11月 6日，上海，2026 EVOLUTION创想大会。CEO程鹏上台后的第一句话不是产品，是判断："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。"
这个判断他9月在世界新能源汽车大会上讲过一遍，那次的标题叫《数据是第二战场》。两个月后，同一个判断在上海变成了一张报价单：合规能力、出海方案、两颗芯片、一套AI座舱，外加一条通往机器人的新路。
第二战场为什么是数据
电池那场仗的路径很清楚。先是将能源路线吵明白了 -- 纯电、增程、插混打了几年嘴仗，最后全行业接受了"电"这个方向；接着续航成为买车的头号排序项；最后跑出了宁德时代和比亚迪。三个条件凑齐，十年就结束了。
数据战场正在重复这个剧本，只是节奏快得多。
第一个信号在技术侧。AI在车上的位置变了，从"功能点缀"变成"产品中枢"。过去三年，智能化基本只在智驾和座舱两个域里发生；现在底盘、车身、热管理都在往"可感知、可迭代"的方向改。程鹏的说法更直白：车上所有零部件都在往能产生数据、能被数据迭代的方向走，"越来越像手机，越来越像原来的互联网生态"。
第二个信号在监管侧。2026年9月，GB 48319与GB 48320两项时空数据安全新强标正式发布，2027年10月将实施，四维图新是参编单位之一。叠加6部基础法律和多部门监管，合规从"可选项"变成了"入场券"。
第三个信号最扎人：数据采了，但没人用。程鹏在台上提到，很多车企在采集、存储、计算上花了大价钱，真正被用起来的不到一半；换一代感知方案、换一任技术负责人，前面采的数据当场作废。
所以"第二战场"的真实含义不是"数据很重要"，而是"数据很贵，且大部分在浪费"。谁能让数据合法地流动、反复地用，谁就有生意。四维图新报出的账面是：合规交付案例170+，服务主流车企及行业客户60+。
技术出海的第二张船票"数字海关"
如果说前五年出海拼的是船票，今年开始拼的是报关单。
过去是产品出海 -- 把车运出去，靠价格打市场。现在升级为技术出海，而过的是"数字海关"：数据主权、本地化、安全审查，三重门槛，逐个市场适配。车能上船，数据未必能过关。
四维图新的解法被压缩成八个字：数据本地化，模型全球化。数据不出境，在本地闭环采、本地合规用；模型在云端训练、全球复用。围绕这套逻辑，他们做的是车企出海数据合规闭环方案。
光有合规还不够，车要在别人的马路上跑，得有人认得路。覆盖全球主流市场的一站式导航方案、海外车道级导航交付能力，以及正在推进的与华为HMS for Car的长期合作，方向上包括智能导航、生态服务、智慧语音、智能网联。
跨境合规这道题，没有哪家车企觉得简单。一个市场一套规则，一套规则一支团队，摊到谁身上都不合算。这类活儿最终总要外包给第三方。而"谁都需要、谁都不自己造"的生意，四维图新已经做了二十多年 -- 地图就是这么一门生意。
1亿套片之后，第六代芯片要解决什么问题？
数据、合规、全球化，说到底都是软功夫。可这些能力要真正跑起来，脚下得垫一层硬的东西 -- 芯片。
杰发科技的车规SoC产品线已经走到第六代，累计出货超1亿套片，出海量产车型100款以上，出海比例过半。这个结构很说明问题：一半以上的芯片装在往外卖的车里。芯片业务和出海，早就是同一件事。
下一代是AC8035，计划2027年Q1上市，定位高性能舱驾融合市场，重点强化安全与外设接口，同时兼顾国内与海外的合规要求。
MCU走的是另一条曲线：四代产品累计出货1.5亿+，配套量产前装车型300+，覆盖国内主流车企90%以上，围绕整车11大功能域、67类细分应用场景做映射。旗舰AC7870是6核R52、ASIL-D、360MHz、28nm，落在新能源三电、动力域控、底盘EPS这些"出事就是大事"的位置上。这颗芯片补的是国产高端域控MCU的短板 -- 要知道ASIL-D这块高安全市场长期被海外厂商占着。目前已有多家头部客户进入设计导入阶段。
芯片这条线今年还有个外溢：两轮车。相关产品已拿到20家OEM项目定点，在张雪机车等车型上实现量产落地。
