四维图新程鹏:数据标准与高质量交互数据决定具身智能规模化成色
时间:2026-08-24 来源:汽车供应商网 作者:资讯部
四维图新引领产业范式升级 从模型竞赛走向数据标准筑基时代
随着人形机器人、具身智能技术快速迭代,行业竞争已从单一模型能力比拼,全面转向体系化、标准化、规模化生态竞争。程鹏在圆桌对话中重点指出行业核心认知:具身智能数据价值不在于海量堆砌,产业真正稀缺的是包含动作执行、环境反馈、错误试错与自主纠正的真实交互数据。机器人智能化迭代,不仅需要标准化的“正确训练样本”,更需要覆盖全场景误差的“错题本数据”,才能支撑模型在复杂真实场景中持续优化、规避风险、稳定运行。
目前,国内具身智能产业已正式迈入国家级体系化建设新阶段。早在今年7月,工业和信息化部人形机器人与具身智能标准化技术委员会2026年度会议上,行业数据标准工作组正式确立分工体系,其中四维图新出任数据标准工作组组长单位,帕西尼出任联席组长单位,标志着我国具身智能数据领域彻底告别企业自发探索、零散协同的发展模式,进入国家标准引领、行业统一共建的规范化发展周期。
针对当前产业发展痛点,程鹏精准剖析核心瓶颈:当前模型算法迭代速度持续加快,但数据质量参差不齐、数据治理体系缺失、多模态数据难以互通,已成为制约具身智能规模化商用的核心短板。他以智能驾驶、大语言模型的成熟演进路径为参照,指出跨模态数据统一归一的关键价值,强调时间、空间维度的数据统一治理,是打通全场景数据闭环的核心前提。只有打通多场景、多设备、多模态数据链路,实现任务场景与数据资源高效匹配,才能让人形机器人、智能装备复刻智驾、大模型的高速迭代节奏,真正突破技术落地瓶颈。
在产业标准化建设层面,程鹏明确,构建统一、开放、可持续迭代的具身智能数据标准体系,是降低行业创新成本、提升协同效率、加速规模化应用的核心抓手。依托四维图新在智能网联领域成熟的“数据采集-脱敏处理-合规托管”全链路实践经验,其提出行业数据建设两大核心原则:一是数据内容具备完备性,可长期持续支撑下游各类智能应用迭代升级;二是数据资产可量化、可溯源、可交易,依托标准化体系与专用技术平台,实现数据质量评估、价值测算、知识产权保护、安全合规管控与高效交互流转,真正将数据资源转化为产业发展资产。
对于行业关注的“数据飞轮”商业化落地节奏,程鹏作出明确产业预判:相较于通用具身场景,可控性更强、技术迭代更集中、应用频次更高的工业、特种垂域场景,将率先完成技术收敛、形成成熟的数据飞轮效应。高频落地的细分场景,能够快速积累真实交互数据、持续反哺模型优化,成为具身智能商业化落地的先行赛道。
当前具身智能产业化落地的核心门槛,早已不止模型算力能力,数据标准、采集体系、治理机制、模型架构的协同完善,共同决定产业落地效率与发展上限。面向未来,四维图新将持续发挥组长单位引领作用,联合全产业链生态伙伴,持续完善具身智能数据全生命周期标准体系,加速成熟AI技术能力向人形机器人、工业机械臂、无人车、四足机器人等多终端场景平移落地,持续夯实产业发展底座,助力中国人形机器人与具身智能产业从技术领先迈向生态领跑、规模领跑。
