整理｜樊舒琪 

7月8日，自动驾驶公司Momenta正式以“6880”为股票代码在港交所主板挂牌上市。开盘后，Momenta一度上涨超6%，市值突破700亿港元。

按每股295.6港元的发行价计算，假设“绿鞋”（超额配股权）全额行使，Momenta本次全球发售约2,293万股，募集资金总额约68亿港元。

这无疑在汽车产业沉闷的价格血战中，敲出了一记令人振奋的锤音。

过去10余年来，汽车产业历经数轮淘洗，不光决胜出了今天站在造车阵营一线的蔚来、理想和小鹏汽车等明星企业，产业链中，更是突围并崛起了宁德时代、禾赛科技，乃至今天的Momenta等头部公司。

他们的底层故事高度相似，在狂热的市场环境中，辨识和坚定实践自己的战略意志。Momenta的经历更是典型代表。早在2016年创立之初，行业被自动驾驶技术点燃，资本快速涌向L4级自动驾驶项目。

但是曾在微软和商汤深耕计算机视觉的曹旭东早早锚定了数据驱动和数据闭环的技术路径，他想要一条数据和研发体系能够互相持续反哺的商业形态，因此2016年创业之初，就定下了L2量产和L4自动驾驶“两条腿”走路的战略。

用L4这条腿做前沿技术突破，下放给L2量产业务，再用L2业务产生的数据飞轮，反哺L4的自动驾驶业务。

“要实现规模化的L4，一定需要数据飞轮，以及海量的数据，没有这两个东西，是不可能‘登月’的。”

Momenta上市前期，36氪CEO冯大刚与36氪高级内容总监杨轩一起访谈了Momenta创始人曹旭东，他这样描述企业早期的战略意图。

选择容易，但是实践则经常充斥困顿和挫折。36氪了解到，Momenta从2016年到2022年，几乎探索了所有能够大规模落地的L2量产业务，接连尝试过后装一体机，到给车企做大量近乎免费的POC（前期验证）项目。

就连曹旭东自己都感受过从技术理念到商业落地的落差。他向36氪讲述，刚进入汽车行业，以为就像在互联网，从产品立项到产品发布就几个月，慢的话可能一两年的时间。但真正从打入奔驰的供应链到交付产品上车，Momenta则花了8年。

幸运的是，长足的锤炼和准备，也让Momenta最早一批敲开了车企量产辅助驾驶算法的大门。直到今天站在自动驾驶公司的头部阵营。

就在上市前夕，Momenta宣布，装车量突破100万辆。规模增长，业绩也随之线性增加，Momenta招股书显示，从2023年到2025年，公司收入从7.43亿，快速增长至24.13亿元，毛利率达到71.6%，随着规模效应出现，净亏损也一路从10.93亿元，收窄到了3.03亿元。

“很多人一开始目标很宏大，说想要登月，然后珠穆朗玛峰离月亮最近，那我就去登珠峰。但登月要干的事情是造火箭。在我们看来，我们做L2量产，实际上就是在造火箭。”曹旭东向36氪表示。

今天的Momenta再一次做出了新的技术预判，他们选择了世界模型和强化学习。这套技术体系已经应用于公司最新的R7世界模型。

曹旭东对R7世界模型颇为自信，他称这款产品“能够跟特斯拉FSD V14打得有来有回”。对于自家的Robotaxi业务，曹旭东亦有着较为稳健的规划，他的目标是，“2028年的时候，运行1万台Robotaxi，中国和海外各一半”。

Momenta的更长远战略布局，着眼于机器人。曹旭东计划到2027年启动机器人业务，一方面，因为“那时Momenta Robot飞轮的构建，已经比较完善了”，另一方面，彼时公司“溢出的能力刚好可以做机器人”。

诚然，行业里不少自动驾驶公司，包括车企，跨界做机器人早于Momenta，但曹旭东并不感到公司失去了入局的最好时机。

这不仅因为机器人和自动驾驶领域，在data infra、训练infra、数据飞轮、大模型的架构等方面可以高度复用，曹旭东的更多信心来自于，Momenta从汽车产业中长期淬炼出的技术底座、组织体系和市场体量。

以下是36氪CEO冯大刚、36氪原创内容负责人杨轩与Momenta创始人曹旭东的对话实录，经编辑：

谈上市：上市是为了品牌和信任

36氪：Momenta为什么要上市？

曹旭东：这是一个很好的问题。公司在这个时间点上市，更多的是为了品牌和信任。

其实我们公司现金储备还是蛮多的，而且公司的亏损在快速收窄，明年就盈亏平衡了，后年就能规模化盈利。所以从现金流角度，是否上市对我们来说影响不大。

虽然我们是一家To B的公司，但我们很看重C端的品牌，以及C端用户对我们的信任。而上市一定能够在很大程度上放大我们的品牌，从而帮我们赢得用户、客户，以及资本市场的信任。

