四维图新程鹏：数据是第二战场 未来十年中国汽车的胜负手就在数据

“未来十年，中国汽车的胜负手就在数据。”2026年9月23日，在2026世界新能源汽车大会期间，四维图新CEO程鹏在主论坛演讲和接受包括搜狐汽车在内的小规模媒体群访时都反复强调，数据是所有智能体共同的血液，中国汽车全球化的下一程，要把中国特色的高效率，进一步融入到全球化的数据合规能力及平台建设。

“原来高精地图是给车做‘轨道’的，车只能在轨道之间切换，好比高铁；现在更像公路，车可以根据外部环境自主变道。”程鹏打了个比方——端到端、VAM（视觉+语言模型）等新方案，确实降低了辅助驾驶对高精地图的依赖。但在他看来，地图的角色在变，数据的生意没有退场：具身智能的导航已经从室外延伸到室内，“智能体首先要知道自己在哪里，才能做出对外的动作和反应”，中长期看，整个时空智能都极具价值。

不过，数据的疆域扩到哪里，难题就跟到哪里。具身智能相比于汽车感知模态更多、场景更多样、动作更精细。“这三个维度是乘法关系，意味着具身智能对感知能力和控制精度的要求远高于汽车，数据量也呈指数级增长。”

指数级增长的数据量，撞上的是行业的两个痛点。

其一是数据不复用，大量投入被浪费：“做11V方案的，7V时代的数据不能用，做 7V 方案的，5V、单 V 的数据不能用”；其二是数据合规缺位：很多车企出海时，因为数据合规问题在海外市场受限，可能导致产品在海外市场无法销售。

数据治理和合规能力，正是四维图新从地图上积累、可以在智驾和具身智能上充分复用的能力。程鹏的解法是开放：牵头具身标准数据组，联合头部企业定义让数据向上兼容的技术路线；开发以区块链解决确权问题的数据交易平台，过去两年，四维图新已以中立第三方身份促成多起车企间的数据交易。

“数据治理和合规能力，做好了就是核心竞争力，做不好就是发展障碍。”程鹏说。当数据量随具身智能的爆发走向指数级增长，这家与数据打了20多年交道的公司，正把“懂数据”变成发展的底气。

以下为部分采访速记（经编辑整理）：

媒体：舱驾一体近一年有什么新进展？舱驾融合讨论再次升温，客户对舱驾一体的需求有什么变化？

程鹏： 行业趋势已经确立，可以从几个方面看：

第一，组织结构层面，不少车企客户内部驾、舱部门开始重组，新势力车企走在前面，这本身就是舱驾融合趋势的证明。不仅是舱驾融合，其他域也在逐步向更大的域扩展，最终可能形成“汽车大脑”。目前看可能分为五到六个域，每个域将关联性的用户体验整合在一起，这个趋势已经确认。

第二，从车型定点来看，基于舱驾融合的方案在性价比和用户体验上确实更优——比如对用户的反应速度、各系统间的消息互访效率都更快。尤其是在 AI 智能体上车的背景下，原本用于舱驾一体、舱泊一体的芯片算力，有一部分可以直接用于 AI 大模型，进一步支撑舱驾融合。

四维图新是行业内较少同时具备算力、数据、舱和驾算法能力的公司，我们也在不断聚焦，将智能解决方案从舱泊、行泊进一步聚焦到舱驾一体。

媒体：看了半年报，今年上半年智能业务里高精地图服务收入有下滑，这个变化更多是客户技术路线带来的结构性趋势，还是阶段性的订单波动？

程鹏： 地图的应用场景非常广泛，从汽车导航到互联网位置服务——外卖、打车、网购，背后都有地图的支持。行业内通常将地图分为标准导航地图、服务地图，以及面向高精度时空智能体的高阶地图。

