北京車展這幾日，各廠都在傾配置、拼價格、吸流量。但真正令我眼前一亮嘅，係 Momenta 嗰場「物理 AI 序章」分享會。
唔係因為定點車型又添咗幾款，呢啲係結果。我更想搞清楚嘅，係原因：物理 AI 點憑由實驗室走到量產線上？
答案藏喺曹旭東同兩位研發 SVP 嘅技術拆解入面。聽完後最大感受就一句：自動駕駛嘅「理解力」真係變咗。
睇見同理解，差咗成一個維度
先講個易明嘅例子。
大型語言模型點解可以讀明人話？核心就係一件事：猜下一個詞。靠海量閱讀，佢學識咗根據上文推下一個詞，將語言常識「壓縮」進咗一套模型。
曹旭東現場講咗句關鍵說話，譯成大白話：大型語言模型猜嘅係「下一個詞」，世界模型猜嘅係「下一秒世界會變成點樣」。
聽落差唔多？實際差遠咗。
文字世界係選擇題，物理世界係推演題。所以點解早期輔助駕駛只有規矩，根本無理解物理世界嘅能力。
Momenta 嘅解法，係將世界模型拆成三層嚟訓練：車感、預判、進化。
第一層：預訓練——喂出「車感」
俾模型睇幾十萬段「前車急煞」，唔係令佢死背「前車煞我都煞」，而係去理解：前車點解煞？周圍車會點樣反應？我仲有冇變道嘅機會？
呢種能力唔係規矩，係長久喺呢類數據中浸出嚟嘅。浸出車感。預訓練就係用數據復現呢種感覺。
第二層：仿真——學識問「如果我……」
Momenta 嘅仿係主動式：系統自己推演「我行左邊會點樣」「我減速，後車會唔會變道」等等。不斷地做預演，揀最穩陣嘅方案，呢層就係喺畀 AI 裝呢個能力。
第三層：強化學習——虛擬世界撞夠咗再上路
Momenta 嘅辦法：用前兩層搭一個高度逼真嘅虛擬訓練場。AI 喺入面反覆經歷萬中無一嘅極端場景，前車掉貨、突現行人、高速積水。無數次試錯後，自己摸索出最佳方案。
孫剛現場嗰句話分量極重：「目標係令模型喺極端場景下，超越人類司機。」
物理 AI 嘅真正價值：極端情況下比人更穩
世界模型嘅突破在於跳出咗背題庫邏輯。佢唔係喺記憶入面翻相似場景，而係喺現場做物理推理：例如前車掉落一箱蘋果，佢能預判蘋果滾動嘅軌跡、散落範圍。基於呢啲常識，佢自己推演出軌跡，提前減速，規劃繞路路線。
唔係喺記憶入面翻答案，係喺現場做推理。呢就係新舊之間真正嘅分界線。
信任，先至係商業化落地嘅真正關卡
當 Momenta 嘅技術升維，唔再係實驗室入面嘅 Demo，商業化落地嘅底氣就藏喺一組數字入面。量產車規模已經做到 80 萬台以上，交付嘅第一個 10 萬台捱咗兩年，而家未夠 40 日就能再交 10 萬台。超過 70 款車型完成交付，定點車型亦突破咗 200 款。
本屆北京車展上，大概每個場館都能見到搭載 Momenta 方案嘅新車，從自主汽車品牌到德國豪華，覆蓋咗 20 幾個品牌、60 多款车型。全球化動作亦喺同步推進，方案喺英國、挪威、新加坡、澳大利亞等十幾個地區跑起咗。Robotaxi 嗰邊都冇閒住，從享道、智己到 Uber、奔馳，合作名單喺持續拉長。
講白啲，當物理 AI 嘅架構真正落地，佢唔會停喺論文入面，而係會以肉眼可見嘅速度出現喺量產車同出行服務上。Momenta 嘅飛輪，已經轉起咗。
曹旭東喺結尾傾到創業起點。十年前喺矽谷，佢站喺嗰條以仙童半導體命名嘅「Fairchild Drive」上，呢條街孕育咗全球半導體產業嘅起點。「而家，我哋希望攜手所有中國 AI 公司，一齊書寫屬於東方嘅矽谷傳奇。」
呢句話格局好大，但同 Momenta 做嘅事放埋一齊睇，邏輯好實際。矽谷唔係一家公司嘅成功，係整個生態嘅集體爆發。Momenta 將世界模型同強化學習跑通、量產、規模化，係喺畀行業探路：物理 AI 係點樣由論文行入現實？
