来源：市场资讯
（来源：明亮公司）
出品：明亮公司
4月24日开幕的2026北京车展上，四维图新（002405.SZ）发布了最新智能体数据综合解决方案。
该方案包含智能体感知、数据采集方案（4D空间记录终端、动作捕捉手套、全身运动捕捉套装等高精度采集硬件），智能体全链路合规方案（数据合规服务、智能合规融合终端），及已落地的六大场景应用方案（人形机器人、工业机械臂、无人车、四足机器人等）。
同时，四维图新还发布了最新的一站式全球导航解决方案，整合12大品类、超50款生态应用，支持“一车一策”定制，3至6个月完成交付，实现全球导航本地化落地。这是四维图新针对全栈产品组合以“低成本、高体验、快出海”的策略，加速国产出海与舱驾智能化的进一步落实。
基于已有优势，四维图新正在寻找“第三增长曲线”。根据介绍，2026北京亦庄人形机器人半程马拉松上，四维图新智能体数据综合解决方案，为许多自主组机器人选手提供了高精度地图、高精度定位和数据合规在内的多项能力支持。同时，四维图新还参与了张雪机车智能化的研发与应用。
在此期间，「明亮公司」也与四维图新CEO程鹏进行了进一步交流。他主要谈及了企业出海与具身智能面临的合规问题及四维图新的优势所在，以及AI时代企业面临的挑战以及应对之策等话题。以下为程鹏访谈内容精编：
程鹏
发展具身智能与助力车企出海，合规问题更应受到重视
Q：具身智能体风口起来后，对四维图新的影响有哪些？
程鹏：我们自己调研后的总结是：具身与智驾类似，核心都是数据采集与训练。相比具身智能，智驾的场景相对简单，主要围绕道路场景；智驾的姿态也非常简单，主要是加速、刹车、转向，我们将这称之为“有限姿态的单一场景”。而具身智能则复杂得多，是多姿态无限场景。
这种“多姿态，无限场景”，意味着具身机器人的数据量巨大，5年之内轻松翻1000倍。如果我们自己用4年的时间将车的数据合规业务从0做到10亿，机器人需要翻1000倍的数据量，所以这部分业务值得去做。 因此，我们成立了具身小组。
我们做的第一件事就是数据合规：以前我们帮助汽车解决的问题是，什么地方的数据可以采集，什么地方的数据不能采集；
第二是用户隐私：车内不能拍的，以及外面不能拍的，包括人脸、车牌、门牌号，都要保护，用户隐私在机器人领域可能同样遇到类似问题，甚至更严重，因为机器人要进入到你的生活中。
第三是信息安全：当年我们做智能互联车时，要解决的问题是确保车不被恶意控制。机器人同样面临这一问题——《三体》中，逻辑冬眠后被机器人用餐刀挟持的画面，如果没有信息安全也可能发生在我们真实生活中。
第四是商业机密：比如机器人在工位上抓取零部件，如何抓、如何装，这些都是厂家的商业机密。
这个赛道呈现出的特征是：既有需求，又有难度，又有价值。因此，我们决定把这件事作为接下来的重点第三曲线：第一曲线是地图导航，第二曲线是汽车智能化，第三曲线是移动智能平台。
当然，数据是我们选择的最大的一部分，还有许多其他小的细节。车的采集装备是摄像头、激光雷达装在车上，机器人则是头上、胳膊上和手上去捕捉动作。机器人训练时，我们会让最熟练的人演示，让机器人学习。我们进行了采集装备的研发，目前已有样品，动作捕捉数据模型、硬件采集装备、手套，都在推进。行业最需要，又没有人做，这是我们在这个赛道当前所做的事情。
Q：智能体在企业应用中涉及合规监管的担忧，四维图新的竞争优势是什么？
程鹏：因为我们团队几乎都是AI背景，所以我们很早就进行了系统性部署。我们内部全面接入大模型，进行AI转型、组织流程重构。具体体现在以下几个方面：
一是生产力提升。当前大家普通进行的AI提效，如写代码、写文章，用AI写完自己再核查一下；
二是产品力提升。用大模型训练出的优质数据，形成端到端的智驾方法，用大模型去做产品提升与用户体验。
三是公司组织重构，打造“超级员工”。去年6月我们对所有干部进行AI能力考核，今年我们要求所有员工成为AI超级员工。核心要求是：产出必须基于AI，必须用AI，实现AI原生。
当然，这些都是基于信息安全、合规与功能安全，在此基础上进行AI变革。
Q：车企在出海时，不同国家对于数据合规的要求差异巨大，四维图新如何做到全球化合规的高效复用？
