💰钛媒体•最新收集於 2m
Momenta 的物理 AI 轉型
💡了解一家主要自動駕駛廠商如何將其整體戰略轉向物理 AI。
⚡ 30-Second TL;DR
有什麼變化
Momenta 將核心商業模式重新定義為物理 AI
為什麼重要
此次轉型凸顯了具身智慧（Embodied AI）在自動駕駛領域的重要性。這顯示純軟體模型正越來越多地根據其在物理世界的表現來進行評估。
下一步行動
評估您目前的自動駕駛技術堆疊是否具備「物理 AI」就緒性，並針對真實世界的感測器到執行器迴路進行延遲基準測試。
誰應關注：Developers & AI Engineers
關鍵要點
- •Momenta 將核心商業模式重新定義為物理 AI
- •專注於彌合數位智慧與物理執行之間的鴻溝
- •戰略轉型反映了自動駕駛技術的演進
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Momenta 的物理 AI 戰略核心在於推動「端到端」（End-to-End）自動駕駛架構，將感知、決策與控制整合至單一神經網絡中。
- •該公司正積極將其自動駕駛技術棧（Tech Stack）向通用機器人領域遷移，利用其在視覺感知與路徑規劃的積累，解決非結構化環境下的操作難題。
- •Momenta 透過與上汽集團、通用汽車等車企的深度合作，利用大規模真實道路數據進行物理世界的模擬訓練，以提升 AI 對物理定律的理解。
- •物理 AI 轉型強調「具身智能」（Embodied AI），旨在讓 AI 系統不僅能處理數位資訊，還能精確預測並執行物理世界的互動任務。
- •Momenta 正在開發基於物理引擎的仿真平台，以解決自動駕駛中長尾場景（Corner Cases）數據稀缺的問題，加速模型在物理環境中的泛化能力。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路徑 | 物理 AI 應用重點 | 商業模式 |
|---|---|---|---|
| Tesla | FSD (端到端) | Optimus 機器人與自動駕駛 | 軟硬體垂直整合 |
| Waymo | 模組化感知與規劃 | 自動駕駛計程車 (Robotaxi) | 運營服務 (MaaS) |
| NVIDIA | Isaac 機器人平台 | 數位孿生與物理模擬 | 算力與軟體平台授權 |
| 小馬智行 | 混合架構 | 自動駕駛與物流機器人 | 技術授權與運營 |
🛠️ 技術深入
- 採用基於 Transformer 的端到端架構，實現從傳感器輸入到執行器輸出的直接映射。
- 引入多模態大模型（LMM）處理複雜交通場景的語義理解，增強對物理環境變化的預測精度。
- 應用神經輻射場（NeRF）與 3D 高斯噴濺（3D Gaussian Splatting）技術，構建高保真的物理世界仿真環境。
- 實施基於強化學習（Reinforcement Learning）的決策模型，優化車輛在動態物理環境中的交互策略。
🔮 前景展望AI analysis grounded in cited sources
Momenta 將在 2027 年前實現通用機器人原型在工業場景的初步部署。
其物理 AI 轉型將自動駕駛的感知與決策能力遷移至機器人控制，能顯著縮短工業機器人在非結構化環境下的適應週期。
端到端模型將成為 Momenta 獲取車企 Tier 1 訂單的關鍵技術壁壘。
車企對高階自動駕駛的需求已從模組化轉向端到端，Momenta 的技術轉型直接對應了產業對系統整合度與性能提升的迫切需求。
⏳ 時間線
2016-09
Momenta 正式成立，專注於自動駕駛演算法研發。
2021-03
完成 C 輪融資，獲得通用汽車等戰略投資，加速量產自動駕駛方案落地。
2023-11
發布基於數據驅動的端到端自動駕駛解決方案，為物理 AI 轉型奠定基礎。
2025-06
正式對外宣佈將戰略重心全面轉向物理 AI，整合自動駕駛與機器人技術。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 钛媒体 ↗