Hast du die erste Aktie im Bereich Physical AI verstanden?
Erzähl ich Ihnen eine interessante Geschichte:
kennen Sie Yann LeCun? Der Turing-Preisträger hat im März dieses Jahres eine 1,03 Milliarden US-Dollar große Seed-Runde für sein neues Unternehmen AMI Labs abgeschlossen. Die bisher größte Seed-Runde in Europa.
Und dann, im ersten Halbjahr dieses Jahres, haben alle Technologieunternehmen auf der ganzen Welt, als hätten sie sich verabredet, sich einem einzigen Begriff zugewandt: "Physik-AI".
01
Huang Renxun hat im Januar dieses Jahres auf der CES in einem Vortrag diesen Begriff 17 Mal erwähnt. 17 Mal! Er hat angekündigt: "Die ChatGPT-Moment für Physik-AI ist gekommen."
Gut, Huang hat gesprochen, also folgen alle. Auf der GTC-Konferenz im März hat NVIDIA direkt das Open-Source-Weltmodell Cosmos 3 vorgestellt und gleichzeitig enthüllt: In den letzten 12 Monaten hat der Umsatz aus dem Physik-AI-Geschäft 9 Milliarden US-Dollar überschritten.
Fei-Fei Li war auch nicht langsam. World Labs hat im Februar 1 Milliarde US-Dollar an Finanzierungen erhalten, und der Schätzwert steigt auf 5 Milliarden US-Dollar zu gehen. OpenAI hat es noch radikaler gemacht. Sie haben Sora einfach gestoppt und das gesamte Team auf die Entwicklung von Weltmodellen umgestellt. Sora war ja vorher so viel versprochen worden, und jetzt ist es einfach weg.
Coatue Management hat eine Prognose abgegeben: Der Physik-AI-Markt wird mindestens 6 Billionen US-Dollar betragen, was höher als der digitale AI-Markt ist.
Nur im ersten Quartal dieses Jahres hat die globale Finanzierung für Physik-AI 6,4 Milliarden US-Dollar überschritten.
Es ist wirklich aufregend. Aber wenn Sie sich mal überlegen, eine Frage, die selten direkt beantwortet wird: Was haben eigentlich diese neuen Spieler in der Hand?
Warum hat der digitale AI zuerst funktioniert? Einfach aus einem Grund: Die Daten waren bereits vorhanden. Texte, Bilder und Videos im Internet sind in großer Menge verfügbar, die Kosten für die Erfassung sind fast Null, und der Validierungszyklus ist kurz.
OpenAI hat in der frühen Phase sowohl Roboter als auch Sprachmodelle entwickelt. Später haben sie die Roboteraktivitäten vorübergehend eingestellt und sich ganz auf die Entwicklung von GPT konzentriert, weil es so schwierig war, Daten aus der realen Welt zu sammeln.
Aber genau die reale Welt ist der Hauptanteil. Die Hälfte des weltweiten Bruttoinlandsprodukts liegt in der realen Wirtschaft, in der Produktion, der Logistik, dem Verkehr und der Medizin. Alles ist um Zehn- oder Hundertfache größer als die digitale Welt. Wenn der digitale AI funktioniert, will ja jeder seine Erfahrungen dort übertragen.
Das Problem ist: Die für Physik-AI benötigten Daten können nicht im Internet gefunden werden.
Sie müssen aus der realen Welt "wachsen". Geräte müssen in realen Umgebungen laufen, in realen Szenarien Daten sammeln und in realen Interaktionen Daten akkumulieren. Kein Schritt kann ausgelassen werden.
Hier gibt es eine harte Logik: Sie müssen zuerst eine skalierbare kommerzielle Umsetzung haben, um skalierbare Daten zu erhalten. Mit diesen Daten können Sie dann ein Modell trainieren, das die physikalischen Gesetze wirklich versteht.
Deshalb gebe ich Ihnen ein Messgerät, um die Echtheit von Physik-AI zu prüfen.
Schauen Sie nicht, wie viele Algorithmus-Papiere veröffentlicht wurden, und achten Sie nicht auf die beeindruckenden Demos von Weltmodellen. Schauen Sie sich nur zwei Dinge an: Ist der Datenkreislauf funktional? Ist der kommerzielle Kreislauf funktional? Und diese beiden müssen gleichzeitig funktionieren und sich gegenseitig unterstützen.
