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。