36氪：是不是有点像英特尔，让用户觉得，只要是英特尔的CPU，这个电脑就一定很好，同理用了Momenta的辅助驾驶，这个车也一定很好？

曹旭东：这肯定是我们一个学习和借鉴的对象。

现在我们很多客户，在产品上市的时候会跟我们一起做comarketing，比如说奔驰、宝马、奥迪、丰田、本田、日产，国内的车企有上汽、奇瑞等，都在和我们一起做comarketing。我们有了更好的品牌，更高的用户信任度，也能帮助我们的客户更好地卖车。

36氪：你希望资本市场怎么定义Momenta这家公司？它是一个智驾公司，还是一个AI公司？你自己又认为Momenta是什么公司？

曹旭东：我觉得资本市场的人都很聪明，不是我希望他们怎么定义，他们就会怎么定义。

在我看来我们是Better AI，Better Life，所以长期来看的话，我们肯定是一个AI公司，然后包括自动驾驶。

自动驾驶从当前的城市辅助驾驶，再到未来的L4自动驾驶，不管是乘用车还是Robotaxi、Robotruck，其实它的内核就是AI。这个AI的内核对应到物理世界的话，就是World model。

36氪：今天很多人在讲纯血AI的概念，比如那些卖token的公司，才是纯血AI，其他跟AI有关的公司，可能不会被定义成纯血AI公司，外界这样定义你会不会觉得不公平？

曹旭东：不同的人有不同的看法。我之前看到过一句话，短期是投票机，长期是称重机，我觉得最终还是要做称重机。

我们公司做很多决策，永远不是资本导向，更多的是价值导向，怎么做能给用户创造价值，做什么样事情能跟我们的价值导向相匹配，我们就用什么样的方式来做。

我举个例子，我们公司最开始讲一个飞轮两条腿，量产L2、完全无人驾驶的时候，那个时间点上，整个行业全都看不懂，行业所有人都在做Robotaxi。

但我们讲了一个跟行业最主流的，或者说和资本市场给的估值最高的方向不一致的故事。为什么做这样的一个选择呢？就是因为这在我们看来是一条正确道路，通过这条道路才有可能最终做成规模化的L4，所以我们就选择这条路径。

谈世界模型：世界模型是实现自动驾驶的必要条件

36氪：我听说你自己也会活跃在一线，了解最新的技术发展，现在的AI技术、新概念层出不穷，比如大家都在喊世界模型，但我觉得每个人讲的世界模型都不一样。Momenta是怎么定义世界模型的，你们怎么确保你们的世界模型真的是懂得物理世界了？

曹旭东：我们的这个世界模型，主要三部分，第一个是World model prediction，第二个是World model simulation，第三是World model reinforcement learning。

我先说World model pretrain吧，这个我们对标的是GPT。GPT之所以这么powerful，就是因为它有预训练。预训练是通过next token prediction，把整个互联网的数据，或者整个数字的数据全都拿过来训练，把数字世界的常识压缩到这个模型里面。

那对应的World model pretrain，就是通过对未来的预测，比如说我把这个笔扔上去，然后它会掉下来，这其实就是对物理世界规则的预测。我有海量的这样的数据的话，就可以预测这样的数据。把整个物理世界的规律压缩到模型里来，这样的话，这个模型就具备了物理常识。

36氪：所以世界模型对自动驾驶很重要。

曹旭东：对，肯定的。不光是自动驾驶，你可以看到机器人也是。

去年后半年的时候，我们在自动驾驶上已经验证了世界模型的效果了，今年量产。

今年上半年，我在硅谷的时候，观察到很多公司都从VLA转向到世界模型，就是因为通过世界模型大规模预训练之后，它的成功率能够大幅提升。我这有个数字不一定准确，作为参考，可以感受一下，就是从50%提升到了90%，这是非常大幅的提升，所以在行业内引起了很大震动。

36氪：更早之前大家做的是端到端，这和现在说的世界模型有什么区别吗？

曹旭东：这个没有任何的冲突。端到端is everything。ResNet也是端到端，Transformer也是端到端，GPT也是端到端，强化学习也是端到端，World model也是端到端，现在但凡是一个模型，它都是端到端的。

36氪：那现在大家讲的世界模型，跟几年前行业里经常讲的端到端，它的进步体现在哪里？

曹旭东：如果没有世界模型的话，只是端到端，自动驾驶的任务，是一个稍微有点畸形的任务，因为它输入的维度非常高，如果没有压缩的话，它输入的token可能是几百万个，或者更多。

但输出的，可能就只是自动驾驶的轨迹。自动驾驶的轨迹，可能就10个token或者几十个token。

那就是从非常高维的输入，到非常低维的输入。这样很容易出现一个结果，就是过拟合，或者说因果混淆，它会学到些很奇怪的映射关系。

但如果你有World model，World model首先学的是物理常识，你会发现当一个人有常识的时候，就像一个人已经从小学一路上到大学了。这时你跟他探讨一个大学的物理问题，那是很容易的，可能几句话就能聊清楚了。

