對話如祺出行COO韓鋒：世界模型越強，真實數據才是真壁壘

過去一年，“物理AI”幾乎成了自動駕駛、車企共同爭奪的下一張船票。世界模型、具身大模型、機器人數據……眾多公司從不同切入口布局物理AI，試圖成為新風口之下的主角，相比之下，如祺出行選擇了一條不那麼顯眼的路徑，不自己訓練大模型，而是嘗試成為模型背後的數據基礎設施。實際上，如祺出行在2023年就開始思考，除了提供包括Robotaxi等出行服務，一家出行平臺還能在AI產業裡扮演什麼角色。隨後兩年，如祺出行逐步完成數據閉環，一端連接駕駛員、Robotaxi和城市道路，另一端服務自動駕駛模型的訓練與迭代。而具身智能的興起，讓這套能力有了新的用武之地。

在如祺出行COO韓鋒看來，自動駕駛與智能機器人需要的數據並不完全相同，因為前者主要在二維道路空間中完成感知、決策和運動，機器人則要進入三維空間，處理抓取、搬運和精細操作。但兩者背後的數據處理流程高度相似，從採集、預處理到標註、質檢和導出，底層工具鏈可以複用。然而，由於真實數據採集成本高昂，且週期漫長，越來越多智駕和具身智能公司藉助世界模型和仿真平臺生成合成數據，補充真實數據不足，以提升模型訓練效率。但在韓鋒看來，世界模型能力越強，真實數據的重要性並不會因此降低。

合成數據能夠以真實長尾案例為基礎，擴展難以反覆採集的危險、臨界和複雜交通場景；真實場景數據則能持續記錄交通參與者不可預設的行為、道路環境的變化和傳感器的物理響應，幫助發現尚未被識別的問題，併為合成結果提供校準和驗證依據。兩者共同形成“真實數據發現與驗證、合成數據定向擴展”的互補閉環。目前，如祺出行試圖依靠投入常態化出行服務的數據採集車、Robotaxi和線下運維網絡，以較低成本持續獲得真實、連續且規模化的數據，再通過已經搭建的數據閉環，將其轉化為自動駕駛、世界模型和具身智能公司可以直接使用的訓練材料。這可能不是物理AI浪潮中最性感的故事，卻更接近產業落地。

當今並不稀缺模型公司，而是缺少能長期通過真實場景穩定獲得數據，並把原始數據加工成可用資產的組織能力。如果這套能力能夠持續擴展，如祺出行在AI產業中的角色也會隨之發生變化，正如當下許多公司撕下原有標籤，強調“物理AI”屬性。但韓鋒表示，三年後，他希望外界仍然把如祺出行看作一家出行服務公司，但同時也把它視為AI數據生態中的重要基礎設施。以下是新智駕與如祺出行COO韓鋒的對話，內容經編輯整理：數據服務沒有神秘技術，門檻來自長期沉澱的體系化能力新智駕：如祺的數據業務是什麼時候開始搭起來的？當時為什麼會選擇這個方向？

韓鋒：2023年，我們推出智駕數據工具鏈，算是佈局AI數據服務的開始，把日常運營產生的駕駛員駕駛行為、道路路況、路網信息等數據迴流，用來支持自動駕駛算法迭代。過去幾年，我們主要在搭一整套數據閉環，從數據採集、清洗處理、標註加工，到模型效果評測，把整條工具鏈逐漸建立起來。到了2026年，具身智能發展很快。我們再看這套體系，發現底層工具其實具有很強的通用性。不管是自動駕駛還是具身智能，都離不開數據導入、處理、標註、質檢、評測這些環節，變化的是具體的數據形態和任務，但底層的數據工程體系有很多可以複用。所以我們不是突然轉去做具身，而是把過去在智駕裡面建立的數據能力繼續往外延伸。

新智駕：現在大模型、世界模型都很熱，為什麼如祺出行不自己做模型？韓鋒：因為這不是我們的核心優勢。我們的優勢還是場景和數據。如祺出行有可以直接投入到出行服務的數據採集車、Robotaxi，也有線下服務和運維網絡。大量車輛每天就在真實社會環境裡運行，可以持續產生真實數據。所以我們更願意圍繞數據生態做這件事，而不是看到一個技術方向很熱，就自己去做一個大模型或者世界模型。關鍵還是看自己的優勢在哪裡。新智駕：大型自動駕駛公司、智能機器人公司通常都有自己的算法和數據閉環。既然有能力自建，為什麼還需要把一部分數據業務交給如祺出行？

