2024年7月，Momenta在港股上市首日市值突破700亿港元，这家以L2量产辅助驾驶为核心业务的自动驾驶公司，用“定点车型市占率超50%、量产搭载车辆超100万台”的成绩单震惊业界。创始人曹旭东被内部称为“马斯克式CEO”，他对于工程效率的偏执、对数据闭环的信仰，以及对科技趋势的精准预判，共同构成了Momenta的底层基因。本文试图拆解这家公司的成长密码，并探讨在AI创业公司和AI融资环境剧烈变化的当下，量产能力与算法效率如何成为自动驾驶赛道的胜负手。
曹旭东的“马斯克式”执念：技术信仰与商业抉择
曹旭东每次特斯拉FSD更新都会飞去美国亲自体验，这不仅是技术调研，更是一种近乎偏执的自我验证。在内部会议上，他常挂在嘴边的不是融资额或估值，而是“特斯拉算法和工程才两三百人，Momenta有1000多人，效率还是不够”。这种对极致的追求，让员工不自觉联想到马斯克的“第一性原理”。
但曹旭东的执念并非盲目模仿。他早年在商汤和微软亚洲研究院的经历，让他深刻理解AI模型的scaling law——数据量越大、迭代越快，模型上限就越高。正是基于这一底层信仰，他在2016年创业之初就提出“一个飞轮两条腿”的战略：一条腿是L4，另一条腿是量产。当同期几乎所有自动驾驶公司都在押注L4的宏大叙事时，曹旭东选择了先做L2级辅助驾驶的商业化落地。
这一抉择在当时堪称“异类”。摩根士丹利彼时对Waymo的估值高达1750亿美元，小马智行、文远知行等公司动辄数亿美元融资，而Momenta却因押注L2陷入融资困境。曹旭东曾坦言“融不到钱的时候也会沮丧”，但他始终相信：L4的车队规模有限，数据量无法支撑真正的算法迭代；只有通过量产车辆获得海量真实路测数据，才能驱动飞轮旋转。这种对科技趋势的独立思考，最终被时间证明为正确的商业直觉。
L2量产路线的孤勇：在L4狂热中坚持差异化
2019年，Momenta正式将战略重心转向L2+级辅助驾驶产品线Mpilot。这一决定让公司内部一度高压，员工质疑老板的执念是否值得。曹旭东的回应很直接——他算过一笔账：Waymo一辆车成本超过100万美元，最多部署1000辆；而L2量产车型一年就能卖出百万台，数据量级的差距决定了算法进化的天花板。
为了践行数据闭环理念，他甚至果断叫停了已经有一定营收的后装项目“途铃”。这个项目只能收取感知数据，无法获取底盘和控制信号，而且市场体量不足以滚起数据雪球。多位业务负责人希望将“途铃”作为独立支线保留，但曹旭东坚决反对，甚至导致几位高管离职。在他看来，不符合核心战略的业务再赚钱也是干扰。
这种“非共识”的坚持，让Momenta比友商更早进入主机厂的视野。从2016年起，Momenta给车企做了大量近乎免费的POC项目，才拿下奔驰、上汽等关键客户。曹旭东原本以为汽车行业产品立项到发布只需要几个月，后来被告知“从敲门到量产可能需要5年”，他当时的反应是“哇，5年，这么长”。结果奔驰项目从接洽到交付，用了整整8年。但正是这种长期主义的耐心，让Momenta成为国内唯一同时拿到BBA三家定点的L2辅助驾驶供应商，甚至拿下了仰望U8这样的高端车型。
从“废墟”到工程标杆：智己项目背后的生死之战
2021年8月，距离智己L7交付仅剩10个月，Momenta的软件版本已经延期数月。一天晚上12点，智己汽车的CTO和VP直接堵在Momenta公司门口，对着准备下班的员工喊：“你们这么早下班了？软件版本做出来了吗？”员工只好硬着头皮回到工位继续加班。
有内部人士形容当时的项目状态“基本就是一片废墟”：部署一个OTA版本需要3天，而且上车后车子根本跑不起来。10个团队拿着10个U盘，分别装着自己负责的模块，依次拷贝到车上，拼在一起点火——发现跑不动。这种混乱的工程状态，直接导致团队大规模流失，很多人不相信这个项目能交付，担心公司会挂掉。
曹旭东极度焦虑，开会骂人，连几位联创也未能幸免。他承诺项目负责人可以申请任何资源，招聘名额无限、薪资不限，只要不超过200万年薪红线。工程团队从20余人扩张到100多人，暂停所有其他项目，all in智己L7。
正是在这种极限压力下，Momenta构建起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、还跑不动，到后来一天内出确定性版本，再到如今不到一小时就能完成。一位参与该项目的员工感慨：“智己那仗是生死存亡之仗，To B行业口碑一旦塌了，就不可能有第二个客户。”最终，这套在智己项目上打磨出的工程能力被复用到腾势N7等车型，2023年6月拿车到交付只用了两个月。