如果这个人他根本没上过小学、中学，这时候你跟他探讨一个物理问题，他可能会跟你争论，比如这个地球就是中心等等。

36氪：那你觉得世界模型是自动驾驶的终极答案吗？

曹旭东：我觉得肯定是一个必要条件，但终极答案就不一定，因为技术还在快速进步。

再比如强化学习是不是必要条件？我觉得是个必要条件，端到端是不是必要条件？肯定也是。虽然现在可能大家对端到端提得没那么频繁了，但实际上，强化学习、端到端都是build up，世界模型或者强化学习，都是在端到端的基础上的。

36氪：那强化学习这件事，在世界模型的框架下，重新变得极度重要了吗？用强化学习的方法训练世界模型的话，中间有没有什么可能出现的问题？比如它的奖励函数等等。

曹旭东：有。这个很重要，尤其是对于安全性来说，提升还是非常大的，至少是5-10倍的提升。

但确实也会有一些挑战，因为强化学习很容易出现reward hack，就和员工会hack公司的kpi一样，模型也特别容易偷懒，所以强化学习的reward要设计好，一方面要保证安全性，另外一方面，要考虑一些行为是否拟人，所以我们也有一些怎么拟人的reward。

36氪：Momenta有看到强化学习，明显提升了自动驾驶表现吗？

曹旭东：在安全性上提升特别大，比如我们的R6上了强化学习，安全性至少比不上的时候，有5-10倍的提升。

谈优先量产辅助驾驶：有海量数据才能做成规模化L4

36氪：你刚才说起一个飞轮两条腿，L2、L4同时做，这让我想起了一本书，毛姆的《月亮与六便士》，他的意思是说，月亮是遥远的理想，六便士是地上可以俯身捡到的现实，某种意义上来说，我觉得当时你选择两条腿走路，算是既要月亮又要六便士，既要遥远的L4，又要眼下就能放量的L2，这可能是一个现实的选择，或者说很有野心的选择，但你凭什么觉得你能两个都要？

曹旭东：当时做这个选择，我想的不是我凭什么两个都要，而是我们觉得这样做了才有可能登月。

如果只做L4，可能会有很多人投资你，拿投资人的钱也一样可以发展。但这不是钱的问题，我们做这个路线的选择，更重要的原因是，根据我过往的经历形成了一个认知——要实现规模化的L4，一定需要数据飞轮，数据驱动。第二，需要海量的数据。

很多人一开始目标很宏大，说想要登月，然后珠穆朗玛峰离月亮最近，那我就去登珠峰。但登月要干的事情是造火箭。在我们看来，我们做量产，实际上就是在造火箭。

36氪：所以说一个飞轮两条腿是一种技术判断，但当年很多做L4的公司，也都是技术背景出身的创始人，为什么你的技术判断会跟其他人的技术判断不一样？

曹旭东：其实我也思考过这个问题。我刚创业的时候，我就去过硅谷，也跟Waymo的人聊过，聊完之后觉得，这个公司还是挺好的，但另一方面，多多少少有点失望，因为我们交流的时候，我问他一个非常本质的问题——你觉得做成规模化的L4的话，要解决的最根本问题是什么？

聊完之后，我发现大家做事的出发点更多的是老板想做。这件事情听起来非常exciting，所以我就做了。但是要把这件事情做成，根本性的问题是什么，以及根本性的问题能通过何种战略路径来解决，他们没有思考过。

我当时其实挺意外的，也挺吃惊的。

但另外一方面，也坚定了我按照我们的想法，去做这件事情的初心和决心。

36氪：你刚说的他们没有思考的、最根本性的问题，是指什么？

曹旭东：可能跟我在微软的经历，包括我在商汤的经历有关系，我做过的规模化产品，在一个很小的垂直领域，它的能力能达到人类水平，甚至超过人类水平的，都是需要海量的数据。而且要把海量数据用起来，一定要有一个数据驱动算法。当然具体数据驱动算法怎么做，用什么样的架构，什么样的模型，那可能有很多的做法。

36氪：这说的就是第一性原理，很多人都觉得他们是第一性原理的信徒，可每个人看到的第一性，以及最后得出的结论很不一样，你觉得你现在说的是对的吗？

曹旭东：我觉得我们相信的东西，正逐渐被我们实现，我们实现之后，也逐渐在变成行业的共识。

36氪：Momenta是2016年成立的，但公司在2020年前后，才拿到了车企的订单，这中间经历了四五年时间，外界都在疯狂地做L4，你们有质疑过自己吗？

曹旭东：没有。

36氪：公司内部有人质疑吗？

曹旭东：这一定会有，有的人是因为这个相信，所以看见，有的人因为看见而相信，那会有这么两拨人的。在那个时间点，在技术落地、产品落地、商业落地之前，大家看的是什么？看的不就是融资吗。那谁融的钱多，谁更能获得资本的认可，谁就更加正确。

