「數字AI拼推理，物理AI造世界」

作者|葉 禾

編輯|李國政

出品|幫寧工作室（gbngzs）

DeepSeek-V4在千呼萬喚中亮相，依然秉持高性價比策略，并在Agent能力和推理性能上做了強化升級。

但DeepSeek的多模態短板依然未能補齊，視頻生成能力繼續跳票。不只是DeepSeek，Kimi、Anthropic等國內外一眾主流模型，都未將多模態視為自己當下的發展重心。

并非多模態不重要。作為當下AI第一人的黃仁勛，從去年便開始在多個公開場合強調，AI會接管物理世界。在黃仁勛規劃的AI演進路線圖中，物理AI是繼感知AI、生成AI、代理AI后的終極形態。

在這個終極形態中，世界模型正扮演起物理AI金字塔的角色，包括視頻生成在內的多模態能力，則是構筑世界模型的必備要素。

困住DeepSeek們暫時沒有向世界模型發起沖鋒的難題，一方面來自真實物理世界的數據稀缺，另一方面則是承壓的現金流造血能力。

在預言AI下半場將是物理AI之后，黃仁勛還補充了后半句：機器人和自動行駛的汽車，會是物理AI的主要載體。

但相比還在比拼量產過萬的人形機器人賽道，已經有百萬量產落地、并逐漸拓展商業化場景落地的自動駕駛賽道，無論從數據收集還是現金流造血上，都成了眼下最有望挑起物理AI重擔的玩家。

▍01

數據和錢：物理AI的兩道難關

正如生成式AI和代理式AI的金字塔是大語言模型一樣，物理AI的金字塔便是世界模型。

在Momenta CEO曹旭東看來，預測是智能進化的核心基石：大語言模型依托Next Token Prediction，壓縮數字世界常識；世界模型則通過World Model Prediction，預測物理世界未來的狀態和交互邏輯。

掌握世界模型蘊含的物理規律之后，強化學習所帶來的自主進化，又可以促使AI持續迭代，這正是曹旭東總結的物理AI兩大核心支柱。

如何將物理AI落地到實踐中去？曹旭東給出了兩條路徑：數據閉環+商業閉環。只有借助數據閉環才能打造出體驗領先的產品，有了體驗領先的產品，才能迎來商業爆發。反過來，商業閉環形成后，又能進一步帶來數據的爆發式增長，并持續帶動產品體驗改進。

從ChatGPT上線算起，過去短短不到4年的AI浪潮中，數據閉環+商業閉環的觸達路徑必要性，已經被行業反復驗證。

OpenAI憑借在數據標注、數據清洗方面的率先閉環，推出了體驗領先同行的ChatGPT，并將其估值一路推高到了近萬億美元；Anthropic依托Claude Code的驚艷表現，其年化收入在4月份飆升至300億美元。作為對比，2025年底，Anthropic的年化收入還只有90億美元，3個月時間內增長了超3倍。

無論OpenAI還是Anthropic，這類數字AI的率先爆發，一個主要因素是互聯網數據易得、檢驗成本低。相比而言，物理AI不僅數據獲取難，而且測試周期也更長。

但隨著互聯網數據被大模型公司日益消耗殆盡，OpenAI前首席科學家Ilya Sutskever更是早在2024年底就公開預測：“我們能獲得的數據已經到頭，不會再有更多了?！?/p>

當數字AI在數據規模、獲取成本與迭代效率上的經驗積累到達臨界點，行業向物理AI轉移已成為新共識。

作為被黃仁勛預定的物理AI兩大主要載體，機器人和自動行駛的汽車，在沖擊物理AI道路上，正在數據和商業閉環上逐步展現出強弱之分。

根據公開資料，目前國內主流具身智能創業公司的機器人量產規模，最大也不過上萬臺。與之相比，國內頭部自動駕駛公司已經拿下了近百萬臺汽車的量產落地。

在更加現實的資金投入上，即便估值逼近萬億美元的OpenAI，在不斷燒錢的GPT壓力下，也不得不于近期選擇關停Sora項目。

2024年初Sora首度亮相時，憑借逼真的視頻生成效果，一度在官方敘事中被視為“世界模擬器”。

具體到機器人賽道，相比大眾日常生活中已經高頻使用的智駕系統，人形機器人還更多在做功夫表演、馬拉松跑步等偏觀賞性項目。想要讓其從實驗室真正走進家庭，背后需要源源不斷的資金投入。

根據曹旭東的判斷，自動駕駛要實現規模化的L4，累計投入至少是百億美金以上，通用機器人可能需要幾百億美金到千億美金。他認為，物理AI需要門票，換句話說，不管是人形機器人還是自動駕駛公司，都需要有自己的現金流業務。

