Momenta的130万台量产车，养的是L4的模型

Momenta CEO曹旭东在10月20日的物理AI与世界模型大会上给出了两个数字：累计量产交付超过130万台，累计行驶里程接近200亿公里。同一场演讲里，他预判2028年将成为L4规模化落地的重要拐点。

把这两个信息放在一起看，真正值得琢磨的不是“2028年”这个时间点。是130万台这个数字背后，Momenta对“怎么走到L4”这件事的理解，和大多数L4公司不太一样。

从24个月到不足一个月
Momenta披露了一个交付节奏的变化：首个10万台量产交付用了约24个月，最新10万台已经不足一个月。

这个加速度的意义不在“Momenta卖得好”。它说明Momenta选择的路径是“用L2的量产规模养L4的技术能力”。130万台量产车在路上跑，每一台都在给Momenta的模型喂数据。200亿公里的行驶里程，是Momenta训练世界模型的底料。

大多数L4公司的做法是反过来的：先造一小批测试车，在限定区域里跑，积累数据，再慢慢扩规模。这条路的瓶颈在于数据量上不去，长尾场景的覆盖速度取决于车队规模，而车队规模受制于成本和法规。

Momenta走的是另一条路。量产乘用车的L2方案先铺出去，用规模换数据，用数据喂模型。曹旭东把这件事包装成“智驾摩尔定律”：安全性和性能每两年提升十倍，2026到2028年头部企业有望做到每年十倍。这个“定律”能不能成立，取决于一个前提：量产车的规模增长能不能持续。130万台是这个逻辑的第一个里程碑，不是终点。

R7世界模型解决的是“适配成本”
从L2到L4，Momenta认为卡点不在感知精度，在“适配成本”。

曹旭东在演讲里说了一件事：R7世界模型经过海量数据预训练之后，只需补充少量新车型或当地驾驶数据做后训练，就能适应不同车辆和海外市场的交通规则。这个能力已经在量产乘用车、Robotaxi、Robotruck、Robovan上验证过。

这句话的技术含量，比“130万台”更需要被认真对待。L4落地的一个隐性成本是：每进入一个新城市、每换一款新车型、每适配一个国家的交通规则，都需要重新采集数据、重新训练、重新验证。Momenta的解法是用一个足够大的基座模型把“通用驾驶能力”吃进去，剩下的是小样本微调。如果这条路跑通了，L4的规模化成本会比“一城一策”的模式低一个量级。

支撑这个逻辑的还有芯片。Momenta的兄弟公司新芯航途在做端侧芯片，目标是在同等成本和功耗下把性能提升约十倍，下一代X9芯片支持端侧模型规模扩大100倍。模型越大，需要的算力越多；算力越强，能塞进车端的模型就越大。这是一个正循环，但它的起点是Momenta得先有足够的量产出货来摊薄芯片的研发成本。130万台，就是这个循环的燃料。

2028年的拐点，赌的是L2和L4之间的“责任切换”能走通
曹旭东把2028年定为拐点，参照物是AI Coding的演进：去年Coding还在辅助人，今年已经向自主执行任务的智能体演进，人转为辅助智能体。他用这个类比来说明L2到L4的跨越会带来“十倍到百倍的市场空间”。

这个类比有一个不太被讨论的漏洞。AI Coding的“责任”是轻的，代码写错了可以回滚。驾驶的“责任”是重的，一次误判可能就是一条命。L2到L4的核心门槛从来不是技术能不能做到，是法律和伦理上“谁负责”的问题能不能解决。Momenta已经拿到了德国KBA的全国性L4测试许可，这是欧洲市场的一张关键门票。但从“测试许可”到“规模化商业运营”，中间隔着的审批流程和事故责任框架，不是一家供应商能推动的。

Momenta能做的，是把技术侧的成本降下来、把适配速度提上去，让L4在商业上变得“值得被允许”。130万台量产车、200亿公里数据、R7世界模型的泛化能力，都是在为那个时刻做准备。

对于关注自动驾驶行业的人来说，Momenta的路线提供了一个和Waymo、小马智行完全不同的样本。Waymo是“从L4往下打”，用高成本传感器和限定区域先跑通无人驾驶，再慢慢降成本。Momenta是“从L2往上长”，用大规模量产摊薄数据成本和芯片成本，等法规和商业模式成熟的时候，它手里已经有一张覆盖130万台车的数据网络和一套能跨区域复用的模型。

两条路都可能到L4。Waymo的拐点取决于它什么时候能把单车成本降到可规模化的水平。Momenta的拐点取决于2028年之前，L2和L4之间的责任框架能不能在法律层面被切清楚。曹旭东把时间点押在2028年，赌的不是技术突破，是制度突破。