国产芯片过去十年做的是"填空"：脚位对齐，接口兼容，拿别人画好的架构照着填。舱驾融合顺序倒过来 -- 用芯片扛座舱、辅助驾驶、泊车，芯片的算力和接口先定，域控方案再跟着它排。一直在填空的人，开始有机会画图。
把30%的成本抠出来
辅助驾驶这边，千元内行泊一体方案用的是5V3R12U/6V3R12U传感器，配征程®6B，算力18–20TOPS，覆盖L2 ADAS、APA/RPA泊车，适配C-NCAP与E-NCAP。累计量产定点270万套。
座舱这边，基于参股公司四维智联的方案，累计出货超400万台，服务30 +客户，覆盖全球100多个国家。真正的变量是舱驾融合：高集成度设计把整车成本拉低30%，同时把高速NOA、记忆泊车、城区NOA塞进主流车型。
30%不是财务魔术，是工程账。域控合并省掉一套主板和一堆接口，芯片自研省掉一层授权，软件栈自持省掉一轮联调，三条加在一起，才敢说"同等体验、更低价格"。这也是把"高端功能"变成"标配功能"的能力。
出海不再是"降配版"的AI座舱
发布会现场，程鹏发布的是面向全球市场的AI原生智能座舱解决方案。随后上台的是微软中国副总裁兼汽车事业部总经理苏坦、微软大中华区首席伙伴官庆雪辉，三个人围绕AI座舱的全球化合作对谈。
合作内容不复杂：四维图新出AI、座舱、高精地图与数据合规的积累，微软出全球云基础设施、多语言语音、AI能力和生态网络，合起来给中国车企一套覆盖多语言交互、全球导航、本地化合规、车载应用生态的一体化座舱体验。
它解决的是一个存在了很多年的行业惯性：同一款车，国内是满配智能座舱，海外是"能用就行"的入门版。车卖到欧洲、中东、东南亚，语音听不懂当地话，导航不认当地路，应用生态是空的。今年出海成了利润的主要来源之后，这套"降配逻辑"有点撑不住了。
这也是为什么四维图新与微软双方反复强调"要产品，不要项目"。项目是一次性的：一个市场、一套方案、一支临时团队，交付完各自回家。产品是另一回事，同一套东西从欧洲搬到中东、再搬到东南亚，改的是语言和法规，不是从头再做一遍。
把车验证过的能力搬到机器人
整场会最不像车企发布会的一段，出现在最后。
四维图新把定位改成了"移动智能体的超级伙伴"。措辞很虚，动作很实：RND时空数据集在今年北京亦庄人形机器人半程马拉松中服务了22家具身机器人厂家，帮机器人跑完21 公里自主赛程；数据采集端拿出了双目视觉融合感知终端、精细动捕手套，从空间尺度一直覆盖到指尖；合规体系直接从汽车平移到智能体场景；标准侧，公司是工信部人形机器人与具身智能标委会（TC8）数据工作组（WG7）的组长单位；算力侧，SoC与MCU矩阵覆盖从"大脑"到关节执行。
总结：
"数据是移动智能体共同的血液。" 程鹏这句话，是这场会唯一一句跨赛道的判断。
把这场会的四件新品排一排，会看到一个共同点：它们卖的不是功能，是"让别人的功能跑起来"的条件。合规是条件，算力是条件，导航和座舱是条件，数据采集与标准也是条件。
这也是"第二战场"这个判断最有分量的一层。数据不会像电池那样跑出两三家巨头，数据太散，太贵，太敏感，谁也拿不住全部。但让数据合法流动的那套基础设施，只会越来越少家能做。电池战场比的是谁能把成本做到最低；数据战场比的是谁能把规则跑得最通。前者拼制造，后者拼信任。这大概就是程鹏说"不能只搞价格战，还要搞价值战"时，真正想说的东西。
会后CEO程鹏接受媒体群访，把上午发布会没讲透的那半句补上了：数据要真的能卖。明年上线的数据交易平台、区块链确权、"做数据界的交易所"的定位，都是把"第二战场"从一个判断变成一门生意，下面是Q&A记录：
问：您上午讲到数据是"第二战场"，请问四维图新在这个第二战场已经有了哪些资产，正在构建哪些，未来还将装入哪些？
从资产角度来看，主要有四类：
位置数据——做地图20多年积累的位置数据；
车本体数据——过去10年做舱驾积累的车辆状态、零部件健康等数据；
外部环境感知数据；
训练用数据。
