7月27日，苏州相城。Momenta的Robovan静悄悄地跑上了街头。

快递配送、夜间物流——这些最不起眼的城市末梢，就这么被一家刚在港股敲完钟的"物理AI第一股"渗透了。

往前数不到20天：7月8日上市，7月21日拿深圳Robotaxi路测牌。乘用车、Robotaxi、Robovan，三发连射。

这是一家"AI理解物理世界"的公司正在把它理解的那个世界，一寸一寸地变现。

而真正让无人配送赛道后背发凉的，是Momenta手里那套叫R7的东西。

一、R7到底在攻什么？它在攻"场景"这个词本身

绝大多数无人配送公司，逻辑是"车找场景"。做物流，就采集物流数据、标注物流场景、训练物流模型。从零开始，一公里一公里地跑，一个城市一个城市地啃。

这个逻辑没什么问题，问题在于太慢了——慢到当Momenta一脚踹开门的时候，那些先跑了三四年的玩家甚至还没来得及建立起真正的护城河。

R7的不同之处在于，它不学"场景"，它学"物理"。

Momenta内部把R7定义为"物理AI基座模型"。什么叫物理AI？就是AI不仅要识别画面里有什么，还要理解画面里的东西接下来会怎么动、为什么这么动、动的规律是什么。

落到技术层面，是三层的递进：

第一层用海量视频数据做预训练，让模型压缩物理世界的规律；

第二层用这些规律在虚拟环境里推演各种长尾场景——比如突然窜出的电瓶车、路边滚落的货物；

第三层在真实路况里做决策验证，不断优化。

这套架构的可怕之处在于：当模型理解了物理规律，它就不需要为每个新场景重新学习"怎么开车"这种基本功了。它只需要知道这辆车长什么样、载重多少、转弯半径多大——剩下的事情，物理规律替它搞定。

所以Momenta从乘用车切到Robovan，本质上不是业务扩张，是技术迁移。R7"学物理"的那一刻，就已经为所有轮式机器写好了底层操作系统。

这个逻辑如果成立，那场景本身就不再是壁垒。今天他能做乘用车，明天他能做Robovan，后天他做任何有轮子的东西，成本都只是"换辆车"的边际成本，而不是"重建一套系统"的固定成本。

什么叫降维打击？这就是。

二、120亿公里，到底意味着什么？

行业里有个说法：无人驾驶的数据壁垒，不是"你有多少数据"，而是"你拥有数据里包含多少种极端情况"。

普通道路数据太廉价了，真正值钱的是那1%的corner case——暴雨夜的鬼探头、泥泞路面的侧滑、高速上突然掉落的货物。这些场景，跑一万公里遇不到一次，但遇到一次处理不好就是事故。

Momenta对外说的是120亿公里实车里程、1亿段关键场景数据。拆开看：120亿公里是分母，1亿段黄金场景是分子。分母够大，分子里那1%的极端场景才够密。

这笔账得算明白：无人配送公司一年跑几百万公里已经算不错了，要攒出覆盖足够多极端场景的数据集，十年打底。但Momenta是踩着乘用车的肩膀过来的——100万台量产车，每台每天在路上，采集的数据种类和密度根本不是同一量级。

中国人工智能学会智能产品和产业工作委员会副主任董慧智说了一句话点到了本质：Momenta走的是数据驱动和无图路线，与特斯拉类似，这正是从乘用车积累能够迁移到Robovan的关键。

翻译一下：别人还在为无人配送单独攒数据的时候，Momenta把乘用车跑了十年的"家底"直接搬了过来。别人还在数据爬坡期，Momenta落地第一天就已经在山顶了。

这还不是最狠的。最狠的是数据的"飞轮效应"：R7跑乘用车，产出数据喂给R7；R7变强后跑Robovan，Robovan的低速场景又补充了乘用车不太会遇到的人车混行、狭窄巷道数据；这些数据再回到R7，让乘用车和Robotaxi在复杂城区表现更好。

一圈转下来，每个新场景都在给其他场景打工。数据不浪费，场景不孤立，每一公里都在为整个系统增值。

竞争对手每进入一个新场景，都要重新建一套数据体系。Momenta每进入一个新场景，都是在给原有体系"添砖加瓦"。同样是跑一公里，Momenta那一公里的"复利"效应，足以让同行绝望。

三、"无图"才是那把最隐形的刀

高精地图是无人配送行业最大的隐形成本，没有之一。

进一个新城市，先采集地图，更新地图，维护地图。采集车要上路，人工要标注，数据要审核。周期三个月到半年不等，费用动辄百万起步。而且地图会过时——修路了、封道了、临时改线了，地图一失效，车就傻在原地。

这是无人配送"开城慢"的底层原因。不是车不行，是地图拖后腿。

Momenta把乘用车上打磨了多年的"无图方案"直接搬了过来。车不依赖高精地图也能开——靠视觉感知+实时建图+端到端决策，现场看、现场判断、现场走。

这意味着什么？意味着别人开一个城要等半年地图，Momenta开一个城只是把车运过去、做完标定就能跑。别人拓展到第10个城市时已经被地图维护成本压得喘不过气，Momenta拓展到第100个城市时边际成本几乎为零。

"无图"方案的本质，是把"区域适配"从重资产变成了轻资产。而轻资产，是规模化扩张的前提。

这也解释了为什么Momenta敢于在上市后不到20天就三线出击——没有地图包袱，每进入一个新场景，边际成本都只是数据迁移和车辆适配，而不是从零开始建一套基础设施。

四、无人配送的"寡头"，好日子到头了？

看一组数据：2026年第一季度，中国无人配送车行业CR3合计超95%。两家头部合计4.2万台，份额89.4%。

这个格局像什么？像2016年的网约车市场——两个大玩家把桌子占满，后面的人连上桌的资格都没有。

问题在于，Momenta这次不只是来"上桌"的，它是来"掀桌"的。

头部的优势在于"先发"和"规模"——更早铺车、更早跑数据、更早积累运营经验。但当Momenta带着R7世界模型入场时，这两项优势正在被消解。

先发优势，被Momenta那120亿公里乘用车数据抹平了。规模优势，被Momenta"一鱼多吃"的低边际成本逻辑压制了。

Momenta副总裁顾功尧说，R7世界模型是"物理AI的ChatGPT时刻"。这个比喻精准但克制——ChatGPT改变的是信息世界，而R7如果成真，改变的是物理世界里的每一次移动、每一次运输、每一次交付。

Momenta要做的是：用一套理解了物理规律的AI，去接管所有轮式载具的驾驶权。乘用车只是第一站，Robotaxi是第二站，Robovan是第三站，后面还有Robotruck，还有具身智能。

一条鱼，从鱼头吃到鱼尾。同一套R7，从乘用车吃到Robovan。

对无人配送赛道的玩家来说，真正值得后背发凉的，不是Momenta今天在苏州跑了多少台车，而是——当一套"物理AI"开始理解世界的时候，任何只靠"场景数据"堆起来的护城河，都只是纸糊的墙。

墙后面的人还在埋头苦干，墙外面的人已经掀了屋顶。

而R7，就是那根撬棍。