工程效率的极致：1000人交付100万辆车
在Momenta员工眼中，工程效率是公司最值得骄傲的竞争力。用1000多人交付100多万辆量产车，这个效率在行业里几乎找不到第二家。那么，这种极致效率从何而来？
第一，曹旭东“驯化学霸”的手段——让写算法的人做交付。早期公司很多算法研究员比较“娇气”，只愿意在实验室拿卡跑数据，连数据清洗都不愿意做。曹旭东强制他们去车企产线驻场，和工程师一起协作，几班倒地干活。那些受不了这种苦的人被“洗出去”了，留下的都是“很皮实”的人。
第二，对自动化工具的极端重视。曹旭东亲自为一个路测全流程自动化工具取名叫“rt spa”，启动会、前10次架构设计会、前10次迭代会全部亲自参加，甚至要了解测试员的反馈。这款工具让算法人员只需在飞书里点一下任务，4小时后直接出报告。Momenta内部可能有百余个类似工具，其中Top 10的平台工具曹旭东一定从头盯到尾。
第三，对算力的大胆“赌注”。早在2020年之前，Momenta就已经部署了大几千张GPU卡，当时甚至出现“卡比人多”的局面——加上实习生都做不完实验。很多技术负责人不理解为什么算力使用率不高还要大量囤积，但现在看来，这一决策极大地加速了技术研发和迭代速度。曹旭东曾说：“数据飞轮的本质是迭代速度，而算力是让飞轮转得更快的燃料。”
这种对工程效率的追求，也让Momenta的毛利率从17.5%三连跳至71.6%，营收逐年翻倍，亏损持续收窄。有竞争对手感叹：“他们用互联网的节奏做汽车，效率碾压是必然的。”
拥挤的赛道与未尽的博弈：L2混战与世界模型
当L4泡沫破裂后，元戎启行、轻舟智航、地平线等后来者纷纷转向L2赛道，市场骤然拥挤。今年的焦点之战是年销量冲向百万辆的零跑汽车辅助驾驶项目。据行业人士透露，零跑最初中意文远知行，但文远知行不愿开放白盒源代码，开出约10亿元的价格劝退；Momenta同样不愿交付白盒。最终，另一家自动驾驶公司以“白盒交付+百元级授权费”拿下该订单，而行业普遍报价在1000-2000元。
这种价格战意味着，单纯依赖L2量产的红利正在消逝。与此同时，AI技术正经历剧烈变革——世界模型、L4自动驾驶、机器人成为新战场。Momenta的同行们，以及汽车公司和新入场的模型玩家，都在争夺这些更具想象力的市场。曹旭东面临的挑战是：如何在保持L2量产优势的同时，为下一轮科技趋势做好准备？
值得注意的是，Momenta已经开始布局基于大模型的端到端方案，试图将数据飞轮的能力扩展到更广泛的AI Agent领域。AI Agent技术的演进，可能会让自动驾驶的竞争从“规则驱动”转向“模型驱动”，而这正是Momenta早期数据闭环理念的终极延伸。
数据飞轮与算力赌注：Momenta的核心引擎
曹旭东经常在公开场合提到的“数据飞轮”，其本质是迭代速度。他曾表示：“如果把一个模型看作智能体，最终决定它上限的，就是能不断演进的次数以及数据规模。”为了让飞轮转得更快，Momenta不仅在算力上押注，还在组织文化上建立了独特机制——比如内部“不发论文”的红线，因为曹旭东认为公司不是研究院，必须为客户创造价值。
这种实用主义导向，让Momenta在工程效率上建立了壁垒。一位早期员工总结：“Momenta的成功不是偶然，曹旭东对杠杆极高的东西有天然的敏感——比如自动化工具、算力储备、组织文化。他用大模型训练的逻辑做自动驾驶，用企业数字化转型的方法论打磨交付流程。”
而面对未来，Momenta还需要回答一个关键问题：当L2量产成为行业共识后，如何避免沦为单纯的Tier 1供应商？从公开信息看，Momenta正在将能力输出至更多场景，包括用AI图片生成技术辅助仿真数据构建，甚至探索艺术签名等C端应用的可能性。但真正决定其长期价值的，或许还是能否在L4级别实现突破——毕竟，数据飞轮最终要带动的，是那个更遥远的目标。
对于整个行业而言，Momenta的故事给AI创业公司提供了一个启示：AI创业公司的生存不能只靠融资（尽管AI融资环境正在回暖），更需要找到一条能兼顾技术迭代与商业闭环的路径。而当前最前沿的科技趋势正在证明：量产才是AI落地的王道。如果你也想了解如何借助AI工具提升效率，不妨试试AI工具导航，那里集合了众多实用效率神器。
---
结语
曹旭东的“马斯克式”执念，本质是一种对技术规律的敬畏与对商业本质的清醒。Momenta的崛起不是运气，而是在自动驾驶数据闭环理念下，用十年时间磨出的利刃。当整个行业从狂热走向理性，Momenta用工程效率证明：在自动驾驶这个“长跑”赛道上，谁跑得更快、更稳，谁就能笑到最后。