在AI从语言模型向世界模型演进的过程中，一个关键的瓶颈浮出水面：训练具身智能所需的真实物理交互数据极度匮乏。据行业估计，需求与供给之间的缺口可能高达十万倍。过去，大模型依赖静态文本和图片即可完成训练，但世界模型需要理解因果、动作和反馈，这要求数据必须来自真实物理世界且包含完整的交互链条。正是这种背景下，一批手握场景数据的平台开始崭露头角。
全场景数据、全链条服务助力AI大模型高效迭代
杰西卡 发自 凹非寺
AI行业，最稀缺的抢手货变了。
李飞飞提出“空间智能”后，行业正在形成一个越来越明显的趋势判断：大模型之后，世界模型、具身智能正成为资本和产业关注的新焦点。
然而，AI开始转向理解并作用于真实的物理世界之时，一个尴尬的现实也随之浮现：
训练这些模型所需的真实物理世界交互数据，极度稀缺——缺到甚至有业内观点认为，需求与供给之间，可能存在近十万倍的差距。
因为过去的大模型，靠海量文本和图片就能完成语言理解与生成，但具身智能需要的是“决策→行动→反馈”的完整链条——这些静态、缺乏因果和交互的数据，很难再满足需求。
行业迫切需要一种全新的数据：来自真实物理世界、带有因果逻辑、能持续产出的交互数据。
于是，高质量的物理世界数据，成为当下战略级的稀缺资源；而能为行业持续、低成本、大规模生产物理世界数据的玩家，也逐渐被推上风口。
有意思的是，业内人士向外界透露，AI时代最大的物理世界数据入口之一，很可能正在从一个很多人意想不到的行业里诞生，那就是出行平台。
你可能并不知晓，平日里常用的出行服务平台，除了出行服务之外，正在用数据新业务“赚外快”。
出行服务行业，最近逐渐流行起一门新的生意：手握海量真实道路一手数据源的平台们，正通过数据资产化、服务化等方式，开辟第二增长曲线。
而且这些平台中，已经有玩家成功变现，初步验证了商业化路径的可行性。
最先对外披露具体数据的，是广汽集团旗下的出行服务平台——如祺出行。
如祺出行在2025年财报中披露，以AI数据业务为主要收入来源的技术服务板块，已成为公司增长最快的板块。
而这个AI数据业务，指的是如祺出行的数据业务板块（以下简称“如祺数据”），最早布局于2023年。
彼时，如祺出行在2023年5月获批了乙级测绘资质，开始将那些搭载激光雷达、高精度惯导、周视与环视摄像头等传感器的智能驾驶数据采集车，投入常态化运营。
这些车辆在提供出行服务的同时，也在合规采集真实的驾驶和道路数据。而如祺数据也在采集数据的过程中，不断延伸其数据服务能力。
直到最近，如祺数据首次对外完整披露了其AI数据资产及能力版图。
公开信息显示，其数据资产已覆盖标注数据、行为数据、合成数据及多模态训练数据集四大类，涵盖从原始采集到加工交付的全链条。
这其中，标注数据是基础，行为数据则记录了驾驶员在实际道路环境中的操作决策，合成数据用于补充长尾场景，多模态训练数据集则覆盖图像、文本、音频与视频，可以直接用于大模型的垂类微调。
规模上，如祺数据已搭建起一张覆盖面可观的数据采集网络。
截至2026年5月，公司在广州、上海、重庆、沈阳等城市，部署了超过300辆智能驾驶数据采集车。
通过近三年的常态化运营，这些车辆的日均产出已经达到1600小时、130TB；平台亦累计沉淀出千万级的高价值驾驶场景片段。
这些片段背后，本身就是完整的真实世界交互过程。从这个角度看，平台产生的数据，更像是在持续生产物理世界的“切片”。
而规模之外，商业化进展才是真正检验其模式可行性的关键。
在如祺财报中，2025年，以AI数据服务为主要收入来源的技术服务板块，录得营收1.6亿元，同比大增487.4%。