这些数据不仅有实时感知的，还有历史数据。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，这些数据都可以逐步用好。
未来的方向主要有三个：
大模型相关的数据积累——AI上车带来了新的数据形态；
海外数据；
数据交易——以前是点对点撮合（比如两家车厂交换数据、各分担一半成本），现在正在建设数据交易平台，明年会发布，不仅车的数据，具身智能等领域的数据也可以在上面交易。
数据交易面临一些复杂问题，比如确权——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交易撮合的角色，在做好合规的前提下推动数据交易，帮助行业降低成本、加快迭代。
问：您提到了数据中台的定位。怎么能让车企或其他数据拥有方认可这个中台、让四维图新坐稳这个位置？除了先发和合规能力，还有哪些核心要素？
可以拿证券交易所来类比——数据交易场所的第一要求是可信赖。你开个股票账户，你得相信里面的股票是真的，对吧？
谁是可信赖的？你愿意把数据交给竞争对手吗？肯定不太愿意。所以可信赖是最重要的。
第二个是全链条合规——确保数据整个生命周期都是合规的。
第三个是信息安全要有保障。
第四个是商业利益有回报——我贡献了数据，能拿到什么回报。
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票交易了吗？现场写张纸给你，没有交易所，非常不方便。现在技术条件已经具备了。
本质上还是解决信任问题。信任问题解决了，即便不是我们，也应该有个第三方。现在国家也成立了数据集团，我相信大家都看到了这个问题——得有一个可信赖的、被行业所有人信任的第三方来做这件事。至少我们愿意扮演这个角色，把合规方案、技术方案和交易平台方案做好。
问：智云业务目前面临一些挑战，比如受到车企利润挤压。怎么解决？未来怎么保证转型过程中有源源不断的现金支持？
确实挺难的。上午也说了，只有一个字——熬。车企没利润的时候，你要拿很高的利润也不现实。
这是一个大浪淘沙的过程。你会发现，之前很热的赛道、过度投资的产能、过度投资的科技公司，都会慢慢收敛，最后剩几家。就像20年前的山寨机市场，多少家呀？数都数不过来。前两年的新能源车不也一样吗？有个过程，慢慢淘汰，剩下来的是组织能力够强、技术迭代够快、有一群能坚持的团队——既敏捷又有韧性——来分剩下的蛋糕。
最终可能像手机产业一样，前面几家能挣钱，一些靠量活着，大部分死掉。这是很正常的过程，汽车行业现在正在发生。
问：四维图新出任工信部数据标准工作组组长单位，但具身行业里模型公司、数据管线公司都在参与标准制定，也都想成为制定者。怎么防止各方各说各话？现在具身数据标准统一了吗，或者说应该统一吗？
标准不是死的，技术在演变、应用场景在变化，不能把它当成一成不变的东西。
我们的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，大家一起把标准建设好。
另外，我们只能在有限的时间范围内预测未来三年的技术路线、模型形态、数据需求，然后不断迭代。这也是为什么要搞工作组——工作组就是一个持续迭代的机制，每个月开一次会，把最新的场景变化、技术路线变化汇总起来，不断迭代标准。这样才有可能把标准做好。
我确信具身领域的标准会比当年智驾领域干得更好。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。老规格采的数据新规格用不了，向上兼容的问题没解决，太浪费了。
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。
问：存储芯片涨价的趋势会持续多久、涨幅大概多少？四维图新提前备货锁定产能，目前能支持多久？除了头部晶圆厂，有没有其他替代供应商？
行业最优秀的晶圆厂显而易见就是那两家，都是我们非常重要的供应商。现在的情况是，销售量不是瓶颈，产能能拿多少才是瓶颈。
