大数跨境
首页
>
物理AI复利，Momenta交卷
>

物理AI复利，Momenta交卷

物理AI复利，Momenta交卷 智见Time
2026-09-02
5
导读：语言大模型的 Scaling Law 降临物理 AI
文：李浩
编辑：经纬
自动驾驶并非一蹴而就的静态任务。海量长尾场景决定了系统必须持续进化，从真实物理环境中不断学习并动态规划。
Waymo 基于约 50 万小时驾驶数据的研究证实，运动预测与规划模型的性能随计算规模扩大呈近似幂律提升。这意味着，语言大模型的 Scaling Law（缩放定律）同样适用于物理 AI。
实现这一跨越的前提，是构建一个能理解推演物理世界，并承接预训练、仿真与强化学习的技术底座。在此背景下，世界模型应运而生。Momenta 正依托其 R7 世界模型基座平台，推动“数据 - 模型 - 业务”的闭环循环：量产车提供真实数据驱动模型升级，升级后的模型赋能更多车型及 Robo 业务，业务扩张再反哺新的训练样本，从而实现技术 Scaling 与商业 Scaling 的深度咬合。

自动驾驶，稀缺的是真实世界数据

数据是 Scaling Law 的基石。与大语言模型可从互联网存量文本中学习不同，自动驾驶面对的是一个会被自身决策实时改变的动态世界。车辆的加速、转向或让行，不仅改变自车状态，更会引发周围交通参与者的连锁反应。
离线评测虽能通过专家数据奠定模型基础，但在真实道路中，一旦模型偏离专家轨迹，极易进入训练数据未覆盖的状态区域，导致规划不稳定。因此，自动驾驶真正稀缺的，是包含“状态—动作—结果”全流程、保留环境交互反馈的连续数据。
（Momenta 展示时空窗口通行，图源：Momenta）
此类数据极具稀缺性。2024 年《Nature Communications》将其概括为“稀有性诅咒”：在部分安全关键感知任务中，普通样本与稀有样本的比例可能超过百万比一。数据规模仅是第一步，精准挖掘暴露系统短板的样本才是提升学习质量的关键。
行业通常采取两种策略：一是扩大真实场景覆盖范围，依赖量产规模；二是提高单位数据训练价值，取决于系统识别接管、冲突及低置信度决策的能力。Momenta 采取双管齐下的策略：截至目前，其方案已搭载超 110 万辆量产车，累计真实驾驶里程超 150 亿公里，并从中提炼出超 1 亿段黄金数据。
百万辆车构成的百亿公里原始数据池，经筛选转化为一亿段高价值黄金数据。这些数据进入 R7 世界模型体系，用于预训练、生成式仿真和强化学习；更新后的模型再次部署至量产车，形成正向反馈闭环。对 Momenta 而言，每次产品落地不仅是交付，更是下一轮增长的起点。

世界模型，物理 AI Scaling 的技术底座

若数据是燃料，世界模型则是连接数据、计算与模型能力的引擎。Waymo 研究显示，在运动预测与规划任务上，增加训练计算量能带来稳定且可预测的性能提升，证明 Scaling Law 在物理 AI 领域同样有效。
然而，物理 AI 的 Scaling 门槛更高。随着计算预算扩大，模型容量与训练数据需同步增长，且训练结果必须经过严格的仿真、评测与部署验证，方能转化为真实道路能力。
（图源：Momenta）
世界模型基座平台正是承接这套协同机制的技术基础。正如黄仁勋在发布英伟达 Cosmos 时所言，世界基础模型已成为机器人和自动驾驶的核心，广泛应用于合成数据、强化学习及未来状态仿真。
在自动驾驶场景中，世界模型需学习物理环境在时空中的演化规律：观察当前状态、采取行动、环境影响新状态，进而输入下一次决策。Momenta R7 世界模型并非孤立的大模型，而是由预训练、生成式仿真和强化学习构成的完整体系：预训练吸收真实道路与黄金数据中的交通规律；生成式仿真构建复杂场景以进行训练验证；强化学习则在连续反馈中优化驾驶策略。
真实数据驱动预训练，计算资源贯穿全流程，最终沉淀为更强的模型能力。Data Scaling、Compute Scaling 与 Model Scaling 在该系统中相互促进。这套基座平台已复用至乘用车、Robotaxi、Robovan 及 Robotruck 等多类业务，共性能力的复用使得同一套持续进化的技术能快速适配不同场景。

从量产到 L4，业务飞轮走入验证期

业务落地是检验技术复用能否转化为商业规模的标准。传统汽车软件开发往往陷入“一客一项目”的低效模式，成本随规模线性增长。而世界模型基座平台赋予了技术真正的“复利”效应。
（Momenta 合作品牌，图源：Momenta）
同一套模型、数据体系和工程工具链，在完成必要适配后可快速复制至更多车型与场景，大幅摊薄前期投入。Momenta 的中期财报已显现技术复利的信号：2026 年上半年收入约 16.02 亿元，同比增长 75.9%；经调整净亏损同比大幅收窄 97%。业绩改善得益于平台的规模效应及既有项目经验的复用。
通过主线复用、工具化和自动化，Momenta 将单车型开发投入从约 400 人/两年缩短至数十人/三个月。收入增长、毛利率提升与交付效率改善相互印证，标志着技术 Scaling 正成功转化为商业 Scaling。
除量产车业务外，L4 自动驾驶与全球化战略进一步拓展了技术基座的商业边界。截至今年 6 月底，Momenta Robotaxi 已在上海、苏州、无锡、深圳、阿布扎比和慕尼黑等地开展测试或运营，计划年底前在国内外超 10 座城市获牌并部署数百辆车辆。同时，Robovan 已在苏州小规模试运营，搭载其方案的量产车型已进入 10 个海外国家和地区。
（Momenta Robotaxi 阿布扎比路测，图源：Momenta）
更多车型与城市带来了收入增量与新场景数据，新增资源再投入研发与模型迭代，业务飞轮由此成形。自动驾驶竞争已进入持续进化阶段，核心在于让每次部署产生新数据，让每轮进化沉淀为可复用能力。
从乘用车走向 Robotaxi、Robovan 与 Robotruck，从国内量产迈向全球市场，Momenta 正借助世界模型基座平台，将技术进化与商业增长紧密连接，推动物理 AI 的规模化落地。
【声明】内容源于网络
0
0
智见Time
各类跨境出海行业相关资讯
内容 339
粉丝 0
智见Time 各类跨境出海行业相关资讯
总阅读14.5k
粉丝0
内容339