不造车的特斯拉上市，行业炸了

港交所钟声响起，行业炸了Momenta挂牌首日股价飙升超6%，不造市值一举突破700亿港元大关。拉上

这绝非一次简单的行业炸了资本狂欢，而是不造一座清晰的界碑，标志着依靠聊天机器人、拉上图文生成等轻资产模式赚取快钱的行业炸了时代正在终结。

资本市场将其定义为“物理AI第一股”。不造

这一标签沉重且精准。拉上过去三年，行业炸了大语言模型的不造光芒让人目眩神迷。开发一个APP、拉上接入一个API，行业炸了便能编织出关于未来的不造宏大叙事。然而，拉上过低的门槛导致玩家蜂拥而至，赛道瞬间陷入红海。

网络上的文本与图像数据趋于饱和，挖掘工作陷入存量博弈。尽管技术表象炫酷，但利润空间却日益压缩。这种内卷，本质上是数字世界中的无效空转。

如今，风向已彻底逆转。科技巨头不再满足于让AI仅在屏幕中陪聊，而是渴望让AI介入现实世界。英伟达早已绘制好路线图：在感知、生成、代理之后，最终的终极战场在于“物理”。

特斯拉将全部筹码押注于FSD的世界模型，OpenAI亦转身投入机器人领域。行业共识已然达成：数字AI已触及天花板，物理AI才是那片深不见底的蓝海。

为何物理AI是终极战场？

因为这里遵循的是硬核规则。

重力、摩擦力、惯性、碰撞，这些现实世界的铁律不容许任何幻觉。AI必须像人类一样，具备对物理世界的直觉判断。这无法仅靠堆砌参数解决，它需要海量的真实交互数据、漫长的测试周期以及雄厚的资金支撑。

但也正因如此，其护城河才足够宽广。一旦打通，面对的是汽车、物流、制造、机器人等万亿级的实体产业。

Momenta凭什么值700亿？

答案不在于算法本身，而在于那个高速旋转的“飞轮效应”。

Momenta手中握有百万台量产车的实时数据，累计真实行驶里程超过120亿公里。

从这些数据中，它提炼出一亿段高质量的极端场景数据。这些数据并非用于撰写报告，而是直接用于训练模型。模型越智能，车辆销量越好，营收反哺研发，更多车辆上路产生更多数据。这是一个绝大多数同行难以复制的闭环生态。

这个闭环的核心引擎，是自研的R7世界模型。如果说ChatGPT是数字AI的成人礼，那么R7就是物理AI的量产通行证。

传统自动驾驶依赖工程师编写规则，试图穷举所有可能性，这条路注定行不通，因为现实世界的长尾场景无穷无尽。R7的逻辑截然不同：它学习的是“道”，而非“术”。

其学习路径分为三步：

1. 看：将海量路况数据输入，让模型自主解析车辆、行人、障碍物之间的运动规律。
2. 想：在仿真世界中，利用生成式AI推演各种匪夷所思的事故场景。这种虚拟训练的效率，是实车路测的上万倍。
3. 练：在仿真环境中进行无数次试错与强化学习，直至其驾驶决策如老司机般自然流畅。

关键在于，这个虚拟世界并非凭空渲染，而是基于真实数据构建，并通过实车反馈不断校准，极力消除虚拟与现实的“虚实鸿沟”。

这种模式的恐怖之处在于其通用性。过去，乘用车智驾、无人配送、干线物流需分别组建团队、从头开发。如今，底层逻辑已通。无论是城市道路、园区低速行驶还是高速货运，物理规律一致。一套世界模型底座，稍加适配即可复用。

场景越丰富，数据越庞大，模型越智能，边际成本越低。这才是规模效应的真正威力。

数据揭示的高壁垒

看看市场份额便知壁垒之高。在国内第三方城市NOA（导航辅助驾驶）市场，Momenta拿下了65%的份额。

全球前十的车企中，九家是其合作伙伴。从首个十万台交付耗时两年，到如今四十天即可完成，这种工程效率的飞跃，并非靠加班堆砌，而是规模化飞轮转动后的必然结果。

自动驾驶是一个典型的马太效应赛道。软件边际成本近乎为零，数据越多模型越优，模型越优客户越多，客户越多数据越丰富。

强者恒强，后来者甚至难以获得入场券。

Momenta的上市，不是终点，而是一个强烈的信号。它告诉所有仍在数字AI泥潭中挣扎的玩家：游戏升级了。

单纯的线上交互已触顶，打通虚实世界的物理AI才是主战场。这700亿市值，购买的不仅是当下的订单，更是对未来实体世界智能化最大蛋糕的占有权。

数字世界的狂欢落幕，物理世界的硬仗才刚刚开始。唯有让机器真正理解并驾驭现实规则者，方能坐稳下一个十年的牌桌。

(责任编辑：知识)