Momenta深扒：量产路线背后的工程效率 [分析]

读完36氪这篇，最让我有感触的不是700亿市值，也不是BBA三个定点，而是1000多人扛了210多款车型，毛利率从17.5%三连跳到71.6%。这个数字放在任何一家供应商都算硬核——BOM成本控制、算法复用率、工程交付节奏，但凡有一个环节拉胯，毛利率不可能这么涨。

曹旭东坚持“不发论文”这个点，我其实挺认同的，但也觉得有点后怕。没有Paper的牵引，意味着技术路线完全靠项目需求倒逼，长期来看，当L4、世界模型这些需要基础研究的战场卷起来时，Momenta的弹药储备够不够？不过话说回来，他们能用8年打磨出奔驰的量产交付，说明工程落地的“手活”确实比同行熟练。文章里提到智己堵门那一段，我读着有点代入感——量产地狱里泡过的人，对“3天部署一个OTA版本”这种效率低下是有切身体会的。

数据闭环的逻辑我也认可：L2车队规模大，能低成本收集corner case，反过来喂给L4算法。但这里有个现实问题——L2量产车的传感器配置和L4差太多了，采集到的数据分布是否足够支撑L4的泛化？曹旭东算过Waymo一辆车100万美金，可我更想算算：一台量产车配的4个环视摄像头加几个毫米波，它的数据特征和L4的激光雷达+高精地图之间，到底有多大gap？

现在轻舟、元戎、华为都在追，量产赛道已经不是蓝海了。Momenta的工程效率优势还能拉开几个身位？或者说，当友商也开始玩“数据闭环”，他们手里那1000多个工程师的护城河，会被BOM成本战和算法同质化磨平吗？