.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11月6日，2026四维图新（002405）Evolution创想大会“数据与算力在全域智能跃迁之境.智车与具身智能共话场”在上海举行。来自整车、芯片、云计算（885362）、AI与具身智能领域的嘉宾，围绕智能驾驶路线与合规、AI原生座舱、车规算力迁移、云端数据与训练体系、空间智能及机器人规模化落地等议题展开分享。
从汽车到机器人，不同形态的移动智能体正在共享一组底层命题：端侧算力如何配置，数据闭环如何高效运转，模型如何持续迭代，安全、成本与量产如何兼顾。本场讨论既关注技术跨界，也强调工程体系、行业标准和真实场景之间的协同。
长城汽车（HK2333）智能驾驶部部长马炳旭以《辅助驾驶路线迭代与合规管控下的思考》为题展开分享。他指出，辅助驾驶正面临技术按周迭代、合规按季度验证的节奏差：一方面，端到端大模型正成为量产方向，通过云端大模型scale up后蒸馏到车端部署，云端决定系统能力上限、蒸馏决定端侧落地质量；另一方面，GB47955-2026组合驾驶辅助强制性国标即将实施，监管核心也延伸至对企业设计、生产、售后全链条持续安全能力的审查。对此，长城汽车（HK2333）进一步强化研发全流程——从需求阶段即转化为可验证指标，经仿真、场地、道路三级验证和长里程泛化，再通过量产数据回流与OTA迭代形成闭环；同时依托海量回传数据、数百台真值数采车和近十万仿真场景回灌，智能网联试验场，支撑技术快速迭代与验证。
奇瑞iCAR智能驾驶首席负责人李雅雷以《车承智核，境启新程——以智能驾驶为基石，探索移动智能新边界》为题展开分享。他提出，随着智能驾驶、智能座舱（886059）与智能动力在整车价值中的占比持续提升，汽车正从出行工具演进为多场景智能伙伴。iCAR以年轻用户体验为中心，联合地平线打造专属智驾系统，依托征程芯片与一段式端到端模型，推动全场景无启动限制、无模式切换、无体验断点的车位到车位智驾体验。在驾驶体验之外，AI座舱还将目的地、路线、补能、停车与音乐等服务组织为主动服务，让智驾能力与座舱体验共同形成可感知、可分享的移动智能新边界。
微软（MSFT）中国汽车事业部技术总监邓天坚，分享了AI原生座舱从功能集合、场景联动走向智能系统的发展路径。在这一阶段，Agent负责理解用户意图并动态组织空间、服务与交互，语音也从单点功能升级为连接用户意图与软件生态的入口。面向全球量产，座舱还需同时跨越语言、连接、理解、时延、知识、可信等体验边界，并满足经济性与车企适配要求。微软（MSFT）将赋能四维图新（002405）将全球AI、云和安全治理能力，结合四维本身的地图、汽车工程、生态整合和量产经验，通过全球公共核心与区域化配置，推动AI原生座舱实现可验证、可治理、可持续运营。
微软（MSFT）大中华区ISV业务总经理魏晋宇以《智行无界，共赴前沿｜微软（MSFT）×四维图新（002405）开启Manufacturing&Mobility前沿转型新篇章》为题，聚焦如何依托生态将AI潜力转化为规模化商业价值。她提出，微软（MSFT）全球平台助力行业客户、咨询与服务伙伴、数据伙伴和解决方案伙伴实现技术协同与商务闭环，把真实场景、行业知识、实时数据、Agent能力与安全治理连接起来，并通过产品化、联合销售和全球GTM扩大覆盖与规模。面向中国汽车全球化，微软（MSFT）也将携手本土伙伴，以Marketplace等渠道推动中国创新成果产品化、交易化和全球化。
杰发科技副总经理胡小立以《从车出发，向智而行：车载算力底座的跨界与迁移》为题，分析了汽车、两轮车（885974）与具身机器人对算力平台的共通需求。不同载体虽处于不同发展阶段，但都需要高算力、高可靠、高安全、低功耗与长期供货能力。跨载体迁移不是简单更换芯片的应用场景，而是将SoC+MCU协同、车规质量体系、功能安全、信息安全、实时控制及软件生态整体迁移。在两轮车（885974）领域，SoC承担智能仪表、人车互联与骑行感知等智能交互功能，MCU承担电机与制动等实时安全控制；在机器人领域，SoC承担感知与决策、MCU承担关节与执行器的实时控制，推动经过车规验证的技术体系向两轮车（885974）和机器人延伸。
阿里云AI汽车行业北区解决方案负责人孙大全以《智驾与具身，从道路到万物》为题，从数据、算法与算力三个维度分析智驾经验向具身智能延展所面临的挑战。通过统一多模态数据湖实现数据按场景关联与统一调用，以大模型推理提升数据产线效率，以训练平台连接模型、数据与评测，并以云边端分工支持端侧实时闭环和云端复杂任务协同。面对算力短缺与碎片化，国产算力规模交付以及可复现、可追溯、可审计的安全证据将成为重要支撑。物理智能的竞争也将从单点模型能力，走向由模型生态、数据湖与产线、训练平台和算力供给共同构成的生产体系竞争。
六分科技CEO李阳分享了移动智能体的空间智能跃迁。他提出，具身智能的评价正在从“下线台数”转向有效工时与合格产出，数据竞争也从数据小时数转向场景覆盖、任务配比与训练分层。在此背景下，空间智能将沿L1建图定位、L2世界模型，向L3世界动作模型(WAM)跃迁。WAM以世界模型、动作模型与空间先验为核心，区别于面向“下一步做什么”的VLA，WAM面向“怎么抵达”——以统一空间表征连接世界推演、动作生成与本体适配，通过对齐、推演、决策、执行的闭环，把“抵达”拆成可执行、可解释、可回滚的行动策略。针对纯模型公司缺空间与合规、纯本体公司缺跨本体数据、纯地图公司缺动作模型的行业缺口，公司将空间基座、多源数据采集、合规通道与端侧算力结合，把空间理解与身体控制解耦，使人形、四足、轮式及复合机器人共享同一套空间记忆；并通过Engine/Runtime/Studio三层交付与“采集-合规-标注-训练-回传”的数据飞轮，首期聚焦园区与工厂低速移动场景，支撑移动智能体跨本体复用与规模化落地。
UQI优奇战略与产品合伙人万昕以《具身智能从模型到量产》为题，聚焦工业物流场景，分享了具身智能从L3到L5的规模化落地路径：L3以工业移动机器人承担高精度定位、自主避障与厂内物流，L4以无人物流车连接城市与园区运输，L5以人形机器人（886069）解决“最后10米”操作问题。围绕真实工业数据与仿真数据形成VLA数据集和数据闭环，再通过底层模型、智能操作系统与多形态机器人终端协同，让同一套智能能力跨本体、跨场景复用。比亚迪（002594）、领克等工厂的全栈式无人物流实践表明，具身智能量产不仅是模型能力提升，更是系统、产品与现场运营共同接受生产检验的过程。
从智驾量产到机器人行业交付，本场共话场呈现出一条清晰主线：跨载体复用的不是孤立技术点，而是算力、数据、安全、标准与场景工程共同构成的系统能力。四维图新（002405）也将与产业伙伴持续推动技术协同和场景连接，让汽车智能化积累的量产经验向更多移动智能体延展，为全域智能的规模化落地夯实底座。