这一增速说明，市场对高质量物理世界数据的需求正在快速释放。
如祺数据的客户结构也能验证这一结论。据介绍，公司服务目前已覆盖智能驾驶、具身智能、大模型、消费电子、医疗等多个领域；腾讯、小马智行、理想、火山引擎、百度智能云、广汽集团等头部企业都是其客户。
也就是说，从出行服务衍生出的数据服务，已经具备跨行业解决实际需求的能力，并且能跑通从数据采集、加工到商业化交付的完整闭环。
随之而来的变化是，外界更新了对如祺这类出行平台的认知。
具备全链条数据服务能力的如祺，不再只是一家出行服务商，也不单单是传统的数据标注服务商，而是在向“数据集+全栈能力”的综合服务商升级。
而这种“数据集+全栈能力”的闭环能力，很可能也会成为下一代AI中，不可或缺的底层基础设施之一。
想更好理解出行平台的身份转变，其实可以将其拆解为两个更本质的问题：
为什么AI行业对物理世界数据如此渴求？
以及，为什么出行平台恰恰能填补这个缺口？
一切要从李飞飞对世界模型的定义说起。她认为，当前主流的大语言模型存在一个致命缺陷，就是缺乏“空间智能”——即对三维物理世界进行感知、推理和行动的能力。
因此，李飞飞倡导构建一种全新的AI系统，让机器能像人类一样，理解三维物理世界的运行法则，并完成互动。
这套系统，就是她所说的“世界模型”。而世界模型需要具备三个最核心的标准：生成性、多模态性、交互性。
这意味着，训练下一代AI所需的数据，必须同时具备这三个特征，尤其是“交互性”——数据不能只是被动的视觉呈现，还必须包含“动作-反馈”闭环的完整因果链条。
但问题在于，当前行业能够稳定获取的物理世界交互数据，远远无法满足训练需求。
因为传统的数据供给方式主要有三种，且各有局限：
- 其一，是从互联网上爬取公开图片和视频，这些数据大多是静态的、缺乏交互信息；
- 其二，是在实验室或仿真环境中人工搭建场景，成本相对高、规模较小；
- 其三，是众包采集，不过数据的质量和一致性有时难以保证。
短期内，三种方式都难以持续、大规模地产出带有因果逻辑的交互数据。
这正是当前行业面临的核心瓶颈。高质量、高保真、带交互标签的物理世界数据极度匮乏，需求与供给之间存在巨大缺口。
在这种背景下，出行赛道恰恰具备生产、积累这类高价值数据的天然优势。
与传统的数据供给方式不同，出行平台的数据采集逻辑是嵌入真实运营。
每一辆数据采集车，本质上都是一个移动的感知终端，在完成日常出行服务的同时，同步记录“驾驶员决策—车辆响应—环境反馈”的完整交互链条。
这种闭环数据天然具备多模态对齐、时序连续和因果逻辑的特征。
用如祺对外展示的泊车场景举例：
如祺数据不仅会记录3D障碍物的位置信息，还会同步采集汽车底盘的CAN信号（反映车辆状态，如方向盘转角、油门刹车）、毫米波雷达回波、激光点云与摄像头视频。
这些多模态数据围绕泊车场景，形成了“行为（驾驶员操作）-状态（车辆响应）-环境（周围反馈）”的联合数据集。
在训练AI时，这类数据不仅能告诉模型“是什么”，还能帮助模型理解“为什么”，比如为什么要避让、如何判断车位可用性等需要物理常识和因果推理的任务。
有长期关注AI大模型训练的分析人士指出，这类具有完整推理、决策和反馈链条的数据，就是训练空间智能模型的“黄金数据矿”。
如祺数据也是基于这种独特的数据源，得以系统性地构建其全链条服务能力。
技术层面，如祺数据自研的OCC自动化标注算法，采用同源底图与自动化算法，可减少90%人工标注时间，交付准确率超98%。
其合成数据模块可一键生成雨、雾、雪、夜等长尾场景，弥补真实采集盲区；多模态数据集则覆盖图像、文本、音频与视频，可以直接支持大模型的垂类微调。
