对话如祺出行COO韩锋：不训练大模型，靠真实数据基础设施切入物理AI
来源雷峰网查看原文
速览
- 如祺出行不自己训练大模型或世界模型，定位为模型背后的数据基础设施
- 自动驾驶与具身智能数据本身只能部分复用，但底层数据工具链高度相通
- 韩锋认为世界模型越强，真实数据在发现未知问题和验证模型上越不可替代
- 合成数据适合扩展已知长尾场景，真实数据负责发现未知问题并提供校准依据
- 数据业务是独立业务，有独立团队、预算、收入目标和客户拓展体系
- AI数据服务收入连续三年上半年同比增速超过175%，2026年上半年超1亿元
- 客户已来自自动驾驶、互联网、人工智能、消费电子等多个行业
- 韩锋希望三年后外界仍把如祺出行看作出行服务公司，同时视为AI数据生态的重要基础设施
如祺出行COO韩锋接受新智驾专访，系统阐述了公司从出行平台向AI数据基础设施延伸的路径。如祺出行2023年推出智驾数据工具链，逐步搭建覆盖采集、清洗、标注、质检、评测的数据闭环，2026年6月推出具身智能数据平台，处理第一人称操作视频。韩锋认为，世界模型和合成数据越强，真实数据在发现未知问题和验证模型方面的作用越不可替代，被压价的只会是为增加数量而反复采集的常规数据。他透露，AI数据服务收入2024年上半年同比增长175.8%，2025年上半年同比增长207.0%，2026年上半年同比增长274.4%，半年收入已超过1亿元。韩锋表示，数据业务从一开始就是独立业务，有独立团队、预算、收入目标和客户拓展体系，客户已覆盖自动驾驶、互联网、人工智能、消费电子等多个行业。
关键事实
- 如祺出行2023年推出智驾数据工具链，开始布局AI数据服务
- 2026年6月如祺出行推出具身智能数据平台，处理Ego-centric第一人称操作视频，涵盖数据导入、AI预处理、动作标注、多级质检和标准化格式导出
- AI数据服务收入2024年上半年同比增长175.8%，2025年上半年同比增长207.0%，2026年上半年同比增长274.4%，半年收入超过1亿元
- 如祺数据资产已覆盖感知数据、行为数据、合成数据和多模态训练数据集四大类
- 韩锋称适配一个全新客户可能需要一年多，随着底层工具和流程成熟，适配周期已明显缩短
- 如祺出行服务过一家2016年成立的头部自动驾驶公司，通过提前介入标注工作、结构化任务和数字化管理实现以天为单位的持续交付
本站视角
对国内做自动驾驶和具身智能的团队来说，如祺出行这条路径提出了一个值得认真对待的问题：当世界模型和合成数据越来越强，真实数据的价值到底在哪里。韩锋给出的答案是，真实数据负责发现未知问题和验证模型，合成数据负责对已知问题做定向扩展，两者互补。这个判断如果成立，意味着那些拥有真实运营场景和持续数据流的企业，在物理AI产业链中可能占据一个不易被替代的位置。对如祺出行自身而言，数据业务连续三年上半年同比增速超过175%、2026年上半年收入超过1亿元，说明市场需求真实存在，但客户名单和订单结构因协议不能披露，收入增长是否依赖股东体系客户、复购率具体水平如何，外界无法验证。我们认为，如祺出行选择不训练大模型、专注数据基础设施，是扬长避短的务实策略，但数据服务天然定制化，能否把项目经验沉淀为可复用的标准化工具和流程，是判断这门生意能否规模化的关键。韩锋自己也把标准化能力和交付效率列为三年后检验业务是否跑通的指标之一。需要观察的是，随着具身智能数据需求从二维道路空间转向三维操作空间，如祺出行在车后服务场景积累的数据采集能力能否顺利迁移到物流、商超、工厂等更复杂场景，以及它能否在客户自建数据闭环的趋势下持续证明第三方数据服务的工程效率优势。
背景与影响
过去一年，物理AI成为自动驾驶和车企争夺的下一张船票，世界模型、具身大模型、机器人数据等方向吸引大量公司布局。如祺出行选择了一条相对不显眼的路径：不自己训练大模型，而是利用出行平台积累的真实场景和车辆资源，搭建数据采集、处理、标注、质检、交付的闭环，服务自动驾驶、世界模型和具身智能公司的训练需求。这一策略的背景是，真实数据采集成本高、周期长，越来越多公司借助世界模型和仿真平台生成合成数据来补充真实数据。韩锋的判断是，合成数据擅长扩展已知问题，但无法替代真实世界发现未知问题的作用，因此真实数据在模型微调和验证阶段仍不可或缺。对如祺出行而言，出行业务提供真实场景，数据能力反过来支持Robotaxi技术和运营迭代，形成双向协同。这意味着，如果这套能力持续扩展，如祺出行在AI产业中的角色可能从出行服务公司延伸为数据基础设施提供方。需要观察的是，数据服务定制化程度高，如何避免陷入依赖人力扩张的标注公司模式，以及收入增长能否伴随标准化能力和交付效率的持续提升。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。