韓鋒：因為客戶真正需要的不是簡單拿到一批數據，他需要的是可以直接進入訓練流程的低成本、高質量數據，還包括確定性的交付產能和工程效率。即便一家客戶已經有很強的算法和訓練能力，如果想大規模做數據採集、合規治理、標註、質檢，還是需要持續投入設備、人員和運營資源，這是一個比較重資產、重運營的過程，也會佔用很多研發人員的時間。我們提供的是基於真實場景的數據獲取能力，再按照客戶的訓練要求，把數據穩定、高效地處理和交付出去，客戶就可以把更多精力集中在模型和算法迭代本身。新智駕：所以客戶最後真正願意為什麼付錢？韓鋒：首先是場景是不是他需要的，其次是數據質量能不能達到要求，然後是你能不能穩定、高效地交付。

拋開這些單純談成本其實沒有意義。哪怕一批數據是免費的，如果它對模型訓練沒有價值，對客戶來說還是沒用。新智駕：有沒有一個具體項目，能說明客戶購買的這種“工程效率”到底是什麼？韓鋒：我們服務過一家2016年成立的頭部自動駕駛公司。過去兩年，他們研發投入持續增加，對數據標註的需求增長得非常快。我們的做法不是簡單接到需求以後馬上開始標，而是先根據客戶的數據規範，把複雜的標註任務結構化，把任務本身做得更容易生產。之後再給不同的數據處理任務匹配相應的資源，整個過程進行數字化管理，以天為單位持續交付。另外，我們還會提前介入客戶的數據標註工作。

因為客戶的需求會波動，如果等需求突然上來了再開始組織產能，中間會有一個比較長的爬坡過程。提前介入之後，可以縮短這段時間。最後客戶得到的不只是標完的一批數據，而是比較穩定的數據產能，能夠跟上他的模型迭代節奏。新智駕：數據採集、標註本身看起來並沒有特別高的技術門檻，如祺出行認為這門生意真正難複製的地方是什麼？韓鋒：客觀來說，這套業務不存在特別高的、學術意義上的單點技術壁壘。真正的門檻是長期沉澱。首先是怎麼採。傳感器、車載設備部署、怎麼採集駕駛員在真實場景裡的操作，這些東西看起來不復雜，但真的大規模做起來，有很多細節都是項目一點點磨出來的。第二是數據處理工具鏈。

我們現在可以從採集、清洗、標註、評測，一直到格式適配和客戶交付。不同客戶的數據格式、傳感器標準、模型訓練要求都不一樣，真正做業務的時候，必須能夠快速適配。第三是這些能力會隨著客戶的反饋不斷變化。客戶會告訴你什麼數據對模型有效、哪些地方還有問題，然後這些反饋又會反過來改變我們的採集方法、處理算法和工具鏈。所以真正的門檻並不是某一個功能，而是整套體系長期迭代的過程。新智駕：現在這套體系裡，哪一個環節做得最成熟？韓鋒：數據標註目前是成熟度比較高、自動化程度也比較高的環節。剛開始服務客戶時，新客戶的數據規範、新的傳感器標準，我們也需要比較長的磨合。

適配一個全新的客戶，可能需要一年多，才能逐漸做到比較標準化、自動化地交付。現在因為底層工具和流程逐漸成熟，再面對一個新客戶時，過去積累下來的很多東西都可以複用，適配週期會明顯縮短。新智駕：數據服務天然定製化程度很高。怎麼避免最後變成一家依賴不斷增加人力的數據標註公司？韓鋒：我們肯定不希望業務增長多少，人員規模就跟著同比例增長。長期還是要把不同項目裡反覆出現的能力抽出來，變成自動化工具和標準化的平臺能力。客戶的模型、數據格式、應用場景不同，所以一定會長期存在定製化需求。但定製和標準化並不矛盾。關鍵是每做完一個項目以後，有多少能力能夠沉澱下來，在下一次項目裡直接複用，而不是每次都重新從零開始。

