六分科技李阳：机器人时代真正的“护城河”，不是模型，而是数据

真正决定机器人未来竞争力的，正是自动驾驶过去十年积累的数据能力。

作者：赵新亮

当行业还在比较谁的模型参数更大时，四维图新参股企业六分科技CEO李阳给出了不一样的判断。

7月2日，在中国基金报主办的“2026中国机器人与智能制造产融交流会”上，李阳表示，未来机器人的竞争壁垒，不在于模型参数的大小，而在于数据质量的优劣，以及结合真实世界、持续闭环迭代的稳定性。

在四维图新与六分科技工作累计十年，使李阳完整经历了自动驾驶从汽车工业逻辑走向AI逻辑的全过程。在他看来，汽车智能化沉淀下来的数据体系、工程体系和产业经验，正在成为机器人与智能制造发展的重要参考。

谈及智能制造的发展方向，李阳认为，智能化改变的不只是设备，而是制造能力本身。

“过去，产能是固定的——生产轮胎就是轮胎，生产手机就是手机。但现在，生产应该是一种能力，不应该是一个固定的线性增长工具。”他说。

在他看来，智能化意味着生产系统拥有更高的灵活性和自主性。“搬运机器人从严格遵循地面划线，变成按任务目标自动连接物料仓和加工工位；生产线机器人从固定位置和固定功能，变成随任务自主调整。这是从建设目标迈向竞争力目标的重大转变。”

这种变化，本质上意味着制造业竞争正在从固定产线能力转向智能系统持续适应任务、优化自身的能力。

为什么会得出这样的判断？李阳把答案归结于对自动驾驶和大语言模型发展历程的经历与观察。

“我在四维图新和六分科技合计工作了十年，从最早的自动化成图到端到端自动驾驶，再到现在负责机器人业务。”他说。

在他看来，自动驾驶已经完成了一轮完整的产业演进。“自动驾驶从完全由汽车工业主导到由AI逻辑主导，大概经历了十年的周期。它从特定车辆、特定配置的定制化产品变成了可以泛化的技术。大语言模型和自动驾驶可以被视领域最闪耀的两颗明珠，还在持续发光发热。它们有很强的共性，也有很多差异。”

真正决定机器人未来竞争力的，正是自动驾驶过去十年积累的数据能力。

李阳进一步解释道：“自动驾驶本身就与物理世界强关联，它的数据从主机厂车上采集，通过人工筛选、标注和训练。对我们做AI的人来说，它是一个追求拟合的产品——针对车辆形态、车辆性能、配置、要达到的功能和体验，做特定化的东西。与之相反的是，大语言模型可以快速实现涌现，持续追求通用能力，在于其海量训练数据唾手可得，互联网的高质量语料积累让这些模型快速具备了非常强的能力。而现在的具身智能赛道结合了前两者的特点，强调通用AI能力，也强调机器人本身和现实的强结合——这意味着需要用一套技术体系解决不同传感器、不同问题空间之间的映射关系。”

在他看来，相比于互联网大模型依赖海量公开语料，机器人面对的是更加复杂的真实物理世界。因此，做好数据采集、治理、验证，以及在真实场景的持续迭代，比单纯追求模型参数的扩增更有效。

自动驾驶积累的能力，也正在向工业机器人延伸。

据李阳介绍，目前六分科技的高精定位技术开始从汽车场景拓展到工业制造场景：“过去，我们只需要告诉大家在哪条车道。现在，可能要保证大家从室内到室外的所有地点都能获得精准结果，并且从位置本身扩展到对空间的理解和预测。我们做融合算法、通用模型、定制化场景解决方案，最终就是要在整个智能制造工厂里实现一个目标：只要你告诉我们要完成的任务，最后不论工位怎么排、物料在哪里、成品要去往何处，都可以由系统来自适应，全部自动化完成。”

他进一步强调，未来机器人的竞争壁垒，不在于模型参数的大小，而在于数据质量的优劣，以及结合真实世界、持续闭环迭代的稳定性。“汽车行业过去十年沉淀的最大资产，不仅是智能汽车本身，更是一整套覆盖数据采集、治理与验证的成熟体系。这套能力完全可以平移到机器人与智能制造领域，成为产业跃迁的底座。”

对于工业智能化的未来，李阳给出的判断是，从完成指定任务走向自适应任务：“这是继精准数字化、工业互联网之后，大工业智能化的一个主要课题。这件事可能不完全由我们来完成，有很多相同行业的伙伴一起努力。”

“国内机器人发展可以在追求AGI的宏大叙事之余，更多地立足制造业场景优势，以‘老师傅经验模型化+细分场景快速迭代’的路径，培育小而美、抗周期的强竞争力、自造血企业。”在李阳看来，机器人产业真正需要积累的，不是更大的模型，而是更多来自真实制造现场的数据、更成熟的工程体系，以及把“老师傅经验”持续沉淀为AI能力的过程。这也是汽车智能化十年留给机器人产业最重要的价值。