模型，主要三部分，第一个是World model prediction，第二个是World model simulation，第三是World model reinforcement learning。

我先说World model pretrain吧，这个我们对标的是GPT。GPT之所以这么powerful，就是因为它有预训练。预训练是通过next token prediction，把整个互联网的数据，或者整个数字的数据全都拿过来训练，把数字世界的常识压缩到这个模型里面。

那对应的World model pretrain，就是通过对未来的预测，比如说我把这个笔扔上去，然后它会掉下来，这其实就是对物理世界规则的预测。我有海量的这样的数据的话，就可以预测这样的数据。把整个物理世界的规律压缩到模型里来，这样的话，这个模型就具备了物理常识。

36氪：所以世界模型对自动驾驶很重要。

曹旭东：对，肯定的。不光是自动驾驶，你可以看到机器人也是。

去年后半年的时候，我们在自动驾驶上已经验证了世界模型的效果了，今年量产。

今年上半年，我在硅谷的时候，观察到很多公司都从VLA转向到世界模型，就是因为通过世界模型大规模预训练之后，它的成功率能够大幅提升。我这有个数字不一定准确，作为参考，可以感受一下，就是从50%提升到了90%，这是非常大幅的提升，所以在行业内引起了很大震动。

36氪：更早之前大家做的是端到端，这和现在说的世界模型有什么区别吗？

曹旭东：这个没有任何的冲突。端到端is everything。ResNet也是端到端，Transformer也是端到端，GPT也是端到端，强化学习也是端到端，World model也是端到端，现在但凡是一个模型，它都是端到端的。

36氪：那现在大家讲的世界模型，跟几年前行业里经常讲的端到端，它的进步体现在哪里？

曹旭东：如果没有世界模型的话，只是端到端，自动驾驶的任务，是一个稍微有点畸形的任务，因为它输入的维度非常高，如果没有压缩的话，它输入的token可能是几百万个，或者更多。

但输出的，可能就只是自动驾驶的轨迹。自动驾驶的轨迹，可能就10个token或者几十个token。

那就是从非常高维的输入，到非常低维的输入。这样很容易出现一个结果，就是过拟合，或者说因果混淆，它会学到些很奇怪的映射关系。

但如果你有World model，World model首先学的是物理常识，你会发现当一个人有常识的时候，就像一个人已经从小学一路上到大学了。这时你跟他探讨一个大学的物理问题，那是很容易的，可能几句话就能聊清楚了。

如果这个人他根本没上过小学、中学，这时候你跟他探讨一个物理问题，他可能会跟你争论，比如这个地球就是中心等等。

36氪：那你觉得世界模型是自动驾驶的终极答案吗？

曹旭东：我觉得肯定是一个必要条件，但终极答案就不一定，因为技术还在快速进步。

再比如强化学习是不是必要条件？我觉得是个必要条件，端到端是不是必要条件？肯定也是。虽然现在可能大家对端到端提得没那么频繁了，但实际上，强化学习、端到端都是build up，世界模型或者强化学习，都是在端到端的基础上的。

36氪：那强化学习这件事，在世界模型的框架下，重新变得极度重要了吗？用强化学习的方法训练世界模型的话，中间有没有什么可能出现的问题？比如它的奖励函数等等。

曹旭东：有。这个很重要，尤其是对于安全性来说，提升还是非常大的，至少是5-10倍的提升。

但确实也会有一些挑战，因为强化学习很容易出现reward hack，就和员工会hack公司的kpi一样，模型也特别容易偷懒，所以强化学习的reward要设计好，一方面要保证安全性，另外一方面，要考虑一些行为是否拟人，所以我们也有一些怎么拟人的reward。

36氪：Momenta有看到强化学习，明显提升了自动驾驶表现吗？

曹旭东：在安全性上提升特别大，比如我们的R6上了强化学习，安全性至少比不上的时候，有5-10倍的提升。

谈优先量产辅助驾驶：有海量数据才能做成规模化L4

36氪：你刚才说起一个飞轮两条腿，L2、L4同时做，这让我想起了一本书，毛姆的《月亮与六便士》，他的意思是说，月亮是遥远的理想，六便士是地上可以俯身捡到的现实，某种意义上来说，我觉得当时你选择两条腿走路，算是既要月亮又要六便士，既要遥远的L4，又要眼下就能放量的L2，这可能是一个现实的选择，或者说很有野心的选择，但你凭什么觉得你能两个都要？

曹旭东：当时做这个选择，我想的不是我凭什么两个都要，而是我们觉得这样做了才有可能登月。

如果只做L4，可能会有很多人投资你，拿投资人的钱也一样可以发展。但这不是钱的问题，我们做这个路线的选择，更重要的原因是，根据我过往的经历形成了一个认知——要实现规模化的L4，一定需要数据飞轮，数据驱动。第二，需要海量的数据。

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，我们做量产，实际上就是在造火箭。

36氪：所以说一个飞轮两条腿是一种技术判断，但当年很多做L4的公司，也都是技术背景出身的创始人，为什么你的技术判断会跟其他人的技术判断不一样？

曹旭东：其实我也思考过这个问题。我刚创业的时候，我就去过硅谷，也跟Waymo的人聊过，聊完之后觉得，这个公司还是挺好的，但另一方面，多多少少有点失望，因为我们交流的时候，我问他一个非常本质的问题——你觉得做成规模化的L4的话，要解决的最根本问题是什么？

聊完之后，我发现大家做事的出发点更多的是老板想做。这件事情听起来非常exciting，所以我就做了。但是要把这件事情做成，根本性的问题是什么，以及根本性的问题能通过何种战略路径来解决，他们没有思考过。

我当时其实挺意外的，也挺吃惊的。

但另外一方面，也坚定了我按照我们的想法，去做这件事情的初心和决心。

36氪：你刚说的他们没有思考的、最根本性的问题，是指什么？

曹旭东：可能跟我在微软的经历，包括我在商汤的经历有关系，我做过的规模化产品，在一个很小的垂直领域，它的能力能达到人类水平，甚至超过人类水平的，都是需要海量的数据。而且要把海量数据用起来，一定要有一个数据驱动算法。当然具体数据驱动算法怎么做，用什么样的架构，什么样的模型，那可能有很多的做法。

36氪：这说的就是第一性原理，很多人都觉得他们是第一性原理的信徒，可每个人看到的第一性，以及最后得出的结论很不一样，你觉得你现在说的是对的吗？

曹