我们的策略做了一些调整。因为内存涨价以及缺芯的苗头又出现了，有点像2021年的状态，所以我们把库存深度调整了——原来存2-3个月，现在存6个月、9个月，甚至有些产品存12个月，来锁定产能。
现在晶圆厂确实受到AI领域高价值产品的诱惑，很多厂家直接把老的车规甚至一些老制程的产线关掉了，因为无尘无菌的环境很值钱，转去做更先进制程、能挣更多钱的产品。利润导向，这是可以理解的。
在这种情况下，我们尽可能保证供应——至少2026年现有客户的供货不受影响，2027年产量也能超过2026年，新产品的量产也能保证。这是我们这一年多致力于解决的问题。
关于其他供应商：做内存的和做主芯片的不是一回事，目前主芯片的产线还是这两家是最好的选择，而且得有车规级产线。
问：您提到有产品能只用以前一半的内存，甚至最多能砍掉70%。这是怎么做到的？会成为应对缺芯的重点方向吗？
是的。这就是四维图新的优势——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。
举个例子，有一家车厂出海的车型在海外卖得很好，系统是我们帮他调的，最后用的内存不到他们自己规划的一半。现在内存都按每个G多少钱卖，涨了好多倍了。
最多能砍掉70%——这个就是从操作系统底层做文章，对系统级的冗余、响应速度要求做改动。不是所有厂家都能干这个，我们这种又干芯片、又干系统软件、又干应用的，是可以做到的，而且已经被事实证明了——客户已经在用不到一半的内存出货了，性能没受什么影响。
问：财报里没有单独披露海外业务营收，实际上海外收入占总收入的比例大概是多少？毛利率大概是什么水平？
比例还比较小。我们自己把业务分成四个象限：
本土车厂的本土服务
本土车厂的出海服务
国际厂家的中国服务
国际厂家的海外服务
现在大部分业务还是国际厂家的中国业务，这两年开始做中国车厂的海外业务，这两个象限做得还不错——因为车企到了陌生的地方，没有那么多专业团队，我们就能相对做得比较好。这两块占了百分之九十几。
海外车厂的海外业务现在只是刚刚起步，按百分比算是个位数。
问：第一战场电池领域诞生了宁德时代这样的巨头，第二战场数据领域是否也会扎堆涌现一批巨无霸企业？数据是"虚"的，未来行业格局会有什么不一样？四维图新有信心成为第二战场的头部企业吗？
这个很难说。因为场景不一样——比如智驾领域，各家都自己干，那第三方能做多大呢？我们也才不到30亿，行业第一也才不到30亿。跟每个行业的生态有关系，也跟当地的政策合规、法律环境有关系。
美国不也出了Palantir这样的公司吗？所以我只能说机会是有的，但是不是一定有巨大的巨头，我不确定；会不会是四维图新，我也不确定。我们只能说大家一起努力，我们团队很努力。如果把四个象限都占满了，我们就有可能发展得更好。
问：有观点认为通用大模型能力越来越强，可能会替代具身垂域模型。您怎么看？会对具身智能技术路线产生什么影响？
具身智能的发展路径跟车、跟手机都很像，第一性原理是一样的，本质上没有大区别。
通用模型的能力肯定会越来越强，毫无疑问。从GPT-3.5到现在，大家每个人都在用——写稿子、转录音，工作方式都变了。这意味着底层通用大模型的能力会不断内化掉很多软件和SaaS服务，把它们变成通用大模型的一个能力。
但是在不同的场景里，永远有工作可做。比如我们的车内智能体，也是大模型上车，但我就得把它训练成垂直领域的、专门干智能座舱的小模型。为什么？因为端侧参数不够大，做不了万亿参数的部署。全放云端，有些地方通信不好，用户体验就得不到保证。
除了端侧的限制，还有端侧的特点不一样——作为垂域公司，你可以把车里的东西做透。通用大模型不会去研究这跟辅助驾驶有啥关系，不会去判断用户说这句话到底是真的要控车还是只是聊天。这些东西都有工作可做。
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。
问：四维图新更多是帮助车企出海的伙伴角色。很多同行在出海时遇到本土化适应的难题，四维图新怎么保证解决这些问题、保持竞争优势？
