7月8日Momenta正式在港交所挂牌上市股票代码6880.HK“物理AI第一股”就此诞生。首日开盘股价上涨超过6%总市值站上700亿港元。上市前一天Momenta公布了一组业务数字量产业务搭载规模突破100万台已交付超过100款量产车型累计定点车型超过210款。根据配售公告Momenta此次上市定价为每股295.6港元若超额配股权悉数行使全球发售约2,293万股募资总额约68亿港元。公开发售部分录得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15个国家和地区的主权和长线基金剔除基石投资后超额认购约44倍。仅长线资金的认购金额合计已超过15倍。14家机构组成基石投资者阵容认购总额约30亿港元。具体来看新加坡政府投资公司和富达国际分别领投1亿美元贝莱德出资2,500万美元橡树资本出资2,000万美元富兰克林邓普顿出资1,000万美元。产业方中梅赛德斯-奔驰和比亚迪分别出资2,500万美元和1,500万美元兆易创新出资600万美元。中资阵容则包括高毅、博裕、华夏基金、广发基金和太平洋保险每家均出资1,000万美元。这一组合覆盖了主权基金、国际长线资管、头部车企以及国内一线私募、公募和险资在近年港股IPO中并不多见。一批管理长久期资金的机构指向一个共同的判断物理AI的规模化落地已经开始Momenta可能是这个阶段最具确定性的标的之一。在《云涌商业》看来长线基金押注的是一个更底层的假设物理世界的人工智能正处于爆发前夜谁掌握了基座模型、跑通了数据与商业的双重飞轮谁就有可能占据未来十年物理AI基础设施的位置。Momenta的上市正在成为这一叙事中的资本锚点。《云涌商业》将从三个维度拆解Momenta的价值逻辑第一、它为何能拿到全球长线资金的信任票第二、R7世界模型如何构建物理AI的基座并形成技术差异第三这套基座模型在跨场景商业化中的想象空间到底有多大1 基金抢筹Momenta看中的是物理AI的“数据飞轮”Momenta上市受到追捧最直接的解释来自市占率。据灼识咨询发布的《自动驾驶行业蓝皮书》显示2025年3月至2026年2月中国第三方城市NOA解决方案市场中Momenta以65%的销量市占率位居第一。同一报告预测城市NOA渗透率将从2025年的11%升至2030年的62%独立驾驶自动化方案供应商在全球相关市场销量占比预计接近75%。客户层面Momenta已与国内全部主流乘用车企业建立合作全球排名前十的车企中有九家与其达成合作关系。量产业务方案已在亚洲、欧洲、大洋洲、拉美和北非等十余个国家和地区落地。这种渗透深度构成了显著的先发壁垒。Momenta CEO曹旭东曾以奔驰为例说明这种护城河双方从2017年投资接触到2025年底量产耗时整整八年。一旦突破复购和车型覆盖就会加速在2024年Momenta拿到了奔驰全部电油车的智驾业务。全球主流车企的认可根源在于Momenta跑通了物理AI领域罕见的数据与商业正循环。其战略被概括为“一个飞轮两条腿”量产业务提供规模化收入和真实驾驶数据Robotaxi等规模化无人业务以前沿技术拉升系统上限再反哺量产方案。两者共享同一套底层算法架构L2的数据流与L4的技术流彻底打通。这个飞轮一旦转动起来就会产生极强的规模效应。曹旭东曾判断自动驾驶的规模效应比芯片更强因为软件的边际成本几乎为零。更多的量产车带来更多的真实数据更多的数据让模型更聪明更聪明的模型又吸引更多车企订单进而获得更多的量产车和数据。这种加速度后来者很难复制。数据层面的壁垒更为具体。依托超过100万辆量产车持续回传的真实驾驶数据Momenta积累了基于120亿公里以上实车里程所提炼的1亿段黄金数据片段。这些数据涵盖了大量长尾场景是物理AI最稀缺的养料。与数字AI不同物理AI无法仅靠互联网上的图文信息训练它需要车辆真实轧过路面、感知不同光照和天气以及和异形障碍物所产生的物理交互信息。这类数据获取成本极高、周期极长一旦形成规模就会成为后来者难以跨越的沟壑。长线基金所押注的正是Momenta在物理AI领域同时实现了数据规模化与商业规模化。Momenta作为中立第三方不造车、不与客户直接竞争这一角色使它能够同时服务多家彼此竞争的车企汇聚起多品牌、多地域、多场景的多样化数据其数据丰富度甚至超过单一垂直整合的车企。