我们之所以能够坚持下来，是因为我们内部有一条连续的路径，这个连续的路径不是三年才有一次正反馈，可能是三个月。通过我们的技术研发，产品进展，就能看到正反馈。

36氪：这个正反馈是你们有意去建立的吗？

曹旭东：一定是的。我觉得任何一个一号位，不管是产品的一号位、商业的一号位，还是技术的一号位，不能让这个反馈周期太长。反馈周期如果是3年、5年，那很少有人因为相信而相信，能够坚持下来。

36氪：所以最孤独的那四五年里，你们内部能坚定军心的那几个正反馈是什么？

曹旭东：我觉得很重要的一件事情，就是我们坚持数据驱动，在数据驱动的技术研发上，取得了一些很好的进展，这些进展的话，大家都能看得到。虽然我们这条技术路线可能放到行业里面，跟主流的技术路线有很大不一样的地方，但是呢我们自己能够看到这条技术路线取得的进展，取得了正反馈。

36氪：从来就没有焦虑过，如果融不到钱怎么办呢？

曹旭东：没有

36氪：之前我和你的同事交流，我让他们讲故事，他们说我们是技术公司，没什么故事可讲。我说一定会有的，后来他就讲了一个跟奔驰合作的故事。据说Momenta跟奔驰的合作谈了8年，才拿到结果。

曹旭东：他应该是想说8年量产吧。

36氪：是的，那这个过程中有什么有意思的事情？

曹旭东：首先我想说8年实际上是快的。

36氪：但套用你刚才说的正反馈来说，这是8年才有正反馈。

曹旭东：好问题，我先解释一下为什么8年算快的。

我刚进汽车行业的时候，初生牛犊，以为这行业就像互联网行业，从产品立项到产品launch就几个月，慢的话可能一两年的时间，不可能再长了。

当时我有一个师兄，在汽车行业很多年。我就问他在汽车行业，这个周期大概需要多长时间。

他说汽车行业敲门就得敲三年，再加上两年的开发，可能需要5年的时间才能量产。

那时候我就觉得，哇，5年，这么长。

后来我又和他说，我们运气特别好，刚刚拿到了奔驰的投资，有了奔驰的投资，我们这个时间能不能缩短。这个师兄听完之后，首先特别开心，他说恭喜你们在汽车行业里能拿到奔驰的投资，这对你们是一个巨大的indorsement，相当于成功了一半。

但是跟奔驰合作的话，如果要量产，至少需要10年的时间。这是行业的规律，因为奔驰对于产品的品质要求非常高，开发周期也非常长。

我当时其实是不太相信的，但是现在看下来，我们从拿到奔驰的投资，到最终量产，确实花了8年的时间，稍微加快了一点点，但没有快那么多。

回到您的问题，整个周期特别长，怎么持续拿到正反馈呢？我们中间其实经历了很多个阶段。

第一个阶段是POC的阶段，大概是从2017年-2019年吧，我们做了很多的POC，比如行人检测的POC，还有各种识别的POC等等。做完之后，奔驰觉得我们技术非常好，在18年底的时候又增持了我们。

POC做完之后，到了2020年的时候，我们开始做PreSOP，就是在量产前，主机厂还需要进一步验证我们的能力。

大概做了两年时间，到2022年的时候，我们拿到了一个小规模的SOP项目，只有奔驰的一小部分的车型。

大概在2024年之后，我们的量产开发效果非常好。2024年的时候，我们还跟行业非常有名的一家友商PK，PK完之后，我们非常明显得领先，奔驰就把在中国的所有车型，包括电车、油车全部都给到我们量产。

到2025年底的时候，奔驰的首个车型才量产，今年还会有很多款车型量产。整个的周期非常长，这么长的周期，在我进入这个行业之前是不敢想象的，完全不敢想象。

36氪：但行业里也有观点认为，L2的蛋糕正快速变小，一方面辅助驾驶渗透率现在已经很高了，再增长一倍就到头了，但是单车的收费在快速下降，你觉得这是否会影响Momenta的计划？L4会不会因此断粮？

曹旭东：首先我觉得这说的是行业的部分现状，比如说二线，辅助驾驶方案供应商，正被卷入价格战的红海，这样就会进入一个负循环，订单量少，就要以更低的价格竞争。

但我认为对于一线供应商不是这样。一线公司大家还在快速迭代，对应的商业的价值和商业模式也在迭代。比较有代表性的公司就是特斯拉，我们可以看到它的订阅费还是很可观的，每个月99美金，产品的体验也非常好。

随着技术提升，产品提升，给用户创造的价值也会进一步提升。给用户创造的价值提升之后，对应的商业回报，也会持续提升。

我可以举一个典型的例子，假设量产的终局实现了，它的安全性至少是人类的10倍。而现在一辆车的保险大概是5000块钱，其中2000是固定的，3000是浮动的。如果自动驾驶的安全性能够做到10倍于人类的安全性，用户可以花2700元去订阅每年的城市NOA，花300元付这个保费。这样的话，对应的商业价值明显是在增加的。