Die Daten machen das Modell stärker. Ein stärkeres Modell macht das Produkt besser. Ein besseres Produkt bringt die Kunden dazu, zu zahlen. Die Zahlungen der Kunden bringen mehr Daten. Wenn dieser Kreislauf einmal in Gang kommt, wird die Lücke zwischen den Vorreitern und den Nachzüglern exponentiell größer.
Bis heute ist in allen Bereichen, die sich als Physik-AI bewerben, nur eine Richtung wirklich erfolgreich: Die automatische Fahrweise.
Und in diesem Bereich hat ein Unternehmen gerade die "Abnahme" am Kapitalmarkt erhalten.
02
Am 23. Juni hat Momenta die Prüfung der Hongkonger Börse bestanden und befindet sich nun in der Phase der IPO-Sprint. Die Außenwelt hat ihm das Label "Erstes Physik-AI-Aktienunternehmen" gegeben.
Das Label kann man sich nur anhören. Die echte Frage ist: Warum stempelt der Kapitalmarkt es genau jetzt? Was hat es eigentlich in der Hand? Die Antwort verbirgt sich in seinen 900.000 Serienfahrzeugen.
Aber warten Sie mal. "Fahrzeuge zu haben" und "Fahrzeuge zu nutzen" sind zwei völlig verschiedene Dinge.
Auf der Peking-Motorfahrt im April dieses Jahres hat ein Journalist Momenta-CEO Cao Xudong eine gute Frage gestellt. Etwa so: Sie sagen immer, dass es datengesteuert ist. Aber es gibt auch die Meinung, dass es nicht so schwierig ist, eine große Menge an Daten zu erhalten. Schwierig ist es, sie richtig zu nutzen. Was halten Sie davon?
Cao Xudong hat eine Antwort gegeben, die ich Ihnen empfehle, Wort für Wort zu lesen.
Er sagte, dass Daten wie Erz sind. Und zwar wie Eisenerz mit einem sehr niedrigen Erzgehalt. Wenn Sie es nutzen möchten, müssen Sie zuerst das arme Erz in reiches Erz umwandeln, das reiche Erz in Stahl schmelzen, den Stahl in einen Motor verwandeln und den Motor in ein Fahrzeug einbauen. Erst dann hat es einen Wert.
Die Besitzt von einer riesigen Menge an Rohdaten macht nur 10% des Wertes aus. Die übrigen 90% kommen aus dem System. Diese Zahlen 10% und 90% sind der Schlüssel, um Momenta zu verstehen.
Wenn die Außenwelt über Momenta spricht, wiederholt sie immer nur zwei Zahlen: 900.000 Serienfahrzeuge und 12 Milliarden Kilometer realer Fahrstrecke. Das klingt beeindruckend.
Stellen Sie sich vor, wenn "Daten zu haben" gleich "Fähigkeiten zu haben" wäre, könnte jedes Unternehmen, das ein paar mehr Kameras installiert, Physik-AI betreiben. Stimmt's? Offensichtlich ist es nicht so einfach.
Was Momenta wirklich macht, ist die Erzverarbeitung.
Zuerst, wie wird das arme Erz in reiches Erz umgewandelt? 900.000 Fahrzeuge fahren jeden Tag auf der Straße, und es gibt eine riesige Menge an Rohdaten. Aber die meisten davon sind wiederholend und normal, ohne viel Trainingswert. Die wirklich wertvollen sind die extrem seltenen Szenarien.
Cao Xudong hat ein Beispiel gegeben: Drei kleine Hunde marschieren in einer Reihe über die Autobahn.
Stellen Sie sich vor, wie selten ein solches Szenario ist. Wie können Sie es aus der riesigen Menge an Daten herausfiltern? Das ist so schwierig wie ein Nadel im Heuhaufen zu finden. Momenta hat aus 12 Milliarden Kilometern 100 Millionen Golddaten herausgesucht. Dieser Filterprozess allein ist schon eine Barriere. Andere können es nicht nachmachen.
