2026年的中国汽车行业，价格战打到第三年，天平开始从“卖得多”向“活得久”倾斜。就在全行业埋头算成本账的时候，四维图新CEO程鹏在2026 EVOLUTION创想大会上，给出了另一个维度的判断：“过去十年，中国新能源赢在电池；未来十年，中国汽车要赢在数据。”
电池战的本质是制造——拼产能、拼成本、拼规模，中国用十年时间拿下全球六成以上的动力电池产能，也催生了宁德时代这样的万亿巨头。但数据与电池不同：数据不排他、难确权、高度受制于合规，而且眼下几乎没有一个像样的市场机制让它流动起来。智驾数据每家自采自标、重复建设、用完即弃，就是这片“荒地”最直观的景象。
程鹏想做的，是在这片荒地上建“交易所”。大会结束后，他与包括汽车观察在内的媒体聊了两个多小时，从数据资产、数据交易平台，聊到智驾时代“惨不忍睹”的数据浪费，再到具身智能的标准。
第二战场，为什么还没有巨头？
程鹏把四维图新的数据家底分成四类：位置数据，做地图20多年攒下的；车本体数据，过去10年做舱驾积累的车辆状态、零部件健康数据；外部环境感知数据；训练用数据。
清单本身不稀奇，稀奇的是他给历史数据重新定了价。“历史数据以前用来预测堵车，也可以用来预测零部件故障。”一句话点破了数据资产的复利属性——同一条数据，换一个模型，就是一个新的生意。当车企的竞争从功能比拼转向质量与成本的精细化运营，车辆运行数据正在从研发副产品变成可以直接冲抵成本的资产。
往前看，程鹏给数据业务定了三个方向：大模型上车带来的新数据形态、海外数据、数据交易。前两个是存量业务的自然延伸，第三个才是真正的变量——四维图新正在建设数据交易平台，明年发布。不只交易车的数据，具身智能等领域的数据也可以在上面交易。
要理解这件事的产业意义，得先看清楚现状：行业的数据流通还停留在“点对点撮合”阶段。“以前两家车厂交换数据、各分担一半成本，就完了。”程鹏说。这像极了资本市场早期那种柜台式交易——有需求、有标的、有买家，但没有交易所，没有定价机制，更没有信任基础设施。
程鹏的类比很直白：“你开个股票账户，你得相信里面的股票是真的，对吧？”他把数据交易成立的前提列了四条：第一是可信赖，“你愿意把数据交给竞争对手吗？肯定不太愿意”；第二是全链条合规，覆盖数据整个生命周期；第三是信息安全有保障；第四是商业利益有回报——贡献了数据，要能拿到回报。
四条里最硬的是确权。四维图新的方案是上链：标注数据是谁采集的、谁标注的，链上一目了然，别人下载使用，贡献方可以收费。这实际上是给数据装上了产权证——数据要素市场喊了这么多年，卡住的一直是这一环，谁先把确权做成工程能力，谁就有机会吃到规则红利。
有意思的是程鹏对“平台”定位的克制。“我们的想法不是要让谁'绕不开'我们，而是行业确实需要这样一个角色。”他补充说，“信任问题解决了，即便不是我们，也应该有个第三方。现在国家也成立了数据集团，大家都看到了这个问题。”——这句谦辞背后其实是清醒：数据交易所是典型的多边市场，冷启动靠的不是一个技术平台，而是一个被买卖双方同时信任的中立身份。四维图新不造车、不做整车厂的数据竞争方，这恰恰是它做第三方的资格。
那么，第二战场会不会也诞生一个宁德时代？程鹏的回答是：“我们也才不到30亿，行业第一也才不到30亿。”第三方数据市场做不大的原因是结构性的——智驾领域各家都自己干，数据就流动不起来。“美国不也出了Palantir这样的公司吗？机会是有的，但是不是一定会出现巨头，我不确定；会不会是四维图新，我也不确定。”
这个回答的意思是，数据战争的终局大概率不是赢家通吃，而是少数几个被信任的中立节点，各自守住一块确定性需求。
合规，从成本项变成入场券？
如果说数据交易平台是进攻，合规就是防守的底座。而监管正在把防守的门槛抬高到准入级别：2026年9月，GB 48319与GB 48320两项时空数据安全强标正式发布，2027年10月实施，叠加6部基础法律与多部门监管。四维图新是两项强标的参编单位——在强标时代，参编本身就是一种产业卡位，规则由你参与书写，交付能力自然先于同行成熟。