这套能力的本质，是将其在自动驾驶领域验证过的数据工程化经验——从合规采集、规模化清洗、精准标注到合成增强——打包成标准化产品。
客户可以“开箱即用”，无需从零搭建底层采集与处理能力，就能直接获取经过深度加工的标准化数据集与工具链。
在这一点上，如祺数据和Scale AI的逻辑有点类似：
不仅提供数据，还提供让客户“更懂数据、更高效用数据”的工具与方法论，从而降低高质量物理数据的使用门槛，提升客户的模型迭代效率。
这在一定程度上降低了真实物理数据的使用门槛，也让数据能力的适用范围，能从自动驾驶扩展到具身智能、大模型、消费电子、医疗等多个领域。
也可以说，规模和能力只是基础，而出行平台真正的想象空间，更在于它以场景为原点、向更多物理世界场景泛化的潜力。
这也是AI发展历程中一再被证明的结论：得“场景”者，得天下。
走进物理世界后，AI行业的底层逻辑正在变化——AI的竞争正在从算法转向场景。
正如移动互联网催生了基于位置的服务（LBS）数据金矿，云计算成为了数字经济的通用基建。
在AI迈向“空间智能”的当下，那些能持续、低成本产出真实物理世界交互数据的「场景」，也正成为新时代最核心的基础设施。
在这一背景下，越来越多人开始意识到：场景可能比算法更稀缺。
因为算法可以被复现，但一个真实、高频、且能产生闭环交互数据的物理场景，却极难被复制或搬运。
而数据本质上其实是场景的“溢出”，拥有场景，就拥有了持续产生数据飞轮的可能性。
出行平台，就是这样一个几乎堪称完美的“元场景”：它覆盖了海量的公共道路空间，涉及持续的人机共驾决策，每天发生数以亿计的交互事件。
这些要素叠加在一起，构成了一个天然的数据生产系统。
并且出行平台采用的“业务即采集”模式，还在成本上天然具备明显优势。
传统的专业数据采集，需要投入专门的采集车、专门的驾驶员、专门的场地，成本高昂，规模化难上加难。
但像如祺出行的采集车，本身就是网约车，在提供服务的同时完成数据采集，边际成本被大幅摊薄。
更重要的是，这种数据能力，还可以从驾驶场景向更广泛的物理世界延伸。
据接近如祺出行的人士透露，该公司正尝试将“人-车-环境”的交互数据能力泛化至更多应用领域，例如具身智能在车后服务场景，包括洗车、换电、维保、清理等。
车后服务场景作为出行场景的一部分，是如祺出行最擅长、数据积累最深的领域，如祺可以自然地切入，形成真实服务闭环。
而在这些场景中，机器人需要理解的避障、路径规划、精细操作等底层逻辑，和自动驾驶有高度的数据同构性。
这种“低成本、高交互”的数据生产模式，一旦在一个垂直场景跑通，就具备了成为行业标配的潜力。
从更宏观的视角来看，出行平台数据业务的商业化不仅仅是一个公司的成功，更揭示了AI产业底层基础设施的变迁。当算法逐渐开源，模型的差异缩小，场景和数据成为新的护城河。像如祺出行这样的平台，通过将运营产生的数据资产化，实际上是在构建一个面向物理世界AI的“数据工厂”。这种模式的可复制性虽然有待验证，但其方向已足够引发行业深思。未来，能否将数据能力从出行泛化至更多物理场景，将是衡量此类平台长期价值的关键。
一个更长期的趋势是，未来，那些拥有深厚物理场景运营经验的企业，其核心资产可能不仅是服务本身，更是其业务过程中持续产生的、高价值的场景数据。
这些数据经过系统性的治理与产品化，或许可以反哺乃至重塑AI产业。
就像出行平台这样的巨型物理世界接口一样，在C端，平台仍是运人的服务商；而在B端，出行平台的身份，已经进化成为AI理解并进入真实世界的、至关重要的物理数据入口。