Dann, wie wird das reiche Erz in einen Motor umgewandelt?
Hier gibt es ein Produkt, das Momenta im April dieses Jahres erstmals in Serie produziert hat: das R7-Weltmodell. Wie wird es hergestellt? In drei Schritten.
Schritt 1: Vorabtraining.
Füttern Sie das Modell mit einer riesigen Menge an echten Fahrdaten, damit es zuerst die grundlegenden physikalischen Gesetze lernt. Welche Geschwindigkeit führt zu einem Schleudern beim Kurvenfahren, wie weit vor dem Ziel man bremsen sollte, was es bedeutet, wenn das Vordermann plötzlich die Spur wechselt. Nach diesem Schritt hat das Modell "physikalisches Allgemeinwissen".
Schritt 2: Simulation.
Physikalisches Allgemeinwissen bedeutet nicht, dass man fahren kann. Sie müssen ihm eine virtuelle Fahrschule bauen, in der es Tausende von extremen Szenarien durchlaufen kann. Hier ist ein Schlüsselpunkt: Die Simulationsumgebung von Momenta wird mit realen Daten erzeugt, so dass die Lücke zwischen der virtuellen und der realen Welt von Natur aus kleiner ist.
Schritt 3: Verstärkendes Lernen.
Lassen Sie das Modell in der Simulationsumgebung selbst Gedanken machen, selbst Fehler machen und selbst Wettbewerb betreiben. Hat es einen Unfall? Abzug von Punkten. Fährt es gut? Punktevergabe. So lernt es, in komplexen Szenarien die beste Entscheidung zu treffen. Das Ziel ist nicht, menschliche Fahrer zu imitieren, sondern sie zu übertreffen.
An dieser Stelle fragen Sie vielleicht: "End-to-End" und "Verstärkendes Lernen" werden auch von anderen Unternehmen propagiert. Warum hat Momenta ein anderes Ergebnis erzielt?
Cao Xudong hat diese Frage auf der Motorausstellung direkt beantwortet. Er sagte: Der echte Unterschied liegt nicht in einzelnen Algorithmen, sondern im System und in der Organisation. Ein gutes Design erfordert Abwägungen. Ein gutes System umfasst einen gesamten Prozess von Dateniteration, Training und Validierung. Über dem System stehen die Organisation und die Kultur.
Dann hat er ein altes chinesisches Sprichwort zitiert: "Eine Mandarine in Huainan bleibt eine Mandarine, in Huaibei wird es eine Zitrone."
Alle sprechen vielleicht über denselben Algorithmus, aber das Ergebnis kann eine oder sogar zwei Generationen hinterher liegen. Hinter diesem Unterschied liegt nicht der Algorithmus, sondern das System.
Der Unterschied im System zeigt sich in den Zahlen.
Von 2023 bis 2025 ist der Umsatz von Momenta von 743 Millionen Yuan auf 2,413 Milliarden Yuan gestiegen. Er hat sich in drei Jahren verdreifacht, was einer durchschnittlichen jährlichen Wachstumsrate von über 80% entspricht.
Noch interessanter ist die Einnahmenstruktur: Die Einnahmen aus Technologieentwicklung steigen stetig. Insbesondere die Lizenzgebühren, die die Automobilhersteller zahlen, wenn sie Ihre Lösung nutzen, sind von 23 Millionen Yuan auf 968 Millionen Yuan gestiegen. Sie haben sich in drei Jahren um das 42-fache erhöht.
Was ist der Vorteil der Lizenzgebühren? Die Grenzkosten sind extrem niedrig. Je mehr Autos verkauft werden, desto mehr Einnahmen machen Sie, ohne jedes Mal neue Investitionen zu tätigen.
Schauen wir uns nun die Investitionen an. Im Jahr 2025 betrug die gesamte Forschungs- und Entwicklungsinvestition 1,869 Milliarden Yuan, was 77,5% des Umsatzes entspricht. Anders ausgedrückt: Von 100 Yuan Einnahmen werden 78 Yuan in die Technologie investiert. Es gibt 1.157 Mitarbeiter in der Forschung und Entwicklung, was 82% der Gesamtzahl der Mitarbeiter entspricht. Über zwei Drittel von ihnen haben einen Master oder einen höheren Abschluss. Die kumulierten Forschungs- und Entwicklungsinvestitionen in drei Jahren betragen 4,66 Milliarden Yuan.
