在AI绘画等生成式AI技术席卷全球的浪潮下，自动驾驶行业也迎来了深刻的范式变革。Momenta，这家以“数据飞轮”理念著称的AI创业公司，在创始人曹旭东的带领下，走出了一条独特的量产之路。2023年7月，Momenta在港股IPO，市值一度达到700亿港元，成为自动驾驶赛道中罕见的“异类”赢家。它的阶段性成绩令人瞩目：定点车型市占率超50%，量产搭载车辆超100万台，而公司员工规模仅1000余人。这种极致的效率，让业界纷纷好奇：Momenta到底做对了什么？曹旭东又是如何用“马斯克式”的偏执，将一家AI创业公司带到上市？本文将深入拆解Momenta的成长密码，并探讨AI绘画等底层技术如何为自动驾驶的感知决策注入新动力。
异类的坚持：为什么押注L2量产？
当大多数自动驾驶公司还在为L4的宏大叙事疯狂融资时，曹旭东在2019年做出了一个“反共识”的决定：将公司战略重心转向L2级别辅助驾驶的量产交付。这几乎让Momenta成了行业的“异类”。
彼时，小马智行、文远知行等L4玩家正享受着资本追捧，摩根士丹利给Waymo的估值高达1750亿美元，而Momenta却因为选择L2路线，在2019年遭遇了融资困难。一位接近曹旭东的人士透露：“融不到钱的时候，大家都会怀疑老板的执念是不是对的。但曹旭东自己有很强的信仰——这件事能做成。”
支撑他信仰的，是数据闭环的技术理念。曹旭东很早就意识到，AI模型的本质是scaling law——数据越大、迭代越快，模型就越强。而L4车队由于成本极高（Waymo一辆车超过100万美金），根本无法收集到足够多的场景数据。只有通过L2量产，让大量车辆在路上跑，才能持续获取感知、决策、控制的全维度数据，形成真正的“数据飞轮”。
这种思路与AI绘画领域的训练逻辑不谋而合。AI绘画模型之所以能不断进化，正是因为它有海量的图片-文本对数据，并能在用户反馈中持续迭代。Momenta将这种“数据驱动”的哲学移植到了自动驾驶，让L2量产成为数据采集的“终端”，再反哺L4算法的研发。
为了践行这一理念，曹旭东甚至果断叫停了已经有一定市场表现的后装项目“途铃”。因为该产品只能收取感知数据，无法获取底盘与控制信号，不符合数据闭环的战略。尽管多位业务负责人希望将其作为独立支线保留，但曹旭东意志坚定：“这部分业务对主线价值不大。”
事实证明，这一决策让Momenta比友商更早进入主机厂视野。奔驰、上汽、宝马、奥迪等BBA客户，都是在Momenta为车企做近乎免费的POC（概念验证）项目时积累下来的。从签约到量产，Momenta在奔驰项目上用了8年，但这份耐心换来了行业口碑的“护城河”。
走出量产地狱：智己项目如何锻造工程能力？
如果说选择L2路线是战略上的“豪赌”，那么智己L7项目就是Momenta工程能力上的“涅槃”。
2021年8月，距离智己L7交付只剩10个月，Momenta的辅助驾驶软件版本已经延期数月。智己的CTO和VP亲自到Momenta公司门口“堵人”，质问员工：“你们这么早下班了？软件版本做出来了吗？”员工们硬着头皮回到工位，又干了一个小时。
当时项目的状态被形容为“一片废墟”：在车上部署一个OTA版本需要3天，而且部署后车跑不起来。10个团队拿着10个U盘，依次拷贝碎片化的模块，拼到一起后点火发现系统崩溃。员工流失严重，每天都有很多人离职，担心公司会倒闭。
曹旭东极度焦虑，开会时公开骂人，连几位联创也未能幸免。但他同时承诺：对项目负责人给予无限资源支持——招聘名额不限、薪资不限（只要不超过200万年薪）。工程团队从20余人迅速扩张到100多人，并暂停了其他所有项目，all in智己L7。
正是在这种极限压力下，Momenta建立了第一项核心工程能力：CICD（全自动编译）。从最初三天部署一个版本且跑不起来，到后期一天之内保证有确定性版本，再到后来缩短到4小时、2小时，如今不到1小时。这种迭代速度，让Momenta在智己项目上实现了“从废墟到堡垒”的蜕变。
智己品牌上打磨出的工程能力，迅速复用到了其他客户。例如，2023年6月拿到腾势N7的车，从拿车到交付仅用了不到两个月。而负责智己的集成团队，人数从峰值时的近百人缩减到不超过5人，有的车型甚至一个人就能搞定。这种效率，成为Momenta在AI创业公司中脱颖而出的核心武器。
工程效率：曹旭东的“第一性”执念
曹旭东常被员工称为“马斯克式CEO”——他高度关注工程效率，亲自盯细节，甚至亲自为路测工具命名。在内部，有一条铁律：不发论文。“曹旭东觉得公司不是研究院，要为客户创造价值。”
为了让算法研究员从实验室走向产线，曹旭东想出了一个“狠招”：“让写算法的人去做交付。”去甲方驻场非常辛苦，几班倒地干活，这迫使那些“娇气”的人主动离开，留下来的都是“很皮实”的人。这种组织筛选机制，保证了团队的执行力。
