Momenta上市：600 亿市值、三年营收45亿与物理AI

作者：齐笑，编辑：赵元

自动驾驶赛道的淘汰赛正在加速。

过去一年多时间里，多家智驾企业“退出”竞争。曾计划2025年实现盈亏平衡并启动IPO的明星公司禾多科技进入破产清算程序，估值一度超过90亿元的独角兽纵目科技进入司法重整，中智行被申请破产清算，图森未来转型，毫末智行在2025年11月突然发布停工放假通知，复工无期。

另一边，文远知行和小马智行完成美股与港股双重上市， 希迪智驾、驭势科技完成港股上市，轻舟智航、元戎启行都已经递交上市材料。

去年世界智能网联汽车大会上，Momenta创始人兼CEO曹旭东判断，汽车辅助驾驶竞争将在2026年结束，国内最终只会有三家参与者胜出。

在这个行业洗牌的关键期，Momenta按下了上市的加速键。2025年底，Momenta将IPO地点从美国转向香港。2026年3月向港交所秘密递表，6月通过港交所聆讯。7月8日，Momenta计划正式挂牌，发行市值约695亿港元（约合人民币601亿元）。

这个数字背后，是物理AI的叙事撑起了Momenta的估值，还是Momenta拿到了下半场的入场券？

一、更大、更轻

作为第三方智能驾驶解决方案的头部供应商，Momenta的营业收入从2023年的7.43亿元增长至2025年的24.13亿元，2024年和2025年的增幅分别为78.4%和82.1%，能连续两年维持近80%增速的公司并不多见。

这种增长来自多个车企、多款车型的规模化放量。招股书显示，Momenta已与全球24家整车厂建立合作，累计定点车型超过210款，装车量突破90万台。

相比于总量，结构更能体现出一个企业的战略重心。

目前，Momenta的收入主要来自两个板块，技术开发服务和许可服务。

技术开发服务发生在项目定点之后、量产之前。当车企向Momenta发出定点函并签署合约后，Momenta为这款车型做定制化开发，包括软件适配、车型整合、硬件适配及量产前测试。费用根据项目范围和复杂程度确定，收入在量产前逐步确认。这是一次性的项目制收入。

许可费则发生在量产之后。当搭载Momenta方案的车型进入规模化生产阶段，Momenta开始按每辆车收取软件授权费。只要车型持续生产，收入就持续产生。此外，Momenta通过“主线平台”框架提供最长五年的免费OTA更新，超出范围的升级另行收费。

两种模式的关键差异在于：技术开发服务是量产前一次性确认的收入，对应定制开发的人力投入；许可费是量产阶段逐车确认的收入，对应软件能力的规模化复制。

2023年，许可费收入约2300万元，占总收入的3.1%，2024年，这一比例提升至22.1%，2025年，许可费收入升至9.68亿元，占比达到40.1%。

这个结构变化反映的是，Momenta的业务重心从“卖项目”向“卖产品”迁移。

收入结构的转变，直接带来了毛利率的跃升。

Momenta的整体毛利率从2023年的17.5%提升至2024年的49.0%，再到2025年的71.6%，三年提升54个百分点。背后的逻辑在于，许可服务的边际成本极低，收入增量大部分直接转化为毛利。

营收高速增长，收入结构持续优化，毛利率实现了数量级式的跃升，Momenta在财务维度上交出的答卷意味着，这家公司在变大，也在变轻。

Momenta将这套能力背后的逻辑定义为“一个飞轮，两条腿”。

一条腿是面向车企的量产车智能驾驶解决方案，这是当下的营收主力，也是获取数据的核心渠道；另一条腿则是布局L4级Robotaxi，这代表技术终局和未来的想象空间。

两条腿跑在同一个飞轮上。量产车和Robotaxi产生的海量真实道路数据，反哺算法迭代；算法越强，越能拿到更多项目；项目越多，数据越丰富，飞轮越转越快。

二、高增长与高消耗

和众多仍在商业化导入期的行业一样，高增长往往伴随着高消耗，Momenta也不例外。

2023年至2025年，Momenta净亏损分别为25.7亿元、32.06亿元和34.58亿元，三年累计亏损超过92亿元，同期累计营收约44.81亿元。

但从趋势看，亏损是在改善的，首先，亏损率在收窄，其次，经调整口径下，净亏损在2025年约3亿元。

亏损的直接推手，是高昂的研发投入。2023年研发开支13.01亿元，2024年18.89亿元，2025年18.69亿元。

高研发强度在行业里并不罕见，真正的判断点在于，Momenta是否已到了可以逐步释放研发杠杆的阶段。

2025年，Momenta研发开支绝对金额微降约1.1%，出现收敛迹象，但占收入的比重仍高达77.5%，这意味着，公司距离“用收入覆盖成本”还有相当距离。

Momenta用高研发投入换取技术壁垒，但前提是技术领先要在研发投入收窄之前兑现。

而这个倒计时，正被客户的规划加速。

车企自研已是一道明牌。小鹏、理想、蔚来、比亚迪都在推进智能驾驶全栈自研，华为则以鸿蒙生态构建了从芯片到操作系统到算法的完整闭环。Momenta的核心客户中，比亚迪、上汽、奔驰等均拥有自己的智驾研发团队。