Was hat diese Investition gebracht?
Im Markt für Drittanbieter von städtischen NOA-Systemen hat Momenta einen Marktanteil von 65%, was die Spitze der Branche ist. Achten Sie gut: Es ist nicht nur die erste Gruppe, sondern es hat mehr Marktanteil als alle anderen von der zweiten bis zur letzten zusammen.
Wenn wir wieder zu Cao Xudongs Metapher zurückkommen: Das arme Erz wird in reiches Erz umgewandelt, das reiche Erz wird in Stahl geschmolzen, der Stahl wird in einen Motor verwandelt, und der Motor wird in ein Fahrzeug eingebaut. Momenta hat diese Erzverarbeitungskette vollständig durchlaufen.
03
Aber wenn wir ehrlich sind, das Durchlaufen der Kette und das Erreichen des Ziels sind zwei verschiedene Dinge.
Die Erzverarbeitungskette beweist die heutige Fähigkeit von Momenta. Aber was der Kapitalmarkt wirklich wetten will, ist, wie hoch die Obergrenze dieser Fähigkeit ist, wie weit es wachsen kann.
Zu dieser Frage hat Cao Xudong eine andere Einschätzung abgegeben, die ich finde, noch interessanter als die "Erzverarbeitung"-Metapher ist.
Er sagte: Physik-AI erfordert eine Eintrittskarte.
Was bedeutet das? Er hat eine Rechnung gemacht. Um die automatische Fahrweise auf Skala L4 zu erreichen, müssen die kumulierten Investitionen mindestens 10 Milliarden US-Dollar betragen. Beachten Sie, das ist noch die Forschungs- und Entwicklungsleistung eines Start-ups.
Bei großen Unternehmen beginnt es bei Hunderten von Milliarden. Bei allgemeinen Robotern liegt es im Bereich von Hunderten von Milliarden bis zu Billionen US-Dollar.
Sehen Sie sich die gegenwärtige Finanzierungsszene für embodied intelligence in China an. Es ist sehr aufregend. Aber auf lange Sicht ist es nicht realistisch, dass man die allgemeine Physik-AI nur mit Investorenkapital finanzieren kann. Sie müssen eine Cashflow-Geschäft haben, die selbst Geld verdienen kann. Das ist die Eintrittskarte.
Deshalb wird die Bedeutung der IPO von Momenta jetzt klar. Sie bekommt die Eintrittskarte.
Bis Ende 2025 hat Momenta eine Cashreserve von über 10 Milliarden Yuan. 24 globale Automobilhersteller zahlen ihm. Der Kreislauf der Lizenzgebühren ist in Gang gekommen. All das zusammen bedeutet: Es kann selbst Geld verdienen.
Mit der Fähigkeit, Geld zu verdienen, hat es die Möglichkeit, an einem größeren Kampf teilzunehmen. Welchen Kampf?
Hier kommt eine sehr wichtige Einschätzung von Momenta. Sie mag vielleicht sehr ambitioniert erscheinen: Ein großes Modell für alle vertikalen Anwendungen von Physik-AI. Und es kann es besser machen.
Jetzt läuft ihr Weltmodell bereits auf drei Ebenen gleichzeitig: intelligente Fahrweise für PKWs, Robotaxi und Robovan. Im Jahr 2027 wird eine weitere Ebene hinzugefügt: Robotruck. Später kann die Basisfähigkeit dieses Weltmodells auch in den Bereich der embodied intelligence erweitert werden.
Vier Arten von Fahrzeugen, ein Modell.
Cao Xudong hat ein Beispiel gegeben. Er sagte, es sei wie der E-Commerce vor zehn Jahren. Einige haben vertikalen E-Commerce betrieben, andere haben Plattform-E-Commerce betrieben. Am Ende haben nur die Plattformen überlebt. Vertikaler E-Commerce? Können Sie noch einige Namen nennen?
Warum? Der Plattformeffekt. Die Daten und Erfahrungen