所以说商业价值到底是在萎缩还是在增加，完全取决于你的产品的水平到底怎么样，产品对于消费者来说，能够创造多大的价值。

36氪：也就是说，你的判断是，再过几年，无论自动驾驶的价格还是用户体验，差距都会很大。

曹旭东：对，一定是这样。

谈Robotaxi和机器人：做成家庭机器人，研发投入至少百亿美金

36氪：关于Robotaxi能否实现，之前行业里一直有争论，在这个新的技术架构下，你觉得Robotaxi能实现吗？它能让自动驾驶公司实现规模化的盈利吗？

曹旭东：首先肯定能实现，而且在加速实现。

我们的目标是2028年的时候，运行1万台Robotaxi，中国和海外各一半。

但1万台能不能规模化盈利，这也不好说。国内的毛利低一点，海外的毛利高一点，每台车一年的毛利润是1万美金的话，规模化盈利也就1亿美金，其实不算特别多。

我们公司去年这方面的毛利润，就已经是2亿多美金了，2028年到了拐点之后，规模会进一步扩大，比如说到2030年，规模有可能做到10万台，对应的毛利润可能是10亿美金。

36氪：你们大概什么时候会开始做机器人？

曹旭东：2027年。

36氪：为什么是2027年？

曹旭东：一方面，我觉得我们整个L4的飞轮，或者Robot飞轮的构建，已经比较完善了，而且我们判断，到2028年，我们的组织或者能力，已经溢出了，那溢出的能力刚好可以做机器人。

36氪：但这时候可能另外一家机器人公司，已经做了7年或者10年了，你觉得做自动驾驶的公司还有什么优势和劣势？

曹旭东：首先机器人和自动驾驶，在很多方面都是高度相似甚至复用的，不管是data infra还是训练infra，包括数据飞轮、大模型的架构，甚至推理的芯片和端侧的模型，都是高度可复用的。

这个东西在自动驾驶上验证了，在机器人上就可以应用，这是一方面。

另一方面的话，就是组织和体系。

而且我觉得做机器人，其实是需要cash cow的，就是现金奶牛。机器人要把最复杂的场景，比如家庭机器人做成的话，我觉得累计的研发投入至少也是百亿美金以上。

36氪：这个百亿美金是基于算力成本算出来的，还是怎么算出来的？

曹旭东：算力成本再加上人的成本吧，当然算力成本可能占大头。

谈创业目标：机器人是下一个能让我兴奋的东西

36氪：其实我觉得你看起来应该是一个非常循规蹈矩的人，可是从你的经历上来看又不是的——从清华退学，博士退学，然后又从商汤离开。其实你做了很多别人觉得你那时候不应该做的事情。今天终于到了，算是成功的地步，现在是敲钟的时候，你到底想要做一个什么样的公司？

曹旭东：其实我的性格是，如果这件事情我特别喜欢，我会非常all in地去投入。

我举个例子，我高考的时候其实很偏科，语文好像就100出头，没到110，但理科考得非常好。很重要的原因就是我对这个东西很感兴趣、很喜欢，自己就每天琢磨，不是老师要你学，或者你为了考一个好大学，所以你要学。很多时候就是单纯地对科学本身有浓厚的兴趣。

36氪：有没有考虑过做学术研究？

曹旭东：其实我考虑过，但我发现我对Publication、发表论文不感兴趣。我更喜欢解决生活中的，或者产品中的实际问题。

而且我其实更关心的是，能不能解决这个问题，解决这个问题的方法到底是什么。我可以复用学术主流的方法，我也可以独创一套方法来解决问题。

36氪：所以刚才我问的，你到底想做一个什么样的人、想做一个什么样的公司？答案就是做一个你喜欢的公司吗？

曹旭东：是的。

我们做Momenta的时候，没有考虑过我们做这家公司，一定要成为全球第一、行业第一，更多的考虑的是，我们这家公司要创造什么样的价值，以及要做什么样的技术。

当时选择自动驾驶，很重要的一个出发点是，它既有感知智能，又有认知智能。我们觉得你要Better AI，要了解什么是智能的话，只做感知智能是不行的，一定要做认知智能，这样你才对智能的全貌，有更深入的理解。

36氪：那时候你开过车吗？

曹旭东：没有。

36氪：所以那时候你还不是一个热爱开车的人。

曹旭东：坦白说，我在那个时间点，别说热爱开车了，所有的汽车品牌，我全都认不出来。比如说奔驰、宝马，它的标跟名字都对应不上。

36氪：那你主要还是从学术角度出发，希望这件事情正好能把喜欢的东西用上？

曹旭东：更多的是觉得，自动驾驶是一个很好的切入点，它包含了感知智能，又包含认知智能。我觉得我们的目标，是要把智能是什么搞清楚，并且用更好的智能，去创造更好的生活。这是我们内心的passion。车只是一个载体。