程鹏：本质上还是围绕几件事：用户隐私、信息安全与功能安全。每个国家的痛点不同，但用户隐私是绝大部分国家的共同要求，各国也都在彼此学习。具体法规条款可能不同，但其实都大同小异。
最近我们帮助一个厂家出海做的100多个国家合规分析，他们自己评估用6个月的时间，我们借助AI仅用三周时间便完成了。我们的方法就是训练一个法规智能体，将100多个国家的所有法规“喂”进入，自动比对其与现有方案的差异项，针对差异一一解决。这个模型搭好以后，我们再进入新市场只需要找差异项，针对性改进即可，而且各国的差异本身也会越来越小，大家都在互相学习，趋同发展。
面对竞争与挑战，要走差异化路线
Q：四维图新的高精度地图、定位、感知算力，从汽车迁徙到机器人，最大的挑战是什么？
程鹏：如今行业面临的核心问题是谁来牵引的问题。算力与存储芯片都在涨价，汽车行业和机器人行业买不到，也买不够，这是我们面临的主要挑战——有业务、有订单，但是买不到芯片和存储。这是物理隔断，因为资源都被拿去做大模型训练中心、卖专利、卖token了，因为汽车行业被列为传统行业。
目前，汽车是马达驱动，围绕感知与执行反馈进行，芯片也相对简单。要做高端芯片就必须将早期积累做好。汽车时代，我们不造车，我们从汽车场景切入服务车企；如今，我们也会从擅长的技术数据入手，服务更多的产业链公司。
Q：机器人在哪个时间节点迎来爆发期？机器人商业化落地会以什么样的形态进入人们生活？
程鹏：目前机器人被真正验证的就两个方向：一个是工业机器人，ABB等厂商的生产线多年前就有机械臂，把机械臂演变成具身机器人，不一定都是人形，会演变成许多新形态。工业场景会沿着以前的路线继续发展，在很多工位上取代产业工人。
另一个被验证的是提供情绪价值的表演。“春晚跳舞，功夫表演”。与工业场景对应“产业工人提效者”，表演场景对应的是“情绪价值提供者”。
至于其他场景，目前落地效果有限。
Q：数据采集是劳动密集型和资本密集型，如果腾讯、阿里等大公司涉足，四维图新的优势是什么？
程鹏：产品选择有四个标准：第一，产品选择我们有四个标准：第一，真实用户需求；第二，商业价值；第三，能落地且能挣钱；第四，假设BAT和华为用无限资源来砸，你能扛多久？我们的答案是如果能抗18个月，这件事情就可以做。否则，在无限资源面前，你会被挖空人才，时间长了也扛不住。
机器人赛道，为什么宇树能起来？道理和当年造车新势力一样——蔚小理跑出来了而不是BAT，本质上是因为大厂的很多业务毛利很高，但机器人毛利不够高，大厂未必能看得上。中小公司反而容易走差异化路线。
Q：AI大模型浪潮到来，传统公司如何打造差异化，或者说如何能够在这波浪潮中存活下去？
程鹏：大模型对算力的要求很高，我们专注把体验做好。现阶段，主要在两个方面受限：一是国家标准，必须要达到要求；二是与十年前类似，没有能力的公司、没有数据积累的公司会逐渐掉队。
我们的发展方向有两条：一是赛道，从四轮车扩展到两轮车、具身机器人；二是区域，从国内扩展到海外。
舱驾一体确实能降低成本，但目前更多是口号与故事
Q：舱驾一体最近的关注度非常高，如何看待舱驾一体在汽车上的应用？
程鹏：舱驾一体喊了许多年，但关键是没有能真正做出来的。目前只有小鹏是第一个真正做的，他们甚至将自研芯片、座舱、智驾团队整合在一起。我们也具备这些能力，座舱与智驾到方案都有，但最终都决策方是车企，座舱和智驾属于不同的部门，各买各的，整合在一起需要时间。
当然，舱驾融合的确能够降本。一个芯片做两件事，体验更好，成本更低。PC和高端手机已经做到，目前一块板子、一个系统就能实现。
两轮车智能化程度低，潜在市场规模巨大
Q：两轮车市场的智能化程度如何？四维图新这部分业务的进展如何？
程鹏：两轮车并不是新赛道，起起伏伏许多年。如今，正在逐步进入电动车智能化。张雪机车就选择了我们的芯片进行仪表化，连接头盔、手机。如果他们自研，需要两年的时间；我们为他们提供了芯片、操作系统和云端服务，1-2个月就交付了。
目前，两轮车的市场增长比较乐观。今年的芯片订货量比去年翻了10倍，主要是两轮车业务；如果单独看两轮车则增长了300倍。今年总营收应该能过亿，因为基数小，增长应该在100%以上。
目前，中国的两轮车年产量为3亿辆，市场规模远远超过汽车。两轮车的智能化程度低，也意味着机会更大。
| 发福利！添加下方明亮公司主编微信有惊喜！
热门跟贴