首页 / 资讯详情
对话如祺出行COO韩锋：世界模型越强，真实数据才是真壁垒
摘要
过去一年，“物理AI”几乎成了自动驾驶、车企共同争夺的下一张船票。世界模型、具身大模型、机器人数据……众多公司从不同切入口布局物理AI，试图成为新风口之下的主角，相比之下，如祺出行选择了一条不那么显眼的路径，不自己训练大模型，而是尝试成为模型背后的数据基础设施。实际上，如祺出行在2023年就开始思考，除了提供包括Robotaxi等出行服务，一家出行平台还能在AI产业里扮演什么角色。随后两年，如祺出行逐步完成数据闭环，一端连接驾驶员、Robotaxi和城市道路，另一端服务自动驾驶模型的训练与迭代。而具身智能的兴起，让这套能力有了新的用武之地。在如祺出行COO韩锋看来，自动驾驶与智能机器人需要的数据并不完全相同，因为前者主要在二维道路空间中完成感知、决策和运动，机器人则要进入三维空间，处理抓取、搬运和精细操作。但两者背后的数据处理流程高度相似，从采集、预处理到标注、质检和导出，底层工具链可以复用。然而，由于真实数据采集成本高昂，且周期漫长，越来越多智驾和具身智能公司借助世界模型和仿真平台生成合成数据，补充真实数据不足，以提升模型训练效率。但在韩锋看来，世界模型能力越强，真实数据的重要性并不会因此降低。合成数据能够以真实长尾案例为基础，扩展难以反复采集的危险、临界和复杂交通场景；真实场景数据则能持续记录交通参与者不可预设的行为、道路环境的变化和传感器的物理响应，帮助发现尚未被识别的问题，并为合成结果提供校准和验证依据。两者共同形成“真实数据发现与验证、合成数据定向扩展”的互补闭环。目前，如祺出行试图依靠投入常态化出行服务的数据采集车、Robotaxi和线下运维网络，以较低成本持续获得真实、连续且规模化的数据，再通过已经搭建的数据闭环，将其转化为自动驾驶、世界模型和具身智能公司可以直接使用的训练材料。这可能不是物理AI浪潮中最性感的故事，却更接近产业落地。当今并不稀缺模型公司，而是缺少能长期通过真实场景稳定获得数据，并把原始数据加工成可用资产的组织能力。如果这套能力能够持续扩展，如祺出行在AI产业中的角色也会随之发生变化，正如当下许多公司撕下原有标签，强调“物理AI”属性。但韩锋表示，三年后，他希望外界仍然把如祺出行看作一家出行服务公司，但同时也把它视为AI数据生态中的重要基础设施。以下是新智驾与如祺出行COO韩锋的对话，内容经编辑整理：数据服务没有神秘技术，门槛来自长期沉淀的体系化能力新智驾：如祺的数据业务是什么时候开始搭起来的？当时为什么会选择这个方向？韩锋：2023年，我们推出智驾数据工具链，算是布局AI数据服务的开始，把日常运营产生的驾驶员驾驶行为、道路路况、路网信息等数据回流，用来支持自动驾驶算法迭代。过去几年，我们主要在搭一整套数据闭环，从数据采集、清洗处理、标注加工，到模型效果评测，把整条工具链逐渐建立起来。到了2026年，具身智能发展很快。我们再看这套体系，发现底层工具其实具有很强的通用性。不管是自动驾驶还是具身智能，都离不开数据导入、处理、标注、质检、评测这些环节，变化的是具体的数据形态和任务，但底层的数据工程体系有很多可以复用。所以我们不是突然转去做具身，而是把过去在智驾里面建立的数据能力继续往外延伸。新智驾：现在大模型、世界模型都很热，为什么如祺出行不自己做模型？韩锋：因为这不是我们的核心优势。我们的优势还是场景和数据。如祺出行有可以直接投入到出行服务的数据采集车、Robotaxi，也有线下服务和运维网络。大量车辆每天就在真实社会环境里运行，可以持续产生真实数据。所以我们更愿意围绕数据生态做这件事，而不是看到一个技术方向很热，就自己