▍02

自動駕駛：物理AI最先實現規?；念I域

自動駕駛無疑成了目前唯一同時實現數據閉環和商業閉環的物理AI領域。

Momenta則基于數據驅動的“飛輪”，以及量產輔助駕駛與自動駕駛相結合的“兩條腿”，率先打通了這兩者。這也成了曹旭東喊出“門票理論”的最大底氣。

官方數據顯示，搭載Momenta系統的量產車輛規模已超過80萬臺，交付超過70款量產車型，累計定點車型數超過200款。這些日夜奔跑在路上的近百萬臺汽車，成了Momenta最直接的物理世界數據收集器，幫助其先一步構建起數據閉環，并借此打造出更強大的智駕系統，從而拿下更多汽車客戶的訂單。

今年北京車展期間，曹旭東對外透露了一絲Momenta搭建數據閉環的秘密，第一步便藏在數據處理上。

在曹旭東看來，數據就像礦石，而且是含礦量很低的鐵礦石。擁有的海量原始數據，僅僅是開啟智駕系統價值源頭的10%，剩下的90%來自體系價值。

這樣的現象在大模型領域早已屢見不鮮。OpenAI正是憑借其在數據處理上更勝一籌，才搶先谷歌等競爭對手，率先驗證了Scaling Laws（縮放法則），并靠著ChatGPT一鳴驚人。

但處理好數據只是第一步。想要搭建一個行業領先的世界模型，除了通過海量真實駕駛數據進行預訓練外，還需要將世界模型用于自動駕駛的閉環仿真，讓系統能夠推演自身行為變化時世界將如何演變，最后再將世界模型進行強化學習，讓系統在接近真實的環境中反復探索與試錯。

車展期間，基于上述機制研發的Momenta R7強化學習世界模型，宣告量產首發，標志著智能駕駛從“看見世界”到“理解世界”的全新跨越，物理AI正式從技術理念走向規?；慨a落地。

例如，日常行車中，如果遇到前車意外掉落一箱蘋果，Momenta的物理AI能力，能夠自主預判蘋果滾落的軌跡與擴散范圍，提前平穩減速、規劃繞行路線，以更從容、更貼合人類駕駛邏輯的方式處理突發路況。

▍03

爭奪下一個平臺級機會

無論是大模型，還是自動駕駛，都是一個追求先發優勢和規模效應的領域，且其軟件屬性的規模效應會比芯片等硬件屬性更強。

回顧歷史，芯片行業從PC時代到移動互聯網時代，以及當下的AI時代，全球最終贏家往往只有兩家。

誰占據了先發優勢，誰就快人一步拿到了終局的入場券。

具體到汽車行業，在跟主機廠合作中，自動駕駛公司的先發優勢表現得更為明顯。

受限于安全和制造復雜度，一個新的供應商接入主機廠系統，一般都需要5年以上的磨合期。而德系百年豪華品牌對安全的標準極致嚴苛，所需要的磨合時間往往需要更長，甚至可能長達十年。

2017年，奔馳投資Momenta后，過了8年，雙方的第一個量產項目在2025年下半年才正式上市。

除此之外，這種先發優勢，還體現在自動駕駛公司的技術搶跑上。

2021年前后，隨著自動駕駛浪潮興起，不想失去“靈魂”的各路車企，紛紛開啟自研之路。5年過去，第三方自動駕駛公司不僅沒有在主機廠的自研策略中生存遇阻，反而市場份額越做越大。

從上汽、豐田到BBA，這些車企從自研智能駕駛系統到擁抱Momenta的過程，向外界證明了做通用型自動駕駛平臺的價值所在。

憑借在物理AI上規?；涞氐膿屌?，Momenta正向著成為自動駕駛領域的“平臺級”（安卓）公司發起沖鋒——不是只做Robotaxi或只做乘用車，而是用一套大模型同時覆蓋乘用車、Robotaxi、Robovan、Robotruck。

更重要的是，隨著平臺級公司架構被逐步搭建完善，在原有的數據閉環和商業閉環之外，Momenta這樣的自動駕駛公司，還能進一步攤薄研發成本，吸引更多汽車客戶訂單。

2022年，Momenta完成首個10萬臺量產耗時24個月；現在，Momenta完成10萬臺交付最快不到40天，飛輪效應已經加速形成。

在本次北京國際車展上，超過20個品牌、共60余款車型搭載了Momenta的智能輔助駕駛方案，成為全球品牌的共同選擇。同時，Momenta的全球化也在不斷提速，量產方案已在超過10個國家和地區實現落地，Robotaxi全球生態也在持續擴大。

相比那些專注垂類領域的自動駕駛系統，如主機廠商，Momenta想要成為平臺級公司的另一重因素來自曹旭東的另一判斷，即自動駕駛在大模型領域，同樣存在強平臺效益。

一個大模型能夠實現所有的垂直領域，并且能夠做得更好，帶來的價值就是你在每一個垂類場景的研發成本都會大幅降低，從而擁有更強議價能力來吸引更多客戶，并依靠更多垂直應用場景的客戶經驗和數據，增強通用大模型體驗。

先發優勢與規模效應疊加之下，Momenta正站在新一輪增長拐點上。