此前，在汽车自动驾驶这一细分领域内，高精地图的作用确实有所降低，因为出现了新的技术路线，包括端到端解决方案，以及 VAM（视觉+语言模型）方案用于车辆控制。

打个比方：原来高精地图是给车做“轨道”的，车只能在轨道之间切换，好比高铁；现在更像公路，车可以根据外部环境自主变道，不需要严格按照预设轨道行驶。因此在辅助驾驶领域，高精地图的作用相比以前有所变化。

但我们也在更多领域找到了新的应用场景，比如具身智能的导航，已经从室外延伸到室内，应用场景不断拓展。短期来看，新领域的营收贡献尚未体现，但从产品设计角度，我们已经开始与其他赛道的合作伙伴对接解决方案。

短期确实有压力，但中长期来看，不仅是高精地图，整个时空智能都极具价值。智能体首先要知道自己在哪里，才能做出对外的动作和反应。

媒体：在具身智能方面有什么具体进展可以透露吗？

程鹏： 我们的定位很清晰——发挥过去 20 年在汽车智能化领域的技术积累和数据沉淀，而不是进入一个新领域从零开始。四维图新在数据治理和合规方面的积累，在具身智能领域同样适用。

过去这些年，我们在汽车智能化领域积累了丰富的经验，也有很多教训。比如在车联网、座舱、智驾领域，各家都在自己采数据、标数据，但真正有效、被复用的数据占比并不高。从历史上看，做 11V 方案的，7V 时代的数据不能用；做 7V 方案的，5V、单 V 的数据不能用——数据不向上兼容，导致大量投入被浪费，很多数据沉淀在各自的仓库里没有被有效利用。

因此我们的态度是呼吁行业开放。这也是我们承担具身标准数据组组长责任的原因——希望以更开放和专业的态度，减少数据浪费和创新阻力。

具体来说，一方面我们联合头部企业共同定义行业标准——未来 5 到 10 年的技术路线、什么样的数据是真正有用的、如何确保数据向上兼容，避免重蹈汽车领域的浪费覆辙。

另一方面，推动数据在合规前提下的流通与交换。各家采集的数据本质上都是对现实世界的抽象和反馈，没有必要每家都重复采集一遍，完全可以在合规前提下共享共用。

我们不仅在制定标准，也在同步开发数据交易平台，运用区块链等技术解决数据确权问题——确保无论数据放在哪个平台上，被调用、被下载时，数据提供方都能获得相应的商业回报。

媒体：四维图新智驾业务基于行泊一体的方案，成本已达到千元以内，订单量累计了 300 万套。您提出端到端不是无图化，而是数据需求的激增。在城市 NOA 向 10 万级车型下沉的趋势下，如何平衡千元级方案的性价比压力与端到端模型对数据和算力的高需求？

程鹏： 还是回到开放这个思路——一家采集的数据多家共用，成本自然就分摊了，仍有进一步降本的空间。我们的目标是让所有车都能用上智能驾驶，这也是我们聚焦入门级突破的原因。千元以内的方案，我们测算过做到 1000 元左右，每辆车都可以装。5 万元的车，1000 元成本占比约 2%，是可接受的。

事实也证明了这一点，现在十几万的车都在标配城市 NOA，我们千元级方案做的是 L2+，性价比优势明显。

第二，行业竞争也倒逼创新，推动大家用更创新的方法优化模型训练效率。比如用舱驾一体芯片，把芯片闲置算力充分利用起来，也是降本增效的途径。

最终目标是让所有车型都能用上汽车智能化的成果，包括座舱和智驾。

媒体：7 月份 TC 会议上，四维图新出任 MIIT/TC8 数据标准工作组组长单位，将数据合规从汽车领域向具身智能领域延伸。您之前提出高质量数据是具身规模化发展的基石。汽车数据合规的技术架构和标准体系向机器人场景迁移时，需要重新构建哪些能力？作为组长单位，对四维图新的商业模式有哪些变化或调整？

程鹏： 先回答商业模式的问题。

过去两年，行业越来越卷，企业在数据采集和标注上的投入日趋谨慎，这个痛点日益凸显。我们已经有不少成功案例——作为相对中立的第三方撮合数据交易。让 A 车企信任 B 车企很难，因为存在竞争关系；数据如何估值定价也难；交易过程中如何确保合规，同样是难题。

