北京
2026年4月的北京國際車展，展臺上充斥著“端到端”、“強化學習”與“物理AI”等前沿技術概念。但在技術演進的喧囂之外，MomentaCEO曹旭東在媒體交流中給出的商業判斷，提供了一個更為冷峻的產業觀察視角：
“整個智駕或者整個自動駕駛它有非常強的規模效應和先發優勢……所以我還是維持我原來的判斷，中國也就2-3家，全球也就3-4家，會非常快速地收斂。”
為什么曹旭東判斷智駕產業鏈會最終在全球形成4家以內的格局？主要從三個層面上來思考。
不可壓縮的“時間與工程壁壘”
早期智駕賽道有一種迷信：似乎只要挖到頂尖人才，寫出更優的代碼，就能實現彎道超車。
曹旭東認為現在已經過了這個階段了。他認為，在當下的環境中，知識和人才流動的速度極快，單純的單點算法并不存在絕對的護城河。真正拉開企業間差距的，是架構能力之上所包含的數據迭代、訓練、驗證體系，以及支撐這一切的組織和文化。
這種體系能力的煉成，必須服從于汽車工業漫長且嚴苛的驗證周期。軟件代碼可以快速迭代，但面向主機廠的信任與工程落地時間卻無法壓縮。在汽車行業，國內OEM業務從初步接觸到拿下合同通常需要敲門3年，而面對國際OEM，這一過程可能長達5到7年。
以Momenta與梅賽德斯-奔馳的合作為例，從2017年奔馳進行投資，到2025年下半年首個量產項目正式上市，雙方經歷了長達8年的磨合。這其中包含了概念驗證（POC）、Pre-SOP到小批量開發的層層推進，直至2024年才全面切入其核心業務。
這種深嵌于主機廠流程中的隱性時間成本，是任何后來者即便手握巨資也無法逾越的。先發者一旦通過“打合”期構筑起這道工程壁壘，留給后排玩家的上桌機會將微乎其微。
通向L4終局的“現金流門票”
當前，向“物理AI”躍遷已成為產業共識。但在暢想自動駕駛作為物理AI的序章之前，必須正視其背后龐大的資金消耗。
曹旭東算了一筆極度現實的經濟賬：要實現規模化的L4自動駕駛，累計的研發投入門檻至少在百億美金級別；若進一步拓展通用機器人，資金需求甚至可能高達幾百億至千億美金。
這意味著，依靠一級市場持續輸血來支撐重局研發的模式已經失效。賽道上的玩家必須擁有一項能夠持續造血的現金流業務，作為留在牌桌上的“門票”。
更為簡單地說，就是要想成為最終留在牌桌上的玩家，起碼是要在今天有穩定的、可復制的裝車量來進行商業循環，否則難以支撐未來的長期投入。
對Momenta而言，這張門票就是其龐大的L2/L2.5前裝量產基盤。目前，其已交付超過70款量產車型，累計定點車型數超過200款，搭載量產車輛規模突破80萬臺。
這80萬臺量產車不僅是商業變現的基石，更是數據驅動的核心。海量路采數據只是價值鏈的10%，真正的挑戰在于如何建立一套體系，將這萬中無一的“長尾極端場景”轉化為高價值的模型能力。
只有當商業量產提供穩定的現金流，同時反哺海量數據，且數據迭代帶來的體驗提升又能獲取更多量產訂單時，這種數據閉環與商業閉環的強正反饋才能真正建立。缺乏這一正反饋引擎的玩家，將在高昂的研發成本面前被迅速耗死。
贏家通吃的“平臺級”降維打擊
如果僅僅將智駕企業視為提供垂直場景方案的Tier1，就誤判了軟件產業最底層的規律。智駕賽道最終必然快速收斂的終極邏輯，在于軟件邊際成本為零所帶來的極致規模效應。
曹旭東的預判基于一個核心推演：自動駕駛在大模型領域存在著極強的“平臺效益”。就像互聯網行業中平臺電商最終淘汰垂直電商一樣，一個足夠強大的底層自動駕駛大模型，有能力向下兼容乘用車量產，向上覆蓋Robotaxi，甚至平移到物流領域的Robovan和Robotruck。
當一套底層架構能夠實現所有的垂直應用且表現更優時，其在單一垂直領域的研發成本將被大幅攤薄。更為顛覆的是，每一個應用場景收集到的經驗和數據，又會全部匯總并吸收到這個大模型中，讓其在所有領域都形成降維打擊。
綜上所述，曹旭東核心的判斷認為智駕賽道的下半場競爭，已從純粹的技術探索階段，徹底轉入拼底牌的工業化大生產與商業清算階段。
在不可逆的時間壁壘、百億美金級的現金流門檻以及大模型贏家通吃的平臺效應疊加下，行業的頭部聚集已成定局。大浪淘沙，能在這場馬拉松終點線前拿到座位的，注定只有極少數。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
