中信证券：Momenta覆盖报告解读——用智能驾驶敲开物理AI之门

一、AI总结内容 一、核心要点 1. Momenta定位为全球领先的物理AI公司，核心业务覆盖L2量产辅助驾驶、L4规模化无人驾驶，还将向机身智能等领域拓展，采用同一套事件模型AI模型应用于L2和L4的“一条模型两条腿”战略。 2. L2业务方面，2025年搭载Momenta城市N1方案的车型达50万台，全球方案商份额64%，2026年预计达100万台、份额维持60%以上；客户包括比亚迪、上汽、奇瑞、奔驰等，2026年出货量预计100万套，2027年接近200万套，单套价格1800-2000元，国内市场为千亿规模，海外市场同样有千亿级机会，2027年国内有望实现百亿收入。 3. L4业务方面，Robotaxi已落地上海、无锡、阿布扎比等地区，采用轻资产模式；Robot（无人配送）业务商业化闭环更快，2026年7月已在苏州相城京东物流园区常态化运营，替代快递网络中的微卡、面包车等，年潜在市场规模大，2027年运营车辆预计达3万台，2028年15万台，还可验证算法的跨场景泛化能力，支撑物理AI定位。 4. 财务与估值方面，预计2026-2028年公司收入为40亿、63亿、100亿元，综合毛利率将从2023年的17.5%提升至2026-2028年的74%、75%、70.5%，2027年调整后净利润实现盈亏平衡，2028年达10.3亿元；采用2027年13倍P_S估值，对应目标市值822亿元，目标价408港元，首次覆盖给予买入评级。 二、风险与关注 1. L2业务拓展不及预期，客户合作推进缓慢或市场份额下降；2. L4业务商业化落地进度慢于预期，政策支持或行业竞争加剧影响拓展；3. 研发投入带来的成本压力，算法迭代、技术泛化未达预期影响长期竞争力；4. 海外市场拓展受供应链、政策等因素限制，竞争格局变化带来不确定性。 二、音频原文（转写） 大家好，欢迎参加momenta覆盖报告解读。用智能驾驶敲开物理AI之门会议。目前所有参会者均处于静音状态，在演讲结束后将给大家留有提问时间。现在开始播报声明，声明播报完毕后，有请主持人开始发言。 谢谢。本次会议为中信证券白名单会议，仅限受邀客户参会，未经中信证券和演讲嘉宾书面许可，任何机构和个人不得以任何 形式将会议内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中信证券保留追究相关方法律责任的权利。各位投资人，大家下午好，欢迎大家来到中信证券呃科技大组呃举办的电话会议。 今天我们想给大家汇报一下我们最新外发的 我们他的 首次覆盖的。呃，投入价值报告。这篇报告的标题叫做用。智能驾驶敲开物理AI之门。 我是今天。会议的主持人，中信证券汽车行业分析师尹迟。今天同时主持主讲这场会议的。还有我们科技产业 的。 呃，联系。I 呃，联系老师。在汽车行业的分析师武平月、陆天宇，以及科技产业的分析师杨浩天。呃，我们五位同事呢，对momenta都比较熟悉。 而且我们五位同事呢，对这家公司也都比较喜欢。那在这一次的这个 呃，联合 覆盖的过程中呢，我们其实发现 呃，我们看。呃，和我们之前 呃，看到的。一家简单的。 L二级的自动驾驶公司 相比这家公司，其实 啊，还有更多的一些。呃，延展的能力。啊，这可能不仅仅是一家。呃，L二级别的这个支架的供应商。 呃，更是一个呃，全球领先的物理AI行业的这样的一个算法的公司，而且 他们已经将 非常强大的这样的一些基座模型的能力。呃，拓展至包括像robotone、robotaxi等行业。甚至不排除长期可能会在。呃，机身智能等其他的一些行业有呃进一步的这样的一些相关的深耕和布局。 那今天呢，我们这个 呃，电话会议呢就将 呃，从三个环节。呃，对，我们他的这样的一个 呃，非常全面的能力。以及 呃，非常。呃，优秀的这样的一个商业模式进行一个详细。 呃，展开式的这样的一个探讨。呃，那。呃，接下来呢，我将 呃，首先有请我们。