如祺出行COO韩锋：世界模型越强，真实数据才是真壁垒

一句话结论

如祺出行推出具身智能数据平台，依托真实运营数据构建闭环，2026年上半年该业务收入超1亿元。

关键要点

如祺出行自2023年起布局AI数据服务，定位为数据基础设施，不直接训练大模型，而是提供覆盖采集、清洗、标注、评测的数据闭环服务。
2026年6月，如祺推出具身智能数据平台，专门处理第一人称操作视频，支持数据导入、AI预处理、动作标注及标准化导出，底层工具链可与自动驾驶复用。
2024年上半年、2025年上半年及2026年上半年，如祺AI数据服务收入同比分别增长175.8%、207.0%和274.4%，其中2026年上半年收入已突破1亿元人民币。
公司数据资产目前覆盖感知、行为、合成及多模态训练数据集四类，通过常态化运营车辆持续获取低成本真实数据，用于发现未知问题及校准合成数据。
新客户的适配周期已从一年缩短至更短时间，数据价值核心在于场景稀缺性、真实性及持续性，单纯的数据量并非唯一衡量标准。

背景与事实

如祺出行首席运营官韩锋在近期访谈中明确，公司的战略重心正从单一的出行服务向AI数据基础设施延伸。自2023年起，如祺出行开始系统性布局AI数据服务，建立了一套完整的数据闭环体系。这一体系一端连接着驾驶员、Robotaxi（无人驾驶出租车）和城市道路，另一端则直接服务于模型训练。需要明确的是，如祺出行的定位是数据基础设施提供商，而非大模型训练者。其核心逻辑在于，通过常态化的运营车辆持续获取真实道路数据，并以较低成本将其转化为高质量的训练材料。截至当前，如祺的数据资产已覆盖感知、行为、合成及多模态训练数据集四类。在2026年6月，如祺进一步推出了具身智能数据平台，该平台专门用于处理第一人称操作视频，支持从数据导入、AI预处理、动作标注到标准化导出的全流程操作。韩锋指出，自动驾驶与具身智能在数据处理流程上高度相似，底层的工具链可以复用，但机器人场景需要额外获取三维空间信息及精细动作数据。

在数据获取与处理的细节上，如祺出行强调真实数据与合成数据形成互补闭环。真实数据主要用于发现未知问题及校准合成数据，而合成数据则用于扩展危险或长尾场景。例如，在数据清洗阶段，系统会剔除激光雷达指向高层建筑等无效数据，因为数据价值取决于场景的稀缺性、真实性及持续性，而非单纯的数量堆砌。随着世界模型能力的增强，重复采集的常规数据可能会面临贬值风险，但真实数据在发现新问题和验证模型方面具有不可替代性。韩锋还透露，过去由于工具不成熟，新客适配周期曾需一年以上，随着工具链的成熟，这一周期已显著缩短。在实际服务案例中，如祺曾为一家2016年成立的头部自动驾驶公司提供结构化标注及数字化交付管理，以天为单位持续交付数据。此外，该业务的组织独立性也得到体现，拥有独立的团队、预算、收入目标及客户拓展体系，包括销售、产品、算法、交付团队，并与Robotaxi等出行服务共享底层资源。

财务表现是验证该业务模式是否跑通的关键指标。数据显示，2024年上半年、2025年上半年及2026年上半年，如祺出行的AI数据服务收入同比分别增长175.8%、207.0%和274.4%。其中，2026年上半年的收入已超过1亿元人民币。客户群体覆盖了自动驾驶、互联网、人工智能、消费电子等多个行业。韩锋表示，判断该业务是否成功的关键不仅在于收入规模，更在于客户复购率、标准化能力及交付效率的持续提升。核心目标是通过沉淀可复用的工具与流程，实现下一次交付更快、成本更低。具身智能面临数据获取的“鸡生蛋、蛋生鸡”困境，且面对物流、商超、工厂等多场景的复杂动作需求，真实生产场景数据至关重要，这正是如祺依托其运营优势所能提供的核心价值。

影响分析

对中文开发者与从业者而言，如祺出行的这一布局揭示了数据服务在AI产业链中的新定位。首先，它证明了真实数据在合成数据日益成熟的今天，依然是校准和验证世界模型的不可替代要素。这意味着，拥有真实场景运营能力的出行公司，其数据价值正在被重新评估。其次，具身智能数据平台的推出，表明机器人领域的开发门槛在于多模态、三维空间及精细动作数据的处理，而不仅仅是视频理解。开发者若试图进入具身智能领域，需要关注底层工具链的复用性，因为自动驾驶与具身智能在数据预处理和标注流程上存在共性。最后，收入的高速增长（2026年上半年同比增长274.4%）显示，市场对高质量、结构化、持续交付的数据服务有强烈需求。对于从业者来说，掌握数据清洗、标注自动化及数字化交付管理的技能，将是未来三至五年内极具竞争力的职业方向。

适用边界

上述结论主要适用于拥有大量真实物理世界交互场景、且具备规模化运营能力的公司。对于纯互联网软件公司或实验室环境，缺乏真实道路或生产场景数据，难以复制如祺的低成本真实数据获取模式。此外，该策略依赖于高频次的日常运营，若业务频次低或场景单一，数据闭环的效率将大幅降低。在数据隐私法规极其严格或区域限制较多的市场，真实数据的采集与跨境传输可能面临合规障碍，导致该商业模式不适用。