自动驾驶领域正经历一场深刻的变革，行业讨论的焦点逐渐从单一技术路线转向更深层次的竞争维度。Momenta首席执行官曹旭东在北京车展期间提出，自动驾驶企业的核心竞争力已不再局限于某个算法突破，而是取决于架构设计、体系搭建和组织能力建设。他强调，数据本身的价值密度极低，如何将海量原始数据转化为可落地的产品能力，才是决定企业能否突围的关键。
曹旭东用"铁矿石炼钢"的比喻揭示数据价值转化过程：原始数据仅占价值链条的10%，剩余90%的价值来自数据清洗、场景挖掘、模型训练等体系化能力。以极端场景识别为例，百万辆量产车采集的数据中，高速路三只小狗结伴穿行的场景可能仅出现一次，如何从海量数据中精准提取这类长尾场景，考验着企业的数据处理架构效率。Momenta通过预训练与后训练双阶段模型，将物理常识与驾驶行为对齐，使模型既具备环境感知能力，又能学习人类驾驶员的决策逻辑。
在技术路线竞争方面，曹旭东认为单点算法创新难以形成长期壁垒。他指出，当前行业普遍采用的端到端、世界模型等技术方向，最终效果差异往往源于体系化能力差距。这种差距体现在数据闭环的完整度、训练验证体系的严谨性，以及组织文化的迭代效率。以Momenta与奔驰的合作案例来看，从2017年战略投资到2025年量产落地，历经八年技术验证与产品打磨，这种长周期合作对企业的体系韧性提出极高要求。
面对中国智能驾驶技术出海趋势，曹旭东提出"反向合资"的创新模式。他认为，中国技术企业与海外车企的深度合作，既能为当地用户提供前沿产品体验，又能通过技术赋能创造就业机会和税收价值。这种模式在Momenta的全球化布局中已见成效，其客户矩阵覆盖德系BBA、日系三强及美系两大巨头，形成独特的国际合作生态。在应对"中国速度"与"国际标准"的冲突时，Momenta通过用户价值共创机制，在合规框架内实现技术迭代与工程交付的平衡。
物理AI的发展路径在曹旭东的论述中逐渐清晰。他判断自动驾驶将成为首个实现规模化闭环的物理AI领域，其数据闭环与商业闭环的正向反馈机制，正在推动模型能力突破人类水平临界点。这种突破在AlphaGo和人脸识别领域已得到验证，而自动驾驶的复杂场景训练将加速这一进程。相比之下，通用机器人领域由于硬件工具链的复杂性，规模化闭环仍需5-10年发展周期。
在商业落地层面，Momenta展现出独特的平台化战略。其自动驾驶大模型同时覆盖Robotaxi、Robovan和乘用车场景，通过垂直领域数据反哺实现模型迭代。这种模式显著降低研发成本，使物流与出行场景的技术复用效率提升40%以上。曹旭东透露，公司L4业务已进入商业化加速期，2025年将实现乘用车与商用车双线突破，形成完整的智能移动生态。
对于行业竞争格局，曹旭东预测自动驾驶领域将呈现强收敛特征。他类比芯片行业发展规律，指出自动驾驶的软件边际成本特性将强化先发优势，形成比半导体行业更集中的市场格局。据其分析，中国市场最终可能仅存2-3家头部企业，全球市场将收敛至3-4家主导玩家。这种判断基于八年量产合作经验——从项目接洽到量产落地平均需要5-7年周期，构成新进入者的天然壁垒。
在创业十年的反思中，曹旭东将成功要素归结为团队价值观的契合。他强调，自动驾驶领域的长周期竞争特性，要求创业者必须享受问题解决过程，与志同道合者共同面对技术挑战与商业波动。这种文化基因已渗透至Momenta的组织架构，形成数据驱动、快速迭代的独特基因，支撑其在全球自动驾驶竞赛中持续领跑。
