Momenta发布R7大模型 推动“物理AI”赋能超80万辆汽车

Momenta首席执行官曹旭东认为，自动驾驶是AI模型的首次现实世界测试，这些模型最终将为从机器人到城市交通系统的所有领域提供动力。

（北京）—— 自动驾驶软件提供商Momenta正致力于成为物理世界的OpenAI。该公司发布了一款全新的世界模型，利用超过80万辆汽车的数据来预测现实世界的物理规律和驾驶员行为。该公司在2026年北京车展上揭晓的R7模型，是Momenta所谓“物理AI”的基础。该公司相信，这项技术将从乘用车扩展到物流和货运领域。

“自动驾驶已经进入了一个可以实现数据与商业化正向反馈循环的阶段，”Momenta首席执行官曹旭东在接受采访时表示，“它是物理AI的序幕，因为它是第一个解决数据获取和商业模式问题的规模化应用，而这些问题此前一直阻碍着机器人技术的发展。”

R7世界模型分为三个层级：首先在海量现实驾驶数据上进行预训练，以理解物理定律和因果关系；然后利用模拟，根据不同的动作预测世界的演变；最后利用强化学习训练系统做出最优决策。这种结构旨在创建一个能够从车队集体经验中学习的“驾驶大脑”，该车队包括来自梅赛德斯-奔驰、奥迪和宝马等车企的70多款车型。

这一战略需要巨大的资金投入，曹旭东估计，实现可规模化的L4级自动驾驶将需要至少100亿美元的投资。通过获得驾驶辅助系统的量产合同，Momenta已经建立了一项能够产生现金流的业务，用于支持适用于所有车型统一AI模型的开发。相比于完全依赖风投的竞争对手，这是一个关键优势。

物理AI飞轮

Moment战略的核心是创建一个在物理世界中极其稀缺的数据飞轮。虽然数字AI凭借互联网上大量低成本的文本和图像数据实现了爆发式增长，但训练物理任务（如抓取杯子或在建筑区域导航）的AI则需要昂贵的硬件和现实世界的交互。然而，自动驾驶汽车是移动传感器平台，可以持续收集复杂数据，从而解决了数据稀缺问题。

“我们道路上的80万辆车中的每一辆都是一个数据采集节点，”曹旭东解释道，“OpenAI的模型随着用户查询而进化；我们的模型则随着现实世界中行驶的每一英里而进化。”

这些数据被输入到R7世界模型中，使其超越了对人类驾驶员的简单模仿。曹旭东表示，原始数据中既包含良好的驾驶习惯，也包含不良习惯。在通过预训练学习驾驶“常识”后，模型会进入后训练阶段，类似于语言模型中的人类反馈强化学习（RLHF），使其行为与熟练、安全的驾驶员保持一致，而非平庸的驾驶员。

100亿美元大奖的平台

Momenta的雄心不仅限于成为乘用车的Tier 1供应商。该公司已经将其统一模型应用于Robovan物流车，并计划明年进入Robotruck货运市场。其核心理念是，一个单一且强大的驾驶模型可以适配任何车型，创造出类似于电商平台公司所实现的平台优势。

“我们相信，一个自动驾驶大模型可以实现所有自动驾驶垂直应用，并且做得更好，”曹旭东说。这种方法降低了每种新车型的开发成本，同时来自各个垂直领域（无论是出租车、物流还是货运）的数据都能提升所有人的核心模型。

这一平台战略是Momenta对巨额准入门槛的应对。曹旭东估计，开发通用机器人可能需要数百亿美元甚至数千亿美元的投资。如果没有自我维持的现金流业务，这样的冒险是不切实际的。Momenta在辅助驾驶市场的成功（已签约超过200款车型）为其追求完全自动驾驶这一更大的目标提供了财务引擎。

本文仅供参考，不构成投资建议。