新智駕：很多公司也會講“數據飛輪”。如祺出行所說的飛輪，和普通項目做多了以後積累經驗，有什麼區別？韓鋒：普通項目積累的更多是交付經驗。我們希望形成的是“真實業務場景、合規數據源、全棧AI數據能力”三個東西一起增長。客戶拿數據訓練以後，會暴露新的模型問題。這些問題反饋回來，我們可以通過現有的採集網絡，再補充相應的真實數據，經過處理之後重新交給客戶。這樣形成的是數據、模型和問題之間不斷循環。目前復購客戶已經佔到一定比例，具體數字不方便披露，但復購率已經是內部一個核心考核指標。

Robotaxi和具身智能機器人，複用的是數據基礎設施新智駕：現在如祺出行開始把數據能力往具身智能延伸，Robotaxi的數據真的能拿來訓練具身智能機器人嗎？韓鋒：只能部分複用。這個問題要分成兩個層面：一個是數據本身，一個是數據工具鏈。數據本身既有相通之處，但同時也有差別。自動駕駛數據本身很大一部分是感知數據，它可以支撐智能機器人完成環境感知能力訓練。但開車本質上還是一個相對統一的任務，而具身智能進入物流，可能要搬東西；進入商超，要整理貨架；進入流水線，又涉及大量精細操作。它需要機械臂操作、運動軌跡、精細動作等操控類數據，這部分需要新的數據來源。新智駕：所以真正可以複用的是什麼？

韓鋒：下面的數據基礎設施。數據導入、預處理、清洗、質檢、導出，包括合規治理，這些底層邏輯其實是相通的。當然，進入具身智能以後，我們也需要針對三維空間、精細動作標註這些新需求增加一些能力，但整個大的數據基礎設施和工具鏈框架，不需要重新從零搭一次。新智駕：機器人未來會進入工廠、物流、商超甚至家庭。如祺出行為什麼第一步選擇車後服務，而不是直接進入更大的場景？韓鋒：我們選一個場景主要看幾個條件。第一，有沒有真實的業務需求；第二，我們能不能持續組織數據採集；第三，它跟現有業務能不能形成協同。從這個角度看，車後服務是比較合適的。

如祺出行本身有面向傳統出行服務的車服，也在圍繞Robotaxi建設線下運維網絡。車輛內外清潔、外觀檢測、充電插拔，這些都是車後服務裡真實存在的操作，也都是具身智能機器人未來可能承擔的任務。所以我們本身就有這些真實場景，可以持續組織數據採集，而不是為了採數據專門搭一個實驗環境。2026年6月，我們也推出了具身智能數據平臺，處理Ego-centric第一人稱操作視頻，包括數據導入、AI預處理、動作標註、多級質檢，再到標準化格式導出。現在是在已有場景裡先把這套能力做起來。新智駕：如祺出行每天可以產生大量真實數據，但這些數據裡到底有多少真正有價值？韓鋒：很難給一個統一比例，因為數據的有效性是相對的。

比如一家已經做了很多年自動駕駛的公司，簡單、常見的道路場景它可能早就不缺了。對它來說，這些數據的價值就比較低，它現在更需要的可能是急剎、複雜路況、極端長尾場景，但另一家公司可能還處在不同階段，需要的又是另外一類數據。所以同一份數據放到不同模型、不同客戶、不同研發階段，價值是不一樣的。當然，也有一些很明確沒有價值的數據。比如激光雷達打到十幾層、二十層樓高的位置，對地面自動駕駛基本沒有用，這種我們在清洗階段就直接去掉，不會再進入後面的流程。新智駕：除了價格，客戶選擇數據時真正看什麼？韓鋒：質量、真實性、場景的稀缺性，以及數據是不是能夠持續、大規模地產生。成本當然重要，但不是唯一指標。

比如自動駕駛，我們的車輛每天都在真實城市裡運營，所以採到的交通場景不是人為佈置的，而且它不是採幾天就停止，而是車輛每天都在運行，能夠持續形成數據流。具身智能裡面，真實場景的門檻可能更高。一家機器人公司想進入真正的工業生產線採數據，並沒有那麼容易。製造企業會考慮生產安全，也會考慮數據洩露，不會隨便讓一個外部機器人和團隊進入產線。所以真正能夠進入這些場景，本身就是一個門檻。數據的價值最後不是看有多少TB，而是它來自什麼地方，是不是模型真正需要的東西。合成數據越強，重複採集的常規數據越容易貶值新智駕：現在世界模型越來越強，合成數據也越來越多。