还是得做好准备。我们在欧洲已经15年了，不是心血来潮第一年去干。我们在欧洲有自己的园区、有本地员工，员工来自好几十个国家，特意保持多样化，所以对不同的文化、不同地方的法规都有深刻理解。
还有一个很重要的就是有敬畏之心，没有急功近利地冲出去乱搞，踏踏实实按照当地的文化要求、法律要求把业务一点点做好。机会是给有准备的人的。
说白了，也是因为十几年前遇到的问题很多、吃过很多亏，所以现在反而能沉下心去研究、一点点推进解决方案，真的帮出海车企解决芯片、合规、数据这些问题。不用急，在海外急也急不来。
问：目前具身行业更大的问题是高质量数据不足，而不是数据浪费。四维图新未来怎么帮助行业解决这个问题？
数据本质上还是应用驱动、场景驱动、模型驱动。我自己拍脑袋拍不出好数据。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。
这就跟我们当年搞高精地图一样——搞得挺好，精度世界第一，结果人家不用，亏了好多钱。得吸取教训。
所以我们现在的策略是深入进去了解应用、了解场景、了解模型长啥样，知道什么数据对它才是高质量的。我们没有像智驾时代那样冲上去把数据全做好，而是迭代式的：
第一步，先做确定性的东西——比如时空数据，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，哪怕卫星也需要轨道和高度。这个是确定的，我们先把它做好、花力气搞好，赋能给行业。
第二步，选几个典型的、能快速发展起来的场景——场景得足够大，机器人只卖几万台跳跳舞唱唱歌肯定不是我们想要的，市场不会大。得有实实在在的应用场景，客户真的买单。选准了以后，针对那几个场景把模型搞好、数据搞好、性价比好的芯片做好。
现在的策略是快速迭代，而不是拍脑袋说客户都要我就全干——换一个打法，否则也烧不动。
问：智驾领域已经生成的数据，有多少可以复用到具身？复用的结构是什么样的（模态、场景）？从上市公司角度，具身业务营收什么时候能体现到财报上？
具身产业方兴未艾，刚起步。我跟团队内部讨论，感觉看到了20年前导航的状态——那时候大家都没有，后来车普及了、手机普及了、互联网普及了，走了10年。具身可能会更快。
具身的数据量，从姿态、场景、模态、动作几个维度来看，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。
我们在里面能拿到多少生意，现在不确定。我只是说会不断迭代、不断努力，做客户最需要的、高质量的、最小刚需的数据集，不会一开始就做得很大，先把最小刚需的做好提供给行业。
从营收上，今年就能体现出来了，已经有几个千万级订单了。但我们内部的预测相对保守——总市场可能是10年后的1000倍市场，但明年后年能拿多少，我们有自己的预测，也没有那么乐观，还是一步步来，确保应用场景能起来，然后保持策略迭代跟进。
问：去年交流时您说大算力芯片有人干了，您就不干了，除非对方干得差。今天发布的AC8035，为什么选择这个时间点？算不算您自己干了？是认为别人干得差，还是说定位不同、不属于大算力范畴？
首先它显然属于大算力范畴，无论是计算单元还是GPU单元都属于大算力。
其实这个项目已经搞了两年多了，今天到了可以发布的时候——前面没东西你发布啥呀？现在到了可以说的时候，而且我们看到需求还是很强烈的，恰逢其时。
大家都在搞大模型上车，都在单独配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。经过两年多的谋划，现在已经跟好几家Tier1和车厂在交流量产规划了。肯定还是市场有需求，市场没需求我们为什么要做？
问：现在软硬一体是趋势，有的公司把芯片业务分出去独立融资。四维图新的芯片业务包在上市公司里面，您认为分出去和包在里面有什么区别？后续会考虑独立融资吗？
我觉得形式不重要，内容最重要——你能不能做出个好东西才最重要。形式服务于内容，什么形式能做好就用什么形式。
