四维图新出任工信部数据标准工作组组长单位，具身智能开始补上“规则底座”

来源：滚动播报

（来源：财闻）

当具身智能设备开始走出封闭测试环境，数据将不再只是训练模型的“原料”，而会成为连接技术、监管和商业化的基础设施。

当具身智能从实验室走向家庭、工厂和公共空间，行业竞争的焦点正在发生变化。

过去一段时间，市场更多关注机器人的本体、算法、芯片以及量产成本，但随着应用场景不断拓展，机器人采集什么数据、如何使用数据、怎样完成脱敏与流通，也开始成为产业规模化绕不开的问题。尤其在机器人进入家庭陪伴、儿童照护、工业生产等场景后，其摄像头、麦克风和定位系统可能持续接触人脸、声音、位置等敏感信息，数据安全与合规的重要性随之上升。

四维图新正式出任数据标准工作组组长单位 图源：企业提供

7月15日至16日，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在浙江绍兴举行2026年度全体会议暨“标准周”活动。会上，四维图新（002405.SZ）正式出任数据标准工作组组长单位，CEO程鹏担任工作组组长。按照规划，该工作组将围绕具身智能数据的采集、治理、训练、评测、流通等环节，推动相关标准体系建设。

这项任命的意义不只在于企业多了一个行业身份，更在于具身智能产业正在从“先把产品做出来”，逐步转向“如何让产品安全、合规且可复制地进入真实世界”。

数据不能再各自为战

当前具身智能产业仍处于技术快速迭代阶段，不同企业在数据采集方式、标注格式、接口规范以及训练方法上存在较大差异。

四维图新高级副总裁、CMO兼董秘孟庆昕在接受采访时直言，目前行业内不少企业仍在“闭门造数据”。同一类机器人、相近的使用场景，企业往往需要分别完成采集、清洗、标注和训练，数据难以复用，既推高研发成本，也降低了产业协同效率。

“我们希望把数据动作做成可流通、可共用的资产，让更多企业都能复用，而不是各自承担成本。”孟庆昕表示。

数据标准工作组任务规划 图源：姚飞拍摄

这也是数据标准工作组成立的现实背景。根据规划，工作组将聚焦数据全生命周期标准建设，包括标准体系顶层设计，数据格式、接口等关键标准制定，产业链试点应用、符合性评估，以及国内外标准衔接等六方面工作。

在智能汽车产业中，数据标准不统一带来的问题已经有所体现。

例如，不同车型的传感器配置、数据格式和场景标签存在差异，车企和供应商之间往往需要进行大量适配。对于机器人而言，其形态和应用场景更加分散，可能包括人形机器人、工业机械臂、无人车、四足机器人以及家用服务机器人，数据复杂度只会更高。

孟庆昕认为，智能网联汽车在个人信息处理、测绘合规和数据脱敏方面积累的经验，可以部分迁移到具身智能领域，但二者并非完全相同。“可以平移，但两类数据差异性不小。”例如，会议室、家庭等相对封闭的场景是否纳入监管，未来仍需进一步明确。

这意味着，具身智能的数据标准不会只是将汽车行业规则简单复制过去，而需要重新回答数据边界、使用权限和安全责任等问题。

从“地图公司”走向数据基础设施

四维图新进入具身智能领域，与其过去二十余年在汽车数据和地图领域的积累有关。

孟庆昕表示，不少具身智能初创企业此前主动找到四维图新，核心需求集中在数据和应用场景。与一般算法公司相比，四维图新的基础资源不仅包括地图数据，还包括影像数据、卫星遥感数据，以及测绘和数据合规相关资质。

这类能力在智能汽车时代主要服务于导航、定位、辅助驾驶和数据合规，但在机器人身上同样存在应用空间。机器人需要感知周围环境、判断自身位置并规划行动路径，本质上仍然离不开时空信息。

以2026年北京亦庄人形机器人马拉松为例，孟庆昕介绍，比赛前三名均使用了四维图新的精准时空数据解决方案。相关方案通过高精度地图和高精度定位，帮助机器人识别跑线、规划路线，同时减少与人群、护栏发生碰撞的风险。

这一案例也说明，具身智能的数据需求并不限于模型训练。机器人真正进入物理世界后，还需要持续处理位置、环境和行为信息，数据服务可能贯穿设备运行全周期。

孟庆昕将机器人的摄像头比作“眼睛”。机器人在工作过程中持续环视环境，既可以快速成图，也可能采集到人脸、车牌、室内布局等敏感信息。如果数据缺乏统一的采集、脱敏和使用规则，设备规模越大，潜在风险也会随之放大。

在汽车业务中，四维图新已经建立数据采集、实时脱敏和合规流通的工具链。其提出的“可用不可见”，即通过技术处理，使企业能够使用必要数据，但无法直接接触原始敏感信息。按照公司的设想，这套模式未来可以延伸到机器人行业。

从财务表现看，数据相关业务也已经成为四维图新的重要板块。根据公司2025年年报，其智云业务板块全年实现收入29.04亿元，同比增长28.85%。孟庆昕表示，公司希望通过数据合规和不同场景之间的数据流转，为后续业务带来增量。

不过，具身智能目前仍处于投入期，从赛事验证走向稳定收入，还需要经历标准落地、产品适配和客户规模化采购等环节。四维图新的优势在于已有汽车产业的数据基础，但能否将能力迁移为机器人行业普遍采用的产品，仍取决于商业模式和产业节奏。

标准最终要落到商业化

对具身智能行业而言，制定标准并不是最终目的。只有当标准能够降低企业的数据使用成本，并提升产品进入市场的效率，才会真正形成产业价值。

按照目前披露的计划，数据标准工作组将以“2026年中建体系、2027年初出标准”为阶段性目标，推动重点领域先行先试。目前，工作组已初步形成35项标准清单，并按照预研、立项、在研和存量等不同阶段进行滚动管理。

孟庆昕强调，相关标准既要有前瞻性，也要能够被企业实际使用。“目标是让企业好用”，同时争取在国际合作中形成一定影响力。中国在智能汽车商业化方面积累较快，如果能够较早建立具身智能的数据标准，也有机会在新一轮产业竞争中形成规则优势。

对于四维图新而言，参与标准制定也意味着其业务边界进一步扩大。公司判断，人形机器人与具身智能未来将是强数据、强算法与芯片的结合。除数据和定位方案外，旗下杰发科技的芯片也可能应用于机器人关节等环节。

孟庆昕提出了一种更长期的商业设想：未来家庭中的智能设备可能不只有汽车，还包括扫地、擦窗、陪伴和服务等不同机器人。届时，精准时空数据服务有可能像车机娱乐系统一样，以订阅模式持续收费。

其表示，机器人数据合规监管的商业模式已经完成论证。“只要机器人工作，我们就提供合规监管。”但他同时提到，相关模式早在2019年、2020年已经进行探索，实际进展晚于预期。

这也为行业的热度提供了一个相对冷静的注脚。标准建立能够减少重复投入、明确合规边界，却不会自动带来市场规模。机器人是否真正进入家庭和工业场景，仍取决于成本、可靠性和产品价值。

但可以确定的是，当具身智能设备开始走出封闭测试环境，数据将不再只是训练模型的“原料”，而会成为连接技术、监管和商业化的基础设施。

程鹏将其概括为，把数据的“成本”变成“资产”，将“孤岛”连成“陆地”。 对正在寻找规模化路径的具身智能行业而言，这或许正是标准建设最现实的价值：不是为技术增加一道束缚，而是让不同企业能够在同一套规则下，更低成本地进入真实世界。