近日，在四维图新举办的“2026 EVOLUTION创想大会”上，CEO程鹏把一句判断抛在了台前——“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。”
这并非一次单纯的产品发布会。会上，这家以电子导航地图起家、如今横跨智云、智芯、智舱、智驾四大板块的公司，正式提出了一个全新定位：“移动智能体的超级伙伴”。会后的媒体群访里，程鹏几乎用一整场时间，回答了同一个问题的不同侧面：当数据被推上“第二战场”，四维图新手里到底有什么、要建什么、又要靠什么赚钱。
四类数据资产与一个待建的“交易所”
被问及“在数据这个第二战场已经有哪些资产”时，程鹏把家底拆成了四类：做了二十多年地图沉淀下来的位置数据、过去十年做舱驾积累的车辆状态与零部件健康等车本体数据、外部环境感知数据以及训练用数据，在他看来，这些资产的价值正在被重新激活——“历史数据以前用来预测堵车，现在还可以用来预测零部件故障。”
而未来要装进来的，他给出了三个方向：AI上车带来的大模型相关数据、海外数据，以及此前少有人碰的数据交易，他透露，公司正在建设一个数据交易平台，明年发布，届时不仅车的数据，具身智能等领域的数据也能在上面交易。
数据交易绕不开“确权”，程鹏的答案是上链，“我们用上链技术来确权，标注数据是谁采集的、谁标注的，别人下载了贡献方可以收费”，四维图新在其中扮演的，是交易撮合的角色。
而可信赖，恰恰是数据交易场所的第一要求，他由此归纳出四个核心要素：可信赖、全链条合规、信息安全有保障、商业利益有回报。
“我们的想法不是说要让谁绕不开我们，而是行业确实需要这样一个角色，否则不就回到上百年前的股市交易了吗？”
合规这张入场券与“不能再踩第二遍”的坑
如果说数据是血液，合规就是输血管道。这也是四维图新被反复提及的护城河：其累计完成的合规交付案例已超过170个，服务主流车企及行业客户60余家。随着2026年9月两项时空数据安全新强制性国家标准发布，监管门槛还在抬高。
今年7月，四维图新出任工信部人形机器人与具身智能标委会数据工作组的组长单位，程鹏本人担任该工作组组长。谈及标准制定，他强调策略是“团结头部的本体厂、模型厂、零部件厂、数据厂，不是一家在那里奋斗”，并且每个月开一次会持续迭代，因为“标准不是死的，技术在演变、应用场景在变化”。
话到此处，他罕见地复盘了上一轮周期里的教训，语气也很重，“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”，他指出，老规格采的数据新规格用不了、向上兼容问题没解决，才是浪费的根源。
“新的领域不能同样的错再犯第二次，我来干这个角色，就是想避免同样的坑踩两遍。”
算力底座：在缺芯与涨价之间 靠“软硬协同”抠内存
数据与全球化的背后，是芯片这块硬支撑。会上，旗下杰发科技发布了面向舱驾一体的第六代SoC产品AC8035，程鹏在群访中确认，这款芯片属于大算力范畴，项目已推进两年多，到了可以发布的时候，且已经跟好几家Tier1和车厂在交流量产规划。
被问到为什么在这个时间点切入大算力，他的判断来自需求侧：大家都在搞大模型上车、单独配AI Box，“市场需求很强烈，所以我们顺应趋势，把这款可以做舱驾、也可以做舱模一体的芯片推出来”。
而更值得玩味的是他对“缺芯+存储涨价”这组压力的应对，他坦言行业现状是“销售量不是瓶颈，产能能拿多少才是瓶颈”，晶圆厂关注AI高价值产品，关掉了一些车规和老制程产线。四维图新的动作是把库存深度从原来的2-3个月，调整到6个月、9个月，甚至有些产品存12个月来锁定产能，力争2026年现有客户的供货不受影响，2027年产量也能超过2026年。
至于会上提到的“内存最多能砍掉70%”，他给出了技术逻辑，也顺势点出了公司的差异化能力，“我们既做芯片又做软件、做系统、做模型，充分理解应用，所以能从应用端倒推最小内存需求，从操作系统底层开始改。”