曹旭东对自动化工具的重视也令人印象深刻。以内部路测全流程自动化工具“rt spa”为例，名称是他亲自取的，项目启动会、前10次重要架构设计、前10次迭代会他全部参与，甚至追问测试员的具体反馈。这套工具让算法人员只需在飞书里点一下，4小时后就能直接拿到测试报告。
Momenta可能拥有百余个类似工具，其中Top 10的平台工具，曹旭东一定会从头盯到尾。他常说：“我非常重视杠杆高的事情。”这些工具直接提升了Momenta的数据飞轮迭代速度。
为了支撑数据飞轮，曹旭东很早就开始囤积算力。早在2020年之前，Momenta的算力就已达到大几千张显卡，甚至一度出现“卡比人多”的情况，实习生都做不完实验。当时很多技术负责人不理解，认为算力昂贵且利用率不高，但如今看来，这种提前布局让Momenta的模型迭代速度远超同行。
这种对工程效率的极致追求，使得Momenta在仅有1000多人的情况下，交付了超过100万辆量产车，毛利率从17.5%连续跳升至71.6%，营收逐年翻倍，亏损逐年收窄。在AI融资环境趋冷的背景下，这样的成绩尤为难得。
L2赛道拥挤：世界模型与未来之战
当L4泡沫破裂，资本回归理性，其他自动驾驶创业者们终于意识到L2才是更务实的商业路径。于是，华为、地平线、轻舟智航、元戎启行、博世等纷纷涌入，L2赛道变得异常拥挤。
今年的焦点之战，是抢夺年销量冲向百万级的零跑汽车辅助驾驶项目。据行业人士透露，零跑最中意的供应商是文远知行，但文远不愿开放白盒，故意开出约10亿元高价劝退。Momenta同样不愿交付白盒，最终另一家AI创业公司靠白盒+低价策略拿下了客户。高阶辅助驾驶授权费行业普遍报价1000-2000元，而这家公司报出了百元级的授权费，竞争激烈程度可见一斑。
与此同时，技术路线也在快速迭代。世界模型、端到端自动驾驶成为新热点，特斯拉、华为等巨头都在布局。Momenta面临的挑战不仅是市场份额的争夺，更是技术范式的切换。曹旭东曾表示，数据飞轮的本质是迭代速度，而世界模型代表着更高维度的数据闭环——它需要从真实驾驶数据中学习，而不仅仅是感知数据的堆叠。
Momenta的应对策略是继续坚持“两条腿走路”：一条腿是L2量产，保持现金流和工程能力；另一条腿是L4预研，包括世界模型和机器人。但压力显而易见：Model S Plaid等新车型的感知方案正在快速进化，AI绘画等技术在生成式数据增强方面的应用，也可能重塑自动驾驶的训练方式。
曹旭东是否还能像当年一样，在非共识中做出正确选择？对于Momenta这家AI创业公司而言，上市远不是终点，而是一场未尽之战的开始。
AI绘画与自动驾驶的交叉融合
值得注意的是，AI绘画等生成式AI技术正在为自动驾驶的感知模型训练提供新的可能性。传统的自动驾驶感知模型需要大量标注的真实道路数据，而AI绘画技术可以生成高保真的合成场景，例如不同光照、天气、车辆分布的图像，从而大幅降低数据采集成本。
Momenta早在2016年就提出了“数据飞轮”概念，其核心是让数据在闭环中持续迭代。AI绘画的生成能力，恰好可以加速这个闭环：用生成式模型制造“长尾场景”数据，喂给感知模型，再通过实车测试反馈回生成模型，形成更高效的迭代循环。
曹旭东在内部曾多次引用AI绘画领域scaling law的成功案例，认为同样的逻辑适用于自动驾驶。他甚至在一次内部会议上说：“AI绘画能把一张草图变成一幅画，自动驾驶也能把传感器数据变成对世界的理解。说到底，都是数据和算力的游戏。”
这种跨界思考，让Momenta在技术路线上保持了前瞻性。例如，它很早就开始部署大算力集群，用于训练多模态感知模型。而AI绘画的爆发，也让更多投资者看到了AI创业公司在大模型训练上的潜力，间接推动了AI融资的热潮。
当然，AI绘画与自动驾驶的融合还处于早期阶段。如何保证生成数据的真实性、如何避免模型过拟合，都是需要攻克的难题。但可以确定的是，在曹旭东的带领下，Momenta将继续沿着“数据驱动”的路径，探索AI与物理世界的深度融合。
结语
从最初押注L2量产的非共识，到智己项目的“生死之战”，再到如今L2赛道拥挤、世界模型崛起，Momenta的十年创业史，是一部关于执念、效率与战略定力的故事。曹旭东用“马斯克式”的工程师思维，将一家AI创业公司带到了700亿市值的台阶。
但未来仍然充满不确定性。AI融资的热潮正在退去，行业竞争从拼融资转向拼交付、拼成本。Momenta能否在保持工程效率的同时，抓住下一代AI技术的浪潮？或许，答案就藏在曹旭东的那句口头禅里：“数据大就一定强，迭代快就收敛得好。”
对于想要了解AI绘画、自动驾驶以及AI创业公司成功路径的读者，不妨关注AI工具导航中的相关工具，如AI画图和文生图，它们或许能让你直观感受生成式AI的力量。同时，大模型训练和企业数字化转型也是理解这一领域的关键词。
Momenta的故事未完待续，但它的“数据飞轮”哲学，已经为整个AI行业提供了一个值得深思的样本。