36氪：你觉得Momenta今天得到了一个阶段性的成功吗？或者你怎么看成功这件事情？

曹旭东：我觉得公司来到了一个新的起点吧。坦率来说，成功这件事情，你距离它很远的时候，它还有一定的吸引力。但这件事情就到跟前的时候，就没有那种额外的喜悦。真的没有。

36氪：下一个你离得比较远的、让你觉得兴奋的东西是什么？

曹旭东：几年前，疫情刚结束的时候，我就回了老家，拜访我大姑。

当时我跟她介绍我们的自动驾驶，听完之后我大姑就说，非常棒。之后她就问，你除了自动驾驶还做什么呀。我说我们未来还要做机器人。

我一讲到机器人，我大姑就特别兴奋，她问了我好多问题，她说能送小孩去幼儿园吗，我说这个可以；能帮着买菜吗？我说也可以；能帮忙清理家里的垃圾吗，也可以。

听完之后我就强烈地感受到，这件事情对我大姑来说，其实是更有吸引力的，因为她问了好多问题。关于自动驾驶，她就说非常好，然后就没有了。

又过了两年，我又回了趟老家，又去看我大姑。一上来我大姑就问，你们这个机器人做出来了吗，然后我说，这个是我们的战略规划，距离做出来可能还需要一段时间，可能还需要至少5年，或者更多的时间吧。

那时候我大姑又接着问，你们这个机器人卖多少钱。我当时就快速地算了一下，一方面bottom up算了算成本，另一方面top down算了算合理需求下的价格，毛估了一下，说可能10万块钱。

我大姑给我的反应，这10万块钱不贵啊，10万块钱咱也能买一个。她又说你这个东西出来了，一定要早点告诉我，我买一个机器人也能用起来。

36氪：10年以后，你觉得你们会不会成为一家伟大的公司？如果是的话，这家伟大的公司是什么样的？如果没有成为一家伟大公司的话，你觉得主要风险在哪？

曹旭东：首先，这肯定是我们的目标，不然也不会有这个100年的使命。

我觉得之所以伟大，很重要的是创造了价值。我觉得一个企业最重要的就是创造价值，创造用户价值，创造客户价值，创造社会价值。

36氪：那风险呢？

曹旭东：就是有什么担心的事？坦率来说，这不是我们做事情的风格。

36氪：但我看你们把“危心”两字写满了你们办公室？

曹旭东：我们的“危心”，更多的是指，我们做事情的时候，会做需求三抓，或者说问题三抓。

比如说我们已经定了方向了，定方向的时候不是看这件事情有多难，而是这件事情有多大价值，这是第一点。

第二，这件事情我到底喜欢还是不喜欢，直接决定了我能不能做到超一流。

有了这些之后，我们开始做需求三抓或者问题三抓。

不是说，我做了这件事情，就认为我一定会成功，而是去找潜在的问题、潜在的不同观点。

找不同的问题和观点，不是说我对这个方向有所动摇，而是为了更好地实现我的方向、实现我的目标。因为充分考虑问题，才有可能更好地解决问题。

至于说您说的那个问题，我的理解就是，会有什么天堑性的问题。但我认为，只要我们选择了一个方向去干，就没有天堑性的问题。

谈公司竞争力：低质低价不长久，Momenta的软件license费用会保持坚挺

36氪：我们研究Momenta的故事会发现，公司经历过早期，一个软件版本上车没有办法work的阶段，到今天Momenta的市占率达到了这么高水平，Momenta解决未知问题的方法是什么？

曹旭东：我可以讲一个小的例子，但这个点，我觉得还挺重要的。

大家可能都听过，You get what you measure，我们在这个基础上又发展了一下，叫做get what you name。

为什么会有这样一个说法？我们内部，对于一些问题特别重视，比如给一些方案起名字的时候，我们的标准很高，首先要非常凝练，然后要能顾名思义。

之所以这样做，是因为我们发现，当你有一个好名字的时候，这件事情会被大家重复讨论。一旦一件事情，被大家重复思考和讨论的时候，它特别容易从一个模糊的状态、混沌的状态，变成一个相对清晰的状态。

很多时候大家不知道如何去解决一个问题，就是源于模糊、定义不清楚。它会有一个负循环，这个东西越是被考虑得、被讨论少，越是模糊，越是一个相对清晰的事情，反倒被大家讨论得多。

36氪：Momenta让人印象非常深的是，公司在组织上有很强的进化能力，比如公司一开始可能是400个人去做一个case，要用两年时间；后来100个人做一个case，用一年半时间；现在是几个人做半年时间。这种快速进化靠的是什么？

曹旭东：这肯定不是靠员工去拼体力，更多的是拼人的脑力，把很多东西，尤其是重复的东西标准化、流程化、自动化，我们把它叫SPA。

这个也跟我们刚才聊到的You get what you name有关，你只有先对一个模糊的东西，有清晰的定义，你才有可能标准化。标准化是流程化和自动化的前提，这点在我们内部是做得很好的。

