文遠知行分拆數據子公司景爍，目標2026年營收達3億元

自動駕駛公司正將它們為自動駕駛出租車建立的數據管線，重新定位為面向全新客戶群——機器人製造商、物流營運商及工業AI開發者——的產品。文遠知行將其數據業務分拆為獨立子公司的舉措，顯示了這一轉變的速度有多快。

景爍（Jingshuo）於2024年5月成立，為文遠知行全資子公司，目標2026年營收達3億元人民幣（約4100萬美元），高於2025年預估的1.596億元人民幣及2024年的5580萬元人民幣，據知情人士透露。該子公司已完成A輪融資，並定位為具身AI與數據基礎設施軟體供應商——涵蓋數據生成、收集、模擬及專有數據系統，服務對象不僅是車輛，而是任何物理AI系統。

「自動駕駛出租車公司花費多年時間建立工程系統，將真實世界的駕駛數據轉化為自動駕駛模型的訓練素材，」一名熟悉景爍策略的人士表示，他因細節屬私密而要求匿名。「問題在於，這些相同的系統能否重新包裝，應用於需要在工廠和倉庫中抓取、移動和操作的機器人。」

此次分拆反映了自動駕駛行業更深層次的反思。多年來，文遠知行、小馬智行及百度Apollo等企業在車隊規模、營運里程及自動駕駛出租車營運城市數量上展開競爭。這些指標仍然重要，但投資者日益追問的是，底層數據基礎設施——即用於收集、標註、模擬、模型評估及迭代的工具——能否在車輛之外創造營收。

景爍的平台涵蓋完整的數據生命週期：原始數據管理、訓練數據管線、標註系統、模型選擇與評估，以及部署。它還包含一個具身AI業務，負責數據合成、遠程操作數據收集與處理。該公司表示，其積累的真實世界數據已擴展至汽車場景之外，但未披露具體的非汽車客戶。

為何具身AI需要不同的數據管線

道路數據無法直接轉化為機器人數據。自動駕駛與具身AI使用不同的傳感器、動作空間及任務目標。機器人需要的是關於抓取、移動、操控物體及與人類互動的數據——而不僅僅是導航街道。能夠跨領域轉移的是工程方法論：數據治理、場景挖掘、模擬生成、模型評估，以及將原始傳感器輸入轉化為可供生產的訓練集的工作流程。

這正是景爍力圖填補的空白。它並非銷售標註好的圖像或影片片段，而是提供一個系統，能從真實世界輸入生成合成數據，並讓模型在持續評估循環中運行。對於機器人公司而言，瓶頸並非缺乏任何單一場景的樣本——而是缺乏能夠以規模化且低成本產出高品質訓練數據的系統。

該市場仍處於早期階段。弗若斯特沙利文（Frost & Sullivan）在2026年3月一份關於物理AI模擬與數據平台的報告中指出，該行業仍處於成長期，平台價值取決於下游應用的成熟度及商業化進展。報告指出，智慧車輛與具身AI均對長尾場景再現、傳感器模擬及閉環算法優化的需求日益增加。

一家具身機器人公司的技術高層（因討論內部挑戰要求匿名）表示，有限的訓練數據與碎片化的模擬技術堆疊，是物理AI研究中最棘手的兩個問題。該人士指出，世界模型與模擬引擎可以壓縮訓練與評估週期，但它們最終仍需依賴真實世界部署來驗證性能。

營收之問

景爍的3億元目標代表較2025年預估數字約88%的增長，儘管基數較小。文遠知行整體財務狀況仍與其自動駕駛出租車及自動駕駛貨車業務掛鉤；該公司此前曾為其Robovan部門完成獨立融資，估值超過4億美元。

野村證券在2026年7月的一份報告中指出，數據即服務（DaaS）可以按小時或項目為單位快速產生營收，但警告稱，缺乏模型評估與應用能力的供應商，有可能在機器人公司內部自行構建這些功能時被排除在外。這一區別至關重要：數據收集是可見且易於收費的，但更難以外包的工作是不斷改進模型性能。

競爭格局正在形成。2026年6月，由廣州汽車集團支持的網約車公司如祺出行（Ruqi Mobility）推出了自家的具身AI數據平台，試圖將自動駕駛出租車的數據能力擴展至機器人場景。參與者之間的差異，可能歸結於它們是將數據、世界模型及模擬能力保留在公司內部以服務車輛規模化，還是將其分拆為獨立業務向外銷售。

對文遠知行而言，賭注在於景爍能否成為跨場景的數據基礎設施供應商——而不僅僅是支持母公司自動駕駛研發的成本中心。如果算盤打得響，自動駕駛公司之間的競爭將從誰擁有最大車隊，轉向誰能將自己的數據工程管線賣給最多的物理AI客戶。

文遠知行股票在納斯達克交易，代碼為WRD。該公司拒絕就景爍的營運或財務目標發表評論。

本文僅供資訊參考，不構成投資建議。