如果以後大量道路和操作數據都能生成，真實數據究竟會越來越值錢，還是被壓價？韓鋒：未來最可能被替代或者被壓價的，是為了增加數量而反覆採集的常規數據，不是真實數據本身。合成數據特別適合擴展已經知道的問題。比如真實世界出現一個很危險、非常少見的長尾場景，你不可能讓車輛在現實裡面重複跑一萬次。這個時候可以以真實案例為基礎，再用合成數據把它擴展出來。但是，真實世界還有一個合成數據很難替代的作用，就是發現原來不知道的問題。真實交通參與者會有很多不可預設的行為，道路環境一直在變化，真實傳感器也存在自己的物理響應。這些未知問題，沒有辦法完全靠模型自己生成，再由模型自己證明它是對的。

所以我認為，真實數據更重要的是發現問題和驗證，合成數據負責對已經發現的問題做定向擴展。兩者相輔相成，都是如祺數據要持續積累發展的重要資產。目前，如祺相關數據資產已經覆蓋感知數據、行為數據、合成數據和多模態訓練數據集四大類。新智駕：這也是為什麼您認為世界模型越強，反而越需要真實數據？韓鋒：對。世界模型要學習真實世界的物理規律，還要根據現在的狀態預測未來會發生什麼。比如自動駕駛做了一個剎車或者轉向，未來幾幀環境會怎麼變化，具身智能機器人做了一個動作以後，物體會怎麼變化。模型想把這種預測做得越來越準確，還是需要真實世界的數據去訓練、校準和驗證。

合成數據可以降低基礎訓練成本，也可以補充很多場景，但今天這個技術範式下，做到後面的微調和真實場景驗證，還是離不開真實數據。新智駕：對具身智能來說，這個問題是不是比自動駕駛更嚴重？韓鋒：具身智能的數據問題會更復雜，它有一個“雞生蛋、蛋生雞”的問題。具身智能機器人如果還沒有進入真實場景，就很難得到大量真實操作數據，但沒有這些數據，機器人能力又很難訓練成熟，再真正進入這些場景。更何況，機器人面對的任務種類比開車更多，物流、商超、工廠，每個場景都有不同的動作和操作需求，所以真實生產和服務場景，對具身智能的數據訓練會非常重要。

新智駕：現在數據業務更多是在利用如祺出行已有車輛和場景做附加變現，還是已經成為一門獨立業務？韓鋒：它從一開始就是長期投入的業務，而不是出行業務的附加變現。現在數據業務已經有獨立團隊、預算、收入目標和客戶拓展體系，包括自己的銷售、產品、算法和交付團隊，跟包括Robotaxi等在內的出行服務之間會共享一些底層資源。出行業務給數據業務提供真實場景，數據能力也會反過來支持Robotaxi技術和運營迭代。新智駕：收入現在做到什麼規模？韓鋒：過去幾年增長比較快。2024年上半年，AI數據服務收入同比增長175.8%；2025年上半年同比增長207.0%；2026年上半年，同比增長274.

4%，半年收入已經超過1億元。新智駕：客戶還是主要來自廣汽、騰訊這樣的股東體系嗎？韓鋒：具體客戶名單和訂單結構，因為協議不能披露。但目前服務的客戶已經來自多個行業，包括自動駕駛、互聯網、人工智能、消費電子。過去在汽車和智駕產業裡搭起來的數據能力，並不是只能用在汽車，採集、合規治理、數據處理、標註、質檢、交付這些底層能力，本身可以延伸到其他AI場景。新智駕：如果三年以後再來看，用哪些指標能判斷這項業務真正跑通了？韓鋒：首先還是收入，第二是客戶合作能不能持續，包括復購，第三是標準化能力和交付效率有沒有繼續提高。即使以後可能還會有定製項目，也不能單純因為有定製就認為這個業務沒有跑通。

AI數據本身就存在客戶差異。真正要看的是，每做完一個客戶以後，有沒有沉澱出可以複用的工具和流程，下一次交付是不是能夠更快、成本更低。