独立融资？我都不能确定会不会干，但我没有那么强烈的冲动一定要干。因为我们的芯片业务现金流已经转起来了，干了10年了，又不是第一年干。我们创业的时候也没说一定要做芯片，做着做着发现还可以，只能这么说。没有强烈的冲动说一定要做芯片，但客户有需求、市场有需要那就搞呗，搞着搞着量也搞上来了。
我觉得还是用平常心把产品做好。说实话到今天为止，我认为地图才是最难做的，芯片不是最难的。你看全世界为什么就谷歌地图做得好，那么多巨头都干不好？地图还是最难的。
芯片才刚开始，急不来，全产业链都还是刚起步。可能还要按10年周期去数，几个10年能做成世界领先。
问：现在业务非常多——芯片、数据、具身智能、AI服务等。内部怎么看待这些业务的优先级？有没有重点盯的一号工程？
我们内部是不同的产品线，相对比较独立。从研发打法来讲各有各的节奏，但组织形态本质上是一回事。我总结成一句话三段：
高效地组织一群人；
创新一个产品或服务；
让一批用户爽。
不管你干芯片、干数据、干导航、干地图、干舱、干驾，甚至造车，本质都是一样的——把人组织好，创新出一个东西，让用户满意。
AI时代挑战大一些，但业务之间可以互相加速。比如做算法的人会跟芯片团队说"我的需求是这样的，你别跑偏了"——客户给的输入未必对，我们自己的团队能给真实的输入，少犯错误、少踩坑。芯片团队也会告诉数据团队"你这个数据我带宽不够，读不了，得做压缩或者做选择"。内部沟通带来协同效应。
当然，如果你独立做芯片，像英伟达那样把上面的生态建好了，相当于外面有几百万家合作伙伴，那也很厉害。我觉得最值得学习的就是像英伟达这样的公司——生态建设。上面有多少人在开发，我们也是其中之一。
中国公司大部分都不太会建生态，嘴上说的很好，签了多少个战略协议没有用——是不是真的能让大家信任你、利益能共享、真的能分享成绩，我觉得这个还是我们缺的。
有两个东西要认真学习：一个是美国公司建生态，一个是日本公司建供应链。而不是说老子天下第一、打遍全世界——我们还没到那个时候，要有敬畏之心。
问：一些国际Tier1现在也强调帮助中国车企在海外合规，他们在海外可能更有优势。四维图新跟他们相比，优势在哪里？
先纠正一下：传统Tier1在软的东西——数据、合规领域——并不强。他要强，我确实也没啥事可干了。他们的强项是：
全球有稳定的、长期信任的客户；
对品质和安全的要求非常高，很熟悉怎么把东西做得很安全；
全球都有工厂；
对全世界每个国家的情况都很了解，有当地的管理团队和研发团队。
这些是他们的优点，我觉得我们一时半会儿很难追上。
但中国公司的优点是什么？反应快、开发快、敏捷、能吃苦。一个客户需求来，我们经常第二天早上就解决了。国外呢？一个需求来了，分析、走产品PRD流程、研发流程、交付流程，三个月。我们可能一个晚上或者一个礼拜就搞好了。足够勤奋、足够努力、对客户足够尊重和快速反应，这是中国公司的优势。
从产业链来讲优势更明显——中国是全产业链聚集，从上游原材料到成品，所有厂家都聚集在某个地方，产业链做大了。这个门槛其实很高，我认为10年8年别人也搞不好。中国从改革开放到现在快50年才建起来，不是那么容易复制的。前一阵说产业链转移到东南亚，去了发现上游没有，你说服了上游10个公司，上游还有990个公司呢。
当然最好还是能互补。我们现在跟很多国际Tier1合作都很好——他们利用我的研发优势、芯片、模型，去把整个产品集成好、生产好、交付好。我觉得这是一个很好的模式。
问：大模型架构迭代很快，但车规级芯片往往提前好多年定义，研发周期明显长于AI演进周期。怎么避免芯片量产落地时已经落后于模型需求？未来汽车AI芯片是不是应该从追求峰值算力转到内存带宽、模型适配和软件优化？
我觉得还是场景和应用定义芯片。不是说我搞一个芯片大家都按我的来——说实话我也没有英伟达那个能力。如果你是行业领袖、领头羊，那大家可以按你的来。
技术每年都在进步——原来的摩尔定律，现在加上带宽变化、新技术（甚至不用硅基了，用碳基、用人造钻石），可能性都存在。做到行业垄断和领袖地位，你可以定义新一代的算力和带宽是什么样子，大家按照你来定义功能。