目前，四维图新累计完成合规交付案例170多个，服务主流车企及行业客户60多家。合规正在从一个成本项，变成一块可以单独收费的资产。
合规压力最直接的传导是出海。程鹏把技术出海叫作过“数字海关”：数据主权、本地化、安全审查，三重门槛要求逐市场适配规则。四维图新的解法是一句架构层面的纲领——“数据本地化，模型全球化”。
四维图把新的生意划成四个象限：本土车厂的本土服务、本土车厂的出海服务、国际厂家的中国服务、国际厂家的海外服务。“现在大部分业务还是国际厂家的中国业务，这两年开始做中国车厂的海外业务，这两块占了百分之九十几。”逻辑不难理解：车企到了陌生市场，缺的正是当地法规、数据、合规的专业团队，这正是四维图新过去十五年攒下的东西——“我们在欧洲已经15年了，有自己的园区、有本地员工，员工来自好几十个国家。”
出海的利润前景，程鹏给了一个时间表：芯片业务里，SoC出海占比已经超过50%，MCU拿到了国际大厂的全球订单，明年量产。“从财报角度，估计2028年之后能比较大地体现出来。海外的营收和毛利确实比国内好，我只能说这么多。”
座舱出海则有微软的加持。双方利用微软基础大模型与云服务，共同打磨车端垂域预训练小模型，部署在车里，再连到微软云。“大模型管你什么语言都会，西班牙语、意大利语、葡萄牙语都会，省掉了车企挨个国家做定制的工作。”程鹏透露，100多个国家的开发周期缩短了好几倍。
面对国际Tier1也在抢出海合规生意的疑问，程鹏先纠正了前提：“传统Tier1在软的东西——数据、合规领域——并不强。他要强，我确实也没啥事可干了。”他承认对方的强项——全球长期信任的客户、品质与安全体系、遍布全球的工厂。“我们一时半会儿很难追上”。但中国公司的优势同样是结构性的：“一个客户需求来，我们经常第二天早上就解决了。国外呢？分析、走产品PRD流程、研发流程、交付流程，三个月。”再往深处看是产业链：“中国是全产业链聚集，这个门槛我认为10年8年别人也搞不好。前一阵说产业链转移到东南亚，去了发现上游没有，你说服了上游10个公司，上游还有990个公司呢。”
不把智驾的坑踩两遍
此次大会上最引人注目的动作，是四维图新正式把汽车智能化的经验外溢至移动智能体领域。一家汽车数据公司为什么积极做机器人标准？程鹏的答案带着痛感。
“当年智驾的数据浪费太大了，惨不忍睹——很多车厂的亏损来自智驾，智驾的亏损来自数据，数据的亏损来自采集和标注，关键是弄出来以后还没人用、不能用。老规格采的数据，新规格用不了，向上兼容的问题没解决，太浪费了。”
这段话点破了一个产业级的浪费机制：智驾的数据闭环是各家私有搭建的——自采、自标、自用，规格互不兼容，没有复用链条。每个玩家都在重付一遍采集和标注的成本，而采集标注恰恰是数据链条里最烧钱的环节。行业为智能化付的学费，相当一部分没有沉淀为资产，而是变成了沉没成本。
标准，就是要把这个浪费机制掐掉。程鹏的打法是机制化的：“工作组就是一个持续迭代的机制，每个月把最新的场景变化、技术路线变化汇总起来，不断迭代标准。”他甚至放话：“我确信具身领域的标准会比当年智驾领域干得更好。我来干这个角色，就是想避免同样的坑踩两遍。”
对具身数据市场，他给了一个量级判断：从姿态、场景、模态、动作几个维度看，具身的数据量是乘法关系，“终局的数据量要求大概是智驾的1000倍，要上三个数量级”。生意其实已经来了：“从营收上，今年就能体现出来，已经有几个千万级订单。”但他内部预测相对保守：“总市场可能10年后是1000倍，但明年后年能拿多少，我们没有那么乐观。”数据侧，四维图新的RND时空数据集已在2026北京亦庄人形机器人半程马拉松中服务22家具身机器人厂家，助力机器人完成21公里自主奔跑。
程鹏对“高质量数据”的定义也有了新的认识。这是从学费里来的：“当年搞高精地图，精度世界第一，结果人家不用，亏了好多钱。什么叫高质量？符合需求就是高质量，不符合应用和模型需求的，做得再精细也没用。”