当然要实现标准化、流程化、自动化，也需要有很好的架构和很好的体系。

36氪：我之前提到效率，是因为我觉得效率会伴随着服务能力的提升，也伴随着价格的下降，效率和价格是Momenta的杀手锏吗？

曹旭东：我们不打价格战。

如果遇到一些竞争对手的价格太夸张了，我们就退出竞争。但根据我们过往的经验，这个客户可能过一年或者过两年还会回来，因为低质低价不长久。

内卷之后，他没有钱去投研发，产品长期来看肯定是没有竞争力，那一定会被用户抛弃的，只要用户抛弃了，那客户也一定会抛弃。

谈行业竞争：Momenta的R7，有信心和特斯拉FSD V14打得有来有回

36氪：现在即便是很多传统车企，也选择自研辅助驾驶，那Momenta作为第三方的厂商，怎么去跟所谓的第一方竞争？是通过比他们更快、更安全吗？

曹旭东：首先我也不觉得是竞争，我们对竞争的理解，更关心的是竞，不是争。

竞比的是谁能够更好地给用户创造价值，这是一个互相学习、共同提高的过程，如果自己真的做得足够好的话，我相信自然会有越来越多的用户和越来越多的客户

36氪：那谁会做的比较好？主机厂自己开发，跟请一个合作伙伴来开发，理论上谁会更好？

曹旭东：我觉得都有可能。特斯拉做得非常好，我们也做得很好，华为也做得很好。

36氪：那最终的输赢取决于什么？是谁的钱多，谁的数据多，还是其他？

曹旭东：我觉得因素很综合。首先取决于是否有一支，对这个事情有使命感，又非常投入的团队，这个团队能不能持续从全行业，吸引最优秀的人加入。

并且团队能够在这件事情中获得快乐，尽管这个行业现在很痛，但更多的是从这件事情中获得快乐。我觉得这个很重要。

36氪：有种观点认为，如果车企一定要在智能座舱和辅助驾驶中间，选一个自研的话，车企最好去做辅助驾驶，因为辅助驾驶驾驶，主要靠数据取胜，车企有数据，需要的工程师又不是很多。你怎么看待这个观点？

曹旭东：我觉得这个观点有点奇怪，如果二者一定要选一个自研的话，肯定是智能座舱。

原因很简单，我觉得自动驾驶和电池很像，它只有好和更好。

行业里有非常好的供应商，这样一来，如果车企要面向消费者，去打造自己的品牌，那肯定要把自己的个性化差异化做出来。那什么是更能体现个性化、差异化的？一定是智能座舱，它可以跟自己的品牌结合，跟自己的目标人群结合。

36氪：自动驾驶行业，目前最激烈的竞争点是什么？自动驾驶公司主要比拼的是什么？

曹旭东：我觉得现在已经不是一个单点能力的竞争，因为任何一个单点能力，都是很容易被学习和复制的。

我觉得更多的是一个多维度的竞争。这个多维度的竞争最底层的因素，我觉得是组织和组织的文化。

36氪：FSD体验下来，你觉得和Momenta有什么不一样吗？

曹旭东：我觉得FSD做得非常好，其实Momenta在北美已经有虽然是L2++的产品，但体验接近L4。

特斯拉的FSD V14有可能今年年底，或者明年年初来到国内，我们有信心，我们最新的R7世界模型，能够跟FSD V14打得有来有回。

36氪：我听过你之前讲，Momenta是怎么做数据的，所以你说不同的团队做出来的效果，可能偏差100倍，主要是在处理数据上的区别吗？还是包括其他？

很多。数据是一块，也包括整个的infra，数据的infra、training infra，还有模型的架构，以及onboard的porting。

这里面可能出问题的点实在太多了。

你可以认为体系里面，待决策点可能有上千个。这里如果有1%错了，你的结果还是不错；如果有10%错了，还是会有可以的结果，但和全对之间，效果上的区别是几个数量级。

谈公司管理：更愿意招刚毕业的高潜，而非行业大佬

36氪：这个行业如果有一个你的偶像的话，是不是马斯克？

曹旭东：是的。

36氪：我之前和几个投资人吃饭，他们开玩笑说，希望马斯克万寿无疆，因为马斯克如果有出问题的话，中国很多行业的方向可能都会混乱，哈哈。据说你体验过特斯拉的几乎每一个版本，每次都会仔细地去测试。

曹旭东：我每次去硅谷，出行的工具就是特斯拉的FSD。

36氪：有没有从马斯克身上学到什么东西？

曹旭东：坦白说，非常钦佩。但你要说从特斯拉，或者Elon Musk身上学到很多东西，因为Musk的很多的风格对我们不太适用。

我举个例子，其实我特别佩服Elon Musk的一点，比如说他的FSD从2016年就开始做了，但从2016年-2018年整个过程非常波折，是2018年招到了Andrew Ng，这个人非常聪明，也有非常好的leadership，把特斯拉FSD做起来了。