英伟达的策略是什么？就是冗余——我不知道现在会有什么应用，但我先把算力提高、带宽提高，后面自然会有几百万个开发者做出相应的应用。就像国家建5G的时候，知道会有哪些应用吗？哪知道会有抖音啊，谁也不是神仙。现在大家天天看短剧，那是因为基础设施提前冗余规划好了，然后自然有一堆聪明人在上面做应用。你把游泳池建好，游泳的人自然就来了，而不是等有人要游泳了才现挖泳池。
我们这款芯片也是两年多之前规划的，会做一定的前瞻性和冗余。我们参考了数据中心芯片的思路，把带宽做到了现有产品的2-3倍，突然发现是对的——因为内存涨价了，新的应用也出来了。
设计的时候有一定的前瞻性和冗余就够了。你很难确定上车的时候会有哪些应用，只能是互相迭代——应用上来了发现不够，就做下一代更大算力的芯片，等出来了又能支持更好的应用，到上车的时候又发现不够了……就是这样一个互相卷的过程。也没有谁说了算，即便是一个公司内部也需要持续迭代。
问：乌镇大会重点讨论了智能体交互可信的问题。智驾和高价值场景的智能体应用中，安全可信非常重要。四维图新在智能体安全可信领域扮演什么角色？您怎么看这类基础设施建设？
我自己本人也不是专家，也在学习。但我们应用得比较多——说实话，我现在跟智能体聊天比跟人多，我工作就是在跟智能体打交道。我不太打电话问哪个副总、哪个产线负责人产品咋样了，我的智能体每天都给我总结，我关心的问题它每天都会跟踪、催办。这个东西已经深入到工作的每一分钟了，这一年多工作方式完全改变了。
我们是智能体坚定的拥护者和应用者，确实效率提高很多。
关于安全问题，这是我们这一段时间的体会：AI能把事情做得很快，人可以把事情做得对，用体系来确保它可信。
安全靠什么保证？靠智能体自己保证不了，靠人也保证不了——人也会有很多漏洞，还有情绪呢。那谁来保证？体系来保证。
我们做汽车功能安全搞了20年，确保每一个东西都不会出问题，每个环节都有合规流程要求，不同产品有不同的故障率要求——有些产品是百万分之几，有些是零缺陷、绝对不能有任何问题。不同的流程、不同的环节有不同的要求。
这一套体系在人机共驾、人和智能体共存的时代依然有效，只不过你得改，不能用原来那套死的流程。但确保安全的理念要有——你不能完全相信智能体直接出的结果，你要有别的智能体和人去监督和确认。
比如我们有些同事做开发就很聪明：这边一个智能体写代码，另外一个智能体做测试，再搞第三方智能体做质量评审，最后另一个智能体写品质报告，人来做汇总结论、判断能不能放行，然后输出的结果又给下一个环节的智能体用。这个模式是能走通的，我们已经证明了，工作中都已经用起来了。
它肯定不是绝对安全的，但你可以用体系来尽可能保证它。
问：帮助车企出海这块业务，未来规模预测如何？会给公司利润带来怎样的前景？
分板块来看：
数据业务：海外占比还不太多，目前还是国内为主，但增长比较快。
芯片业务：SoC现在出海已经是大头了，占比超过50%；MCU目前还是国内为主，但已经拿到了不仅是中国车企出海、还有国际大厂的全球订单——一些全球头部车厂的全球订单已经拿到了，明年就能量产，量是可观的。
从财报角度，估计2028年之后能比较大地体现出来。海外的营收和毛利确实比国内好，我只能说这么多。
问：两轮车业务现状怎样？主要涉及哪些方面？有人说两轮车不需要智驾，您怎么看？
我们现在不给两轮车做智驾。上午举过例子，有人跟我提要求，说拿车里的L2控制一体机去做摩托车，我说不行——汽车的前挡玻璃是稳定的，摩托车车头是会转的，你放那块玻璃上不稳定，还要做校正，挺复杂的。
但也有一些适合的，比如侧向的盲区预警——很多摩托车出事都是侧向有车逼近没发现，后视镜覆盖不了有盲区，这个是能解决的。我们已经验证了，无论用视觉还是雷达都好用，这个是能救命的。
现在我们的产品在两轮车上主要做的是仪表和车机互联——原来仪表就是一块液晶屏，现在要做大屏、手机车机互联、蓝牙头盔通信（前面驾驶员后面乘客都能连蓝牙听导航听音乐），这些确实比纯手机方便，也更安全。这些功能都能落地。