移动智能体：不做本体 只做最小刚需的数据与控制器
真正为“超级伙伴”定位落地的，是具身智能这条新赛道，程鹏划出了清晰的能力边界，“我们不做本体本身，不会去造个机器人或者机器狗”，而是把基础服务做好，比如数据采集、控制器这些，他举了一个降本的例子：公司为具身领域做的控制器带双目定位、模型和视觉能力，把行业原有域控成本降了50%还效果更好。
“车里太卷了，我们把产品做出来给他们看的时候，他们都惊到了，‘你们为什么报这么低？’我说我们毛利已经很高了”——在他看来，这正是汽车产业链沉淀出的供应链能力与低成本交付能力的跨界力量。
被问及行业痛点究竟是数据不足还是数据浪费，他的观点一针见血：“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，你做得再精细也没用”，他再次拿高精地图自省，“搞得挺好，精度世界第一，结果人家不用，亏了好多钱”，因此当下的策略不是冲上去把数据全做好，而是迭代的：第一步先做确定性的时空数据，“任何移动智能体都需要知道自己在哪、周围有什么、怎么导航”；第二步选几个典型且能快速发展的场景，把模型、数据、芯片一起做好。
至于具身赛道值不值得押，他用数据量级作判断：具身数据在姿态、场景、模态、动作几个维度上是乘法关系，“终局的数据量要求大概是智驾的1000倍，要上三个数量级”。
商业化上他既给出乐观信号，“今年就能体现出来了，已经有几个千万级订单了”，又立刻补上谨慎，“总市场可能是10年后的1000倍，但明年后年能拿多少……我们也没有那么乐观，还是一步步来。”
场景选择上，他给了两条标准：一是市场需求明确且已有规模（如室外割草机、室内扫地机器人），二是能力匹配，室外的定位和导航是四维图新的强项，所以第一个优选的场景就是这些室外的，而对家里机器人、工厂装配等天生非优势项，则“跟着学习、慢慢找机会”。
与大模型“做加法 不对抗”：垂域模型的饭碗
群访临近尾声，一个绕不开的行业争论被摆上桌：通用大模型能力越来越强，会不会替代具身垂域模型？程鹏的回答，几乎是整场采访方法论的浓缩。
他先承认趋势，“通用模型的能力肯定会越来越强，毫无疑问”，底层大模型会不断内化掉很多软件和SaaS服务，但他随即划出了垂域公司的生存空间，车载智能体之所以要做成专门干智能座舱的小模型，是因为端侧参数不够大、做不了万亿参数部署，全放云端又受通信限制影响体验，更关键的是“作为垂域公司，你可以把车里的东西做透”，通用大模型不会去判断用户这句话到底是真的要控车还是只是聊天。
“垂域模型一定有饭碗，但你的工作是要实时看通用大模型能力到哪了，然后在上面做加法，不要跟它对抗，对抗没戏”，这句话，或许比任何战略口号都更能解释四维图新此刻的处境与选择：它既不盲目对抗大模型浪潮，也不空谈宏大叙事，而是把二十多年攒下的数据、合规与软硬协同能力，一寸一寸地铺向它认定的“第二战场”。
把这些回答串起来，四维图新的逻辑其实并不复杂：把自己在汽车智能化里跑通的“数据—合规—算力—量产”闭环，平移到数据这个第二战场、再平移到移动智能体这片新大陆，它讲的是一个“用时间换空间”的故事，智云要靠“熬”，安全域MCU国产化“也许还需要10年”，具身智能的数据需求可能达到智驾的千倍级，但商业化仍需一步步推进。
而程鹏给出的是一套自洽的打法：数据上建交易所、立标准，芯片上靠软硬协同抠成本、备货锁产能，出海上联手微软、心存敬畏，具身上不造本体、只做最小刚需，用他自己的话说，“地图才是最难做的”——而最难的事既然已经做了二十多年，第二战场这盘棋，他显然是带着“敬畏之心”下场的。
原创文章，作者：陈硕，如若转载，请注明出处：https://car.58.com/12324467/