但在这之前，他基本上每半年或者不到半年，都会换一个行业大佬。关键换的人是行业大佬，不是一般的人。这些人在AI领域都是响当当的人物，他半年换一个。

换的过程中，大家会对Musk有质疑，但只要这个人跟特斯拉的战略、文化不合适，Musk就坚定地换，直到换到合适的人。

我觉得这个做法，行业里其他公司是很难做到的。

36氪：因为团队这样一折腾就散了。你觉得你是一个看人很准的人吗？或者说你看人的时候，最重要的标准是什么？

曹旭东：我觉得看人要做到非常准，真的太难了，只通过面试真的太难了。所以我们现在很多时候，不是去招某个方向上特别知名的行业大佬，然后赌这个大佬一定会成功。

AI行业迭代速度非常快，我们更多的会去招这个行业里面高潜，可能就工作三五年，甚至刚毕业的人。

他们很年轻，然后一方面我们自己hand down地带，这样你不能保证招进来的每个人都正确，但只要你招的是非常高潜的人，一定至少能够带出来1/3的人。

36氪：员工最吸引你的地方是潜力。那你希望他是一个什么样的员工？是一个以什么样的目标为导向的？比如钱、事业上的成功，还是？

曹旭东：那肯定是，他对这件事情真的喜欢。

喜欢钱或者喜欢世俗上的成功，只要这个人足够聪明和勤奋，也能把事做到一流水平，但他很难做到超一流水平。

能做到超一流水平的人，他一定是对这件事情极其的喜欢，吃饭的时候在想这件事，洗澡的时候在想这件事，早晨醒来也在想这件事，睡觉前也在想这些事。他超一流不是因为他比那个人更聪明，是因为他对这件事情喜欢，极致的关注带来了超一流。

36氪：你现在还是一个洗澡的时候、吃饭的时候、走路的时候还在想技术问题的状态吗？

曹旭东：会，比如说有一些重要的技术问题，如果我刚好在一线，跟大家讨论，那我就会非常active地去想，虽然我想的不一定都是对的，但是只要这件事情，我是深入一线，能跟大家一起看一手的数据，对的概率还是有7成左右吧。

36氪：所以现在对你来说，在一线去看技术还是个很重要的事。

曹旭东：还是很重要。尤其是在这个大模型时代，我觉得更重要。

因为大模型时代的很多技术决策，它不像以前发个微信红包，几个人做一个决策，一上线，这件事就成了。大模型的研发投入是巨大的，所以一定要有人敢于在方向上，在架构上，在投入上做决策。

那谁能去做这个决策呢？很多时候，当权力和认知不对等的时候，就会造成巨大的浪费。所以哪怕你的认知还不够，那也必须通过一线一手，把认知拉到跟做决策的，不管是权利还是责任对等的程度，这样才有可能做出高质量的决策。不然就会出现没有人做决策，或者没有人敢做决策，没有人权利做决策。

36氪：你做CEO那么多年，你对自己做CEO的评价高，还是对自己做一个研究者的评价高？

曹旭东：我对我们的团队评价高。

36氪：你怎么评价Momenta的组织文化？它效率怎么样？是一个能打胜仗的组织吗？

曹旭东：我觉得肯定是一个能打硬仗、能打胜仗的组织。

36氪：这些科学家是不是很难搞？

曹旭东：没有，其实还是挺自驱的。我有一次和公司的一个新人聊，他说非常向往我们公司。我说为什么向往，他说听说我们公司都是自来卷。然后这个非常符合他的性格，因为他也非常自驱，他对于这个喜欢的事情就是非常all in。

36氪：今天如果有一个专家，他想做一个跟世界模型有关的事情，或者跟具身有关的事情，你觉得在Momenta，他能不能找到他最想要的环境？跟一些最强的人合作？

曹旭东：我觉得我们那绝对是最好的，或者最好的舞台之一。

36氪：为了把公司打造成一个最好的舞台，你做了什么？

曹旭东：我们最主要的出发点还不是，我要打造这样一个环境，或者打造这样一个舞台，我觉得环境和舞台是一个副产品。最主要的目的还是把这件事情做成。

只要核心团队真心的喜欢这件事情，并且想把这件事情做成，你天然就会吸引人，而且吸引过来的人，都是比较纯粹的人、想做成这件事情的人。

36氪：如果上市以后，股价非常好，然后你的很多同事、员工变成了千万富翁、亿万富翁，你觉得他们会不会松懈？

曹旭东：首先，这件事情我还是挺开心的，就是能够给员工创造很多财富，最终员工财富会变成社会财富，我觉得这是一件特别令人开心和自豪的事情。

我们团队持股比例还挺高的，我说的不是创始团队，我说的是所有员工。

但这样的担心，不能说完全没有，但是坦率来说，我现在没精力去担心这些东西。

一方面，我没有强烈地从身边的人身上感受到这个问题，当然可能是还没有上市。另外，我感觉我们公司的团队还是挺纯粹的，他做这件事情不单单是为了钱，因为我们公司上市前，给大家的回报其实已经挺好了。更多的还是他喜欢这件事情，他热爱这件事情，愿意为了这件事情投入。