而且因为两轮车厂没有像国际品牌车厂那样成熟的体系，我们连车联网运营方案都帮他们做了——后台怎么运营、怎么让用户用得更好、满意度更高、内部数字化管理，方案都给出来了。
这是一个挺有意思的市场，量也不小，一年有几千万台车。我们去年发布的，这一年进了差不多20家车厂，头部的几家都进去了，还是不容易的。
毛利率是不是比汽车高？也不怎么高。但芯片不一样——我做出来了，靠规模，同样的价钱多卖100万颗，成本是一样的，多出来的那部分毛利就是净利润。所以肯定对业绩有帮助。
问：非安全域MCU国产化率30%，安全域仅3%。四维图新MCU今年出货预计超5000万颗，从3%向更高比例跨越需要多久？依托哪些量产车型去证明可靠性、打破国际巨头垄断？
这是一个挺难的话题。安全域大部分还是国际厂家，像博世、英飞凌这些，底盘控制都是要命的。
但也有一些国内厂家开始突破了。我们的策略是：
主攻国际Tier1——他们的控制器、底盘控制能用我的，市场就起来了。因为量大，这也是国际厂家的根据地。我们期待能够突破，前面说的多个项目里，就有国际大厂的项目。
中国新玩家——做各种控制器、底盘控制器的国内新厂家，也是我们的目标，都有项目在跑。
还是得持续努力。我们2018年第一颗MCU出来，从0做到几千万颗走了8年。整个行业非安全域从0做到30%也走了好多年。你可以期待，也许安全域也需要10年，我不知道。也许我们努力效果会更好，或者缺芯的时候有更好的机会让我们做更多。
这需要一个比较长的时间周期，但我们肯定愿意努力——反正都干这么多年了，活到老干到老学到老。当然也期待能比之前快一些，否则从小伙子干成老头了。
问：具身智能方面，哪些场景是四维图新比较重点关注或接下来会重点拓展的？
我们内部有几个选择标准：
第一，市场需求比较明确和强烈。比如室外的割草机、室内的扫地机器人，这些已经走进千家万户了，只不过以前不太智能，现在要变得更智能。这种已有规模的产品的智能化，就像两轮车一样——产品本来就有，原来是机械的，现在要上智能功能，肯定是我们最先考虑的。
第二，能力要跟我们匹配。室外的定位和导航是我的强项，所以第一个优选的场景就是这些室外的。
其他比如家里的机器人、工厂里的装配，天生不是我们的优势项，我们就跟着学习、慢慢找机会。但室外的定位和场景，是我们现在选中的，先把这个做透做深。
问：具体触达场景的方式是什么？是合作，还是像做车的数据那样建架构？
总体定位是我们不做本体本身——不会去造个机器人或者机器狗。我们的定位和角色是把基础服务做好，比如数据采集、控制器这些。
举个例子，我们给具身领域做的控制器，带双目定位、模型和视觉能力，给他们降了50%的成本——原来这个行业一个域控的成本，降了一半还效果更好。这就是我们在车里沉淀的能力——不仅是技术能力，还有供应链能力、高品质低成本交付的能力。这就是跨界的力量。
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。
问：能再分享一下与微软合作的更多细节吗？合作模式是什么？谁来面向车企？预计什么时候交付？
尤其国内车企出海遇到很多问题——每个国家量不是特别大，但国家特别多、语言特别多。原来要给做语音引擎、自然语言理解的厂家付很多钱，每个国家都要研究当地的语言文化，周期很长，搞不动了。
我们跟微软的合作是：利用微软基础大模型的能力，我们共同打磨一个车端垂域预训练小模型，部署在车里，然后连到微软的云服务，到哪个国家都能用——大模型管你什么语言都会，西班牙语、意大利语、葡萄牙语都会，省掉了车企挨个国家做定制的工作，用户体验还好很多。
以前是指令式的——"打开天窗"，它就打开天窗，不知道你话里带的别的意思。现在完全可以像跟大模型说话一样，因为背后是我们联合训练出来的东西，部署到车里边。100多个国家的开发周期缩短了好几倍。
合作模式：我们来做面向汽车的模型训练和交付，使用微软的基础大模型、通用大模型和云服务。对车企的接口在我们这边。
后续将逐步推进量产落地。