所以这一次，打法完全变了：先做确定性的东西——时空数据，任何移动智能体都需要知道自己在哪里、周围有什么、怎么导航；再选几个典型的、能快速发展起来的场景，标准有两条：市场需求明确，比如割草机、扫地机器人这些已经走进千家万户的产品要变得更智能；能力匹配，室外定位和导航是四维图新的强项。“机器人在家里装配、工厂里拧螺丝，天生不是我们的优势项，我们就跟着学习。”
定位上，四维图新不做本体。“不会去造个机器人或者机器狗，把基础服务做好，比如数据采集、控制器。”他举了个例子：给具身领域做的带双目定位的控制器，把行业域控成本降了50%。“车里太卷了，他们看到报价都惊到了，问你们为什么报这么低？我说，我们毛利已经很高了。”
这段自嘲背后是一个严肃的产业逻辑：汽车业多年的“卷”锤打出来的，不只是技术，还有一套高品质、低成本、大规模交付的供应链体系。当这套体系跨界到尚在早期的具身行业，就是降维打击——车规级供应商眼里“毛利已经很高”的报价，对机器人创业公司是成本结构级别的冲击。
“熬”过最难阶段
数据要流动，算力是底座。而底座本身，正在遭遇一场供给侧的挤压。
“现在晶圆厂确实受到AI领域高价值产品的诱惑，很多厂家直接把老的车规甚至一些老制程的产线关掉了，转去做更先进制程、能挣更多钱的产品。利润导向，这是可以理解的。”程鹏说，“现在的情况是，销售量不是瓶颈，产能能拿多少才是瓶颈。”AI在抢车规芯片的产能——这是当下芯片行业最真实也最少被车企公开谈论的产业现实。
四维图新的应对有两手。一手是备货：库存深度从原来的2至3个月，调整到6个月、9个月，部分产品甚至12个月，锁定产能——“至少2026年现有客户的供货不受影响，2027年产量也能超过2026年”。另一手是降耗，这一手更能体现四维图新的独特身位：“我们既做芯片又做软件、做系统、做模型，能从应用端倒推最小内存需求。”一家出海车企的系统由四维图新调优后，实际内存用量不到原规划的一半，“最多能砍掉70%”。当存储按G计价、价格涨了好几倍，从操作系统底层抠出来的每一个G，都是真金白银的BOM成本——这种能力只有垂直整合的玩家才具备，单纯做芯片或单纯做软件的公司都做不到。
新发布的第六代车规SoC AC8035，则是这种“应用定义芯片”思路的产物。这款瞄准舱驾融合的大算力芯片，2027年一季度上市。“这个项目已经搞了两年多了，我们参考了数据中心芯片的思路，把带宽做到了现有产品的2-3倍，突然发现是对的——因为内存涨价了，新的应用也出来了。”程鹏用英伟达解释这种冗余哲学：“英伟达的策略就是冗余——不知道现在会有什么应用，先把算力提高、带宽提高，后面自然有几百万个开发者做出应用。就像国家建5G的时候，知道会有抖音吗？你把游泳池建好，游泳的人自然就来了。”
MCU这边，是另一种时间观。非安全域国产化率刚到30%，安全域只有3%，底盘控制的话语权还在博世、英飞凌手里。“我们2018年第一颗MCU出来，从0做到几千万颗——今年出货预计超5000万颗——走了8年。也许安全域也需要10年。”程鹏自嘲，“当然也期待快一些，否则从小伙子干成老头了。”
四维图新多条业务线并行，芯片、数据、具身智能这么多条线，有没有一号工程？程鹏没有给出优先级排序，而是把所有业务的组织逻辑总结成一句：“高效地组织一群人，创新一个产品或服务，让一批用户爽。”至于行业最难的阶段怎么过，他的答案是一个字：“熬。大浪淘沙，剩下来的是组织能力够强、技术迭代够快、既敏捷又有韧性的团队。”
电池的故事，我们已经看过一遍：产能、成本、规模，赢家通吃，终局是寡头。数据的故事大概率不是这样——因为这场战争的核心资源不是产能，而是信任。产能可以用资本快速堆出来，信任只能用时间和一次次合规交付慢慢攒。这正是数据战争至今没有“宁德时代”的原因，也可能正是四维图新用二十年地图、十五年出海、十年芯片换来的那点先手。
热门跟贴