这种稀缺性和不可替代性是基石投资者愿意在未盈利阶段重仓的核心原因。2R7世界模型从辅助工具到核心引擎如果说量产规模和数据飞轮解释的是Momenta的“势能”那么R7世界模型解释的则是这种势能背后的“动能”。今年4月量产的R7世界模型是Momenta整套物理AI基座的核心也是市场将其定位为“物理AI基座模型构建者”的关键依据。图片来自招股书行业多数玩家将世界模型用作仿真工具生成数据来训练主模型Momenta则将R7直接嵌入端到端基座模型的预训练环节。举个例子如果说多数玩家把世界模型当作模拟考试考完试把错题拿给主模型纠偏而Momenta则是用世界模型直接重塑了模型认识物理世界的方式相当于重写了学生理解世界的认知结构相当于从知识源头重构了AI对物理规律的掌握。R7世界模型由三层架构组成。第一层是世界模型预训练目标是让模型“懂物理”。它通过海量真实驾驶视频数据将物理常识和因果关系压缩进基座模型使系统形成对物体惯性、运动趋势、遮挡推测等物理现象的基础认知。Momenta在这层的独特优势在于它拥有从真实路采中提炼的数据预训练出来的模型对世界的理解天然更逼近真实。第二层是世界模型仿真R7能够根据当前环境推演自身行为变化后周围世界将如何演变并对极其罕见的长尾场景进行闭环验证。更重要的是由于这个仿真世界源自真实数据Momenta可以通过对比实车数据与仿真输出来持续对齐和校准。据Momenta测算这种基于世界模型的闭环仿真效率比传统实车路测提升了上万倍。第三层是在世界模型中进行强化学习。如果把前两层分别看作学习和模拟演练这一层就相当于一位教练在真实道路上不断给系统打分。通过奖惩机制模型在虚拟世界里反复探索、试错最终收敛出更安全、更高效、更接近成熟人类驾驶者的行为策略。这套架构带来的直接效果是产品性能的指数级进化原本需要数年实车路测才能积累的长尾应对能力被压缩到极短的时间窗口内完成。以阿布扎比项目为例Momenta仅用三个月就获得了当地L4路测牌照依靠的正是复用L2海量数据与世界模型仿真训练提前完成了算法验证和场景适配。这背后世界模型充当的是放大器将数据的价值倍数放大将实车路测的时间成本数量级地压缩。3一部基座模型打开万亿级物理AI市场一套能够理解物理规律的基座模型其商业潜力不会局限在单一场景。Momenta的规划正是基于一个All-in-One Platform用同一套底层R7世界模型和算法架构同时支撑乘用车、Robotaxi、Robovan并计划在2027年扩展至Robotruck未来还可能进入具身智能等更广阔的物理交互领域。图片来自招股书这种跨场景泛化的底气来自世界模型对通用物理规律的掌握。无论是四轮轿车、厢式货车还是重卡它们共享相同的惯性、摩擦、碰撞和运动因果关系。因此一旦基座模型在乘用车上被充分验证扩展到其他形态的移动载体需要的是适配而非重建。这与数字AI领域发生的故事有相似之处Anthropic凭借Claude在代码场景中锻炼出的推理能力迅速向金融、法律、医疗等垂直领域泛化边际成本极低收入结构却大幅拓宽。支撑这种跨场景想象的是一个体量可观的市场。数据来源灼识咨询当Momenta用一套基座模型切入这些赛道时天花板正在打开。当然市场空间不自动等于市场地位最终格局取决于规模效应与先发优势。曹旭东的判断是智驾行业最终会收敛到中国两到三家、全球三到四家供应商。支撑这一判断的正是数据飞轮、工程化交付能力和客户粘性这些因素在软件行业通常会导致强者愈强。对一家平台型系统供应商而言当它连接的车企和场景越多其基座模型的迭代速度就越快后来者即便投入巨资也可能陷入数据不足、迭代缓慢的追赶陷阱。这个逻辑同时意味着Momenta已经超出单一智驾方案提供商的范畴更接近于物理AI时代的平台级系统供应商类似移动互联网里的Android。它不绑定任何一个终端品牌而是向整个生态输出一套不断进化的物理AI能力基座让不同载体、不同企业在其上构建自己的产品。站在上市节点看Momenta的故事线已经相当清晰它是一家极少数将物理AI从论文和Demo推向百万台量产规模、并正在向多场景渗透的基座模型公司。资本市场的认可更像是对一个确定性趋势的抢先定价物理世界需要自己的基础模型而先跑通数据与商业双飞轮的那个人最有可能成为标准制定者。物理AI的故事刚开场对于Momenta来说上市只是一个新起点。