呃，汽车行业分析师吴平月 呃，从这个 呃，试驾的这样的一个角度，先展开开始汇报。 后面呢，我们会把时间交由给。呃，这个卢天宇和杨浩天他们两位会分别从 以及如果万的这个角度。啊，对。啊，不光是行业，还有包括momenta的这样的一个。 呃，在产业里面的这个优势。进行一个详细的展开。那最后呢，我们会。落脚到整个公司关于他的盈利预测，关于他的这样的一些。 呃，目标事实以及呃投资的这样一个策略进行一个展开的讨论。那接下来我先把时间交给吴春月，有请。Hey 呃，感谢严总。呃，我这边是中信汽车分析师武平月，感谢各位投资人的时间。 呃，然后呢，我这边先这个重点从三个方面进行我们他的一个介绍。呃，首先我们他是什么样的公司？呃，以及是我们厂的投资亮点。然后近近来我们从L二一直到L四各个业务进行这个公司的这个展开。 呃，那首先moment是一个什么样的公司？呃，我们才定义为自己为全球领先的物理AI公司。那么我们知道，其实物理AI第一个落地应用场景是这个智能驾驶。呃，那公司现在主要的业务就是在L二呃量产。 这个智能。绕船辅助驾驶以及L四规模化无人驾驶两个方面。呃，进行业务的开拓。那未来除了这个L二和L四业务之外 公司还会逐渐将物理AI能力去扩展和泛化。 然后包括机身智能等其他。他的垂直领域。呃，那么当前呃，如果去看lovena的话 他在L二层面已经实现了非常强的这个市场领先。呃，如果我们去看这个市场份额，那2025年 搭载我问他的这个城市N V方案的车型已经到达了五十万台。 在全球的这家方案商中 它占据了百分之六十四的一个市场份额。那二零二六年预计这个数字会这个持续增长，从五十万台去翻倍的增长到一百万台以上。呃，同时在全球的方案商里的份额。继续去维维持在百分之六十以上。 的低营业市场份额的一个位置 呃，那么除此之外呢，它在L四方面。他们如果taxi已经落地上海、乌迪黑、阿布扎比等这个呃等等地区。呃，并且在依托和L二和和L四共用的一套底层的系统，实现整体的一个商业化的一个闭环。呃，那我们认为这个momentor投资亮点主要是在哪些方面？ 首先呢，我们觉得是他战略方面的一个这个领先。呃，在战略方面呢 之前我们说的就是说他的这个。呃，叫呃，这个一呃。就是一套模型，两条腿的一个方案，核心是将同一套的呃，基于基于事件模型的这个呃，这个这个A I模型。 去应用在L二和L四两端。这样的好处呢，其实是在于它可以在这个呃，无论是在量产车队，以及在规模化的robotaxi和robotol上面。呃，持续的去获取这个呃数据。呃，最后用数据去呃 呃，这个这个呃盘古 云端模型的一个这个迭代，同时呢它通过L二的整个量产能够去实现快速的收入提升，也能够在研发这一端呃，去实现人人人才以及在算力方面的投入。 那么我们塔在二五年和二六年的这个研发投入。预计 要去达到这个呃，预计要达到二十亿和三十亿的级别。在2027年研发 投入预计达到四十亿的级别，那在整放眼全这个全全全球的支架算法商这样的一个投入量级，也可以将公司去达到达到。去达到E T队的一个这个呃一一一个位置。 啊，所以这个我们认为它的第一个这个核心的优势是在于同一套系统去实现L二加L四量产部署。那最后从钱庄车队的角度。呃，公司截止到六月已经累计去部署了超过九十万台的。快卡车队 呃，具有120亿公里以上的监视行驶里程和1亿个呃CLIP的这个视视视频训练的这个呃云端的资料。 那么如果去对比的话，我们其实看到华为之前也公布了自己的这个华为呢，截止到目前有超过一万台的量产车队和超过一百六十亿公里的这个累计的这个行驶里程。在数量级上，其实我们塔和华为应该说算是在中国呃这个这个凭借量产的这个庞大的量产规模，能够去不断去获取海量真实数据的两家头部的这个玩。家在数量在这个数据数量级上，我们才其实是和华为是基本上是可以说是这个齐头并进的啊，这么一种状态。 那在算法这个领域，呃，其实从2024年公司去量产端到端的方案之之后，2026年我们才又成为了首个去量产基于强化学习的智驾模型的算法商。