Momenta向第一大客户比亚迪提供高阶智驾方案，对应天神之眼A和B，比亚迪本身自研能力正从低阶向高阶延伸。

上汽智己是绑定更深的另一个样本。智己是Momenta的“创始灯塔合作伙伴”，双方交叉持股，智己全系搭载Momenta方案。这种资本加业务的深度锁定，意味着Momenta很难根据市场表现灵活调整资源投入，一荣俱荣，一损俱损。

当然，车企自研与外部采购并非绝对对立。多数车企即便推进自研，仍会保留外部供应商作为第二来源或技术加速器。但供应商的定位会从“核心合作伙伴”滑向“阶段性外援”，议价能力和合作深度随之变化。客户自研每向前推进一步，Momenta的战略腹地就收缩一分。

这回到了Momenta商业模式的结构性命题。

此前，Momenta不生产硬件，也不做芯片生态，它出售的是纯粹的算法能力。在说服车企信任、拿下订单的阶段，这种“不碰硬件、不抢灵魂”的定位是它的核心竞争力。但当车企逐步建立自研能力后，这套模式的压力就浮现了。

Momenta并非没有意识到这一点，开始从纯粹的“软件供应商”向“软硬一体方案商”靠近。

2026年4月，公司发布芯片BMC 7X，算力272TOPS，面向高阶智能驾驶，并宣布已与多家客户达成量产合作，计划于2026年底至2027年陆续装车。

Momenta的飞轮依赖高质量感知数据和对核心计算硬件的掌控，纯算法输出难以在与车企自研及软硬一体对手的竞争中筑起不可替代的壁垒。芯片赛道的门槛同样不低，巨大的研发投入、漫长的流片验证周期，加上华为、地平线等已抢跑多年的先发优势，Momenta作为后来者，短期内很难靠一款芯片改写竞争格局。

两个信号值得持续跟踪：芯片BMC 7X在2026年底至2027年实际装车后的表现；许可费收入占比能否继续提升，提升的速度能否匹配研发投入的收窄节奏。这两个问题也关系到，飞轮能否持续转动，以及亏损何时能够结束。

三、物理AI的升维之战

如果说过去几年，Momenta对外讲的是一个“怎么做供应商”的故事，那么这次IPO，它想讲的是一个“为什么不只是供应商”的故事。

“物理AI”和“R7世界模型”，这两个招股书里的关键词给出了Momenta的新定位。

传统自动驾驶公司的估值，通常离不开几个硬指标：装车量、项目定点数、单车收入、研发投入和量产节点，增长往往受制于客户议价、车型周期和交付效率。

物理AI致力于理解三维物理世界的重力、摩擦与碰撞等规律，最终完成对现实的改造。物理AI指向的是“AI平台公司”的广阔想象：一旦算法能跨场景复用并沉淀为平台能力，估值逻辑便不再是线性增长。

英伟达CEO黄仁勋将其视为下一波浪潮并发布Cosmos。Momenta将自己嵌入这条叙事线中，意图从“智驾供应商”升级为“物理世界通用人工智能的构建者”。

这套叙事的技术底座是R7世界模型。Momenta副总裁顾功尧将其定义为“物理AI的ChatGPT时刻”。R7的核心能力在于通过海量数据学习，让系统看懂世界、理解世界、预测世界。

R7的技术架构分为三个层次：第一层是世界模型预训练，通过真实数据让AI建立物理认知；第二层是世界模型仿真，构建动态推演的虚拟场域，实现虚实交叉验证；第三层是在世界模型中进行强化学习，在虚拟场景中反复试错，实现超越人类的策略进化。

世界模型极度依赖长尾数据，但这恰恰是传统路测的软肋，Robotaxi车队跑上几万公里可能都遇不上一例极端案例。Momenta选择靠量产车的影子模式收集数据，去解决L4的长尾问题，同时维持自有车队进展。

此外，Momenta还通过与享道出行合作，去捕捉真实运营过程中遇到的复杂路况。

L2量产提供数据的规模基座和捕获长尾场景数据，L4 Robotaxi则提供前沿技术验证和场景反馈。这正是“两条腿”战略的深层互补。

把这些串联起来，一个更大的循环浮现了：世界模型驱动飞轮，飞轮转动两条腿，两条腿贡献数据和营收，最终由物理AI的故事完成资本市场的定价。这个循环构成了Momenta的IPO叙事。

物理AI是一个明确的产业方向，世界模型是通往这个方向的关键技术路径。Momenta的R7是这条路径上少数已经量产的方案之一。但这套敘事距离真正的物理AI落地，还有较大的距离。

第一，量产车L2+的长尾数据是L4迭代的重要“燃料”，但要把燃料转化为L4的“发动机”，还需仿真、评价器、安全工程与可迁移的基础模型架构共同完成。

第二，自动驾驶出租车服务解决方案（Robotaxi）承担着L4算法在真实复杂环境中的验证与迭代职能，产生的数据对于提升系统性能、解决长尾场景行为以及加速全栈式智能驾驶技术成熟化也十分重要。而当前Robotaxi的运营规模与数据量级仍显单薄，难以形成足以支撑物理AI进化的规模效应。

第三，R7世界模型的跨场景迁移能力。目前R7是针对驾驶场景深度优化的专用模型，若要支撑“物理AI”的宏大估值，它必须具备跨场景迁移的底层能力，才能算得上是通用的物理智能基座。这个缺口需要后续的技术迭代来填补。

叙事有利于打开估值的天花板，但天花板的高度取决于落地的进度。