700亿苏州智驾龙头,IPO首日冷淡收官
来源:@21世纪商业评论微博

撰文丨雷子桐 编辑丨杨松
上半身是西装,下半身则穿着牛仔裤。
7月8日,40岁的创始人曹旭东,以如此混搭着装,出席Momenta的IPO敲钟仪式。他特意邀请第100万台量产车的车主,亲临现场见证重要时刻。
就在前一天,Momenta卡点官宣,量产业务搭载规模达到100万台。
可惜,面对这样戏剧性的安排,投资者热情有限,Momenta收盘价与发行价持平,没涨也没跌,市值卡在700亿港元附近,换手率才2%出头,没有预期的大火。

“2026年,国内城市辅助驾驶领域,最后可能只剩下两三家公司。”曹旭东如此预言。
当行业进入淘汰赛,他选择增厚资金储备。
此次IPO中,总部在苏州的Momenta,引入新加坡政府投资公司、富达国际、贝莱德集团等14家基石投资人,加上公开出售,募集资金总额最高可达68亿港元。
相应地,其定价确实不便宜。
这次上市,曹旭东还给出新的资本叙事——“物理AI”。
4月,Momenta发布R7强化学习世界模型,指出物理AI在走向规模化量产落地。
“未来十年,我们将为每个家庭带来专职的阿姨、医生、教师等机器人的服务,开创物理AI的‘GPT时刻’。”
相比过去主推城市NOA(导航辅助驾驶),曹旭东希望把估值逻辑,延伸至世界模型、物理AI基础能力,为智能驾驶、Robotaxi等打开更大的想象空间。

从最终反应来看,资本整体较为清醒,鉴于港股智驾已有多个标的,他们熟悉相似的叙事,更关注实打实的业绩。
而曹旭东,只能提供规模,依然给不出利润。
2023—2025年,Momenta营业收入分别为7.43亿元、13.25亿元和24.13亿元,累计亏损超过92亿元,研发费用占到亏损额的一半。
就生意来说,最大的改善,在于授权许可业务。

2023年,其收入仅有2300万元,收入占比才3%;2025年,体量已增长至9.68亿元,占比提升至40%。
过去,Momenta主要依靠技术开发服务获取收入,项目需要大量定制,软件授权业务则拥有更高边际收益,随着量产车型的增加,其2025年毛利率已升至71.6%,经调整净亏损逐年收窄。
智驾领域的鏖战,短期看不到尽头。

比亚迪、小鹏等车企持续推进自研,华为、地平线等产业链企业,也在追求更大份额,曹旭东预期还要有两三年,才能等来主业盈利。
同时,他还必须在物理AI上追加资源,那也是一个烧钱的游戏。未来相当长一段时间,Momenta的走势,要取决于其叙事和市场偏好。
曹旭东的微信头像,是动漫《海贼王》中的路飞,那是一个乐观单纯、重情重义的冒险家。
对于Momenta来说,最大实惠还是到手巨额现金,冒险旅程可以走得更远。
图片来源:Momenta
相关推荐
-
人眼视觉仿生系统:从选型误区到生产损耗,底层逻辑才是破局关键
9人眼视觉仿生系统:底层逻辑决定产品上限在实际交付中,我们发现一个普遍现象:很多厂商宣称“人眼级动态范围”,但实际场景中,系统在逆光或强光切换时,仍会出现目标丢失或误检。问题出在哪?答案藏在底层逻辑里——人眼视觉仿生不是简单的参数堆砌,而是对视网膜神经元编码、视觉注意力机制、光响应动态平衡的深度复现。选型误区:被“标称数据”带偏的决策很多标称数据背后的真相是:实验室环境与生产现场的鸿沟。比如,某头部...
查看全文 -
人眼视觉仿生系统与协同效应:打破量产瓶颈的底层密码
3选型陷阱:参数表上的「完美」与量产现场的「残缺」在实际交付中,我们发现一个诡异现象:某头部车企采购的视觉仿生系统,标称动态范围达140dB,理论可覆盖人眼极限的99%场景,但量产车上路后,隧道出口的强光过曝率仍高达12%。问题出在哪?很多标称数据背后的真相是——实验室环境与量产车的光路设计存在本质差异。人眼视觉仿生系统的核心,从来不是「堆硬件参数」,而是光路-算法-硬件的协同效应。这里面的水很深:...
查看全文 -
人眼视觉仿生系统:疲劳阈值,智驾安全的关键变量
7人眼视觉仿生系统:疲劳阈值,智驾安全的关键变量在实际交付中,我们发现一个被行业忽视的真相:很多智驾系统标称的“全天候视觉能力”,在连续运行3小时后,目标识别准确率会下降17%。这背后,是人眼视觉仿生系统对疲劳阈值的控制逻辑存在根本性缺陷——系统没有真正理解“视觉疲劳”的生物机制,只是简单复制了人眼的静态参数。选型误区:参数堆砌≠疲劳抗性很多厂商在选型时,会陷入“高分辨率+高帧率=抗疲劳”的误区。听...
查看全文 -
工业园区与停车场管理:选型误区背后的真相
6选型误区:别让“参数”蒙蔽了双眼在实际交付中,我们发现工业园区和停车场管理的智能设备选型,往往陷入“唯参数论”的怪圈。很多标称数据背后的真相是:厂商用实验室环境下的最优值,掩盖了实际场景中的性能衰减。比如,某头部厂商宣称其地磁传感器检测精度达99.9%,但实际交付后,在金属结构密集的工业园区,误报率飙升至15%——金属干扰、电磁屏蔽、多径效应,这些底层物理问题,参数表上永远不会写。选型误区一:过度...
查看全文 -
智能驾驶场景闭环:从选型误区到隐性损耗的深度拆解
3场景闭环不是“数据堆砌”,而是“真实场景的精准映射”在实际交付中,我们发现很多企业把“场景闭环”简单等同于“数据采集+算法迭代”,甚至认为只要覆盖足够多的测试场景,就能实现闭环。但真相是:场景闭环的核心是“真实场景的精准映射”,而很多标称数据背后的真相是——采集的场景数据可能根本无法复现真实路况的极端情况,导致算法在实验室里表现优异,一到实际路况就“掉链子”。选型误区:高算力≠场景适配,传感器堆砌...
查看全文 -
高级驾驶辅助系统的防错机制:从选型误区到生产现场的隐性损耗
10高级驾驶辅助系统的防错机制:从选型误区到生产现场的隐性损耗在实际交付中,我们发现一个普遍现象:很多主机厂在选型高级驾驶辅助系统(ADAS)时,往往被供应商的“标称数据”吸引——比如毫米波雷达的探测距离、视觉算法的识别准确率。但真相是,这些数据大多是在实验室理想环境下测得的,到了真实道路场景,尤其是复杂城市路况,表现可能大打折扣。听起来可能反直觉,但防错机制的设计,才是决定ADAS系统可靠性的关键。...
查看全文

尊龙凯时