202呃，20呃，2025年量产，量产强强化学习，2026年将世界模型进行规模化。的上车 啊，他通过这个事件模型去搭载了包括预训练仿真。呃，以及强化学习的体系。 B. 呃，核心呢就是在让模型在这个物 在这个物理世界中去学习获得。对于物理世界的理解的规律。并且呢。相当于是在仿真学习中，仿真场景中去实践练兵。 并且通过奖惩机制。去强化优秀的这个驾驶行为，并且去 呃，这个呃，惩罚不好的驾驶行为，能够让车辆的 这种这种呃，驾驶能力去实现比人类四级以上的这么一种这个驾驶的水平。呃，所以在技术方面，我们核心是认为它通过整个这个技术的一个呃领先的优势，去实现在商业化的量产和部署，从商业的车，商业化的车队中。呃，获取数据并且获取呃收入。 实现对于云端整整体的 呃，算法的一个这个反哺。呃，所以他和 他的竞争力第一点就是在于。技术 和商业化 呃，整体的一个闭环和领先，这是第一点。那么第二点优势。 是在于工程化能力。因为我们知道呢，现在我们看已经和全球前十大车企，包括丰田通用、比亚迪、奔驰、宝马等。呃，集团 呃，前期达成了这种合作的协议。那momenta的量产车型的定点已经到了两百、两百台。 这样的一个庞大的用户规模和庞大的。药材车队，药药材车队的一个管理方面。其实我们呢，也是积累了非常多的一个经验。呃，那么在最开始，二零二零二二零二二年，呃，我们还要去做一款这个量产车，呃，需要可能四百个四百年的团队。 呃，去用小半年的时间，呃，去实现一款车的调查。那这样的这个人人的这个使用数量到二零二四年已经降低到了四十个人，那在现在呃只需要一个十个人的团队。三个月的时间就可以去复制一款这个量产车型，呃，其中其实是momenta，对于呃，除了数据之外，还对于经验进行 呃，抽象。进行一个总结。 呃，罗根塔在呃 自动化工具链方面，是搭建了包括M adapter、M box在内的一些工具链平台。呃，这些不要小瞧这些工具链，这些工具链其实是能够帮助 呃，这个他的这个。用户的工程车车。脱掉是。 去诊断以及自动解决一些问题。因为我们知道，比如说在客户的工程车上，其实 呃，所有软件都可能会出现问题，可能不光是我问他的软件。有可能出现问题的呢，反而是用客户的这个底盘上的一些连接件。呃，那。 为了不耽误整个的工程时间，罗文他会先在自己的包括M boss的平台里边去使用呃这个。个 好用的连接线。去先去把问题去解决，呃，能够去推进整个工程。一个节奏。 那么在 呃，这个连接件的供应商去把问题解决之后，再去替换成呃，这个这个呃，客户自己的一个连接件。这样能够去保证即便 在一个工程工程的这个施工工程的过程中，即便有这个 呃，因为呃客户的供应商带来的一些问题，我们也可以通过自己的一些软件。即系福利期内。呃，去帮客户去解决这个过程中的问题，并且能够在有一个呃非常呃这个。 短的时间内。把一台车爱时的这个量产。呃，解决客户最关注的就是整个量产的一个节点的一个问题。所以这是第二点，它的优势在于工程化能力。 那么第三点，我们认为他们的优势是在于整体的这个软硬件一体的解决方案。所谓软，所谓软硬件一体，它核心是。这个指的是。呃，某门厂的兄弟公司，呃，这个叫C C宏图的一个公司。 他会对我们调的这个算法进行针对性的开发开发。呃，这个定制化的呃芯片 我们知道，如果是使用英伟达和 或者是沟通的芯片，可能会有两个这个呃劣势。一个在于成本极高，英伟达和高通的这个芯片报价。相对来说都是比较贵的。 第二是这个芯片的实际利用率或者是算力利用率可能不会特别高，普遍只有百分之三十左右啊。但是呢，我们厂的兄弟公司C C航图。他针对moment的算法去定制的缺陷。首先在报价上非常有呃这个。 非常有吸引力，能够再把整个的这个包括预控在内的整个一套的这个系统的报价降低至少百分之五十。呃，并且呢。在。算力的利用率方面。 呃，同一个通通用通用或者百分之三十的利用率去提升到百分之八十的一个专用芯片的利用率。所以可以用一个相对低的这个成本去解决客户。呃，批量部署调试LV的一个这个