四维图新在这几个方面具备优势：我们有公信力、有专业能力、有对政策法规的深入理解，能够提供数据脱敏、用户隐私保护、信息安全合规等服务。

过去两年我们在汽车领域已经促成了多起车企间的数据交易合作，帮助各方节省了研发费用，也加速了行业发展。这是我们看到的商业模式变化，也希望把汽车领域的成功经验和教训带到具身智能领域。

关于汽车与具身的差异，我们去年创展大会宣布进军移动智能体，到现在不到一年，已经感受到几个明显的不同：

第一，感知模态更多。汽车领域主要是摄像头、激光雷达、毫米波、超声波四种传感器，电磁波波段相对集中——以可见光为主，辅以少量红外、24G、77G 频段。而具身智能不仅有视觉，还有触觉，甚至嗅觉，感知模态更多、更复杂。

第二，场景更多样。汽车基本在公共道路上行驶，场景相对标准，主要关注障碍物、行人、交通工具、红绿灯、标识标牌等。机器人的应用场景则复杂得多：

工厂场景中，相对标准化，虽然各生产线不同，但总体是工业级标准场景；商业场景中，餐厅送菜、商场导购等，形态各异，非标准化；家庭场景中，做饭、老人陪护、儿童看护等，需求高度个性化，几乎是无限场景。

第三，动作更精细。汽车的控制动作很简单——刹车、加速、转向。而机器人光一只手就有 20 多个自由度，手指、手腕、手臂各关节的动作控制难度很高，精度要求也更高：汽车刹车精度到厘米级就够了，灵巧手的精确动作要到零点几毫米，控制难度大得多。

这三个维度是乘法关系，意味着具身智能对感知能力和控制精度的要求远高于汽车，数据量也呈指数级增长。我们进入不到一年就感受到了巨大的需求，因此坚定地布局这个领域。

四维图新不是初创公司，我们做了 20 多年，更注重实实在在解决行业问题，选择真正有价值、需要我们去解决的方向深耕。

媒体：地图领域积累的能力能够在具身智能上发挥哪些价值？大概有多少比例可以复用？对降本增效有多大的协同效应？

程鹏： 第一个可复用的是数据治理能力。行业里很多企业进入新领域后，数据往往没有得到有效利用——采集了大量数据，却不知道怎么治理、怎么复用，很多数据沉淀在仓库里。四维图新多年来最大的积累就是懂数据、知道怎么治理数据，确保每一份采集存储的数据都能产生价值。

第二个是数据合规能力。很多车企出海时，因为数据合规问题在海外市场受限，看似小问题，实则影响重大。数据合规敏感性不足，可能导致产品在海外市场无法销售。

数据治理和合规能力，做好了就是核心竞争力，做不好就是发展障碍。如果不从一开始就规划好，每次新规出台都会受到冲击。

这些在地图领域积累的数据治理和合规能力，复用率非常高。当然在具身智能领域也有新的课题，比如生产线上的商业数据保密等，我们也在不断积累经验。

媒体：具身智能作为第三增长曲线，具体业务布局和切入场景是什么？

程鹏： 我们还是做基础设施，到目前为止聚焦在数据基础设施。

我们的车规级 MCU 芯片已经有应用在具身领域，用于关节控制、绳驱控制等场景，但目前还没有作为主要方向，体量还比较小。从出货量来看，我们的 MCU 芯片去年出货三四千万颗，今年预计过 5000 万颗。一辆车用量多的有几百颗 MCU，而一台具身机器人拆开看大约 20 颗。当前机器人整机出货量在 10 万级别，与全球汽车一年 8000 万辆的产量相比还有很长的路要走。

所以我们现在聚焦在数据基础设施——把交易平台做好、把标准制定好、把确权机制建好、把合规体系搭好，这是我们当前的重点。