文远知行 Q1 营收破 1.14 亿，孵出景烁押注具身智能「地基」

2026 年中，全球 Robotaxi 第一股文远知行（Nasdaq: WRD, HKEX: 0800）交出了一份让行业振奋的 Q1 财报，同时也祭出了一记更具想象力的落子——从内部孵化出独立的「景烁科技」，押注具身智能时代最稀缺的基础设施。

这不是一次普通的人事变动或业务延伸。当绝大多数具身玩家还在堆叠「大脑」和 Demo 时，文远知行正用十年 Robotaxi 工程化的全部经验，回答一道更冷峻的命题：物理 AI 的「ChatGPT 时刻」，究竟卡在了哪里？

财报里的两个关键数字

2026 年 Q1，文远知行总收入达 1.14 亿元，同比增长 57.6%；其中产品收入 2050 万元，同比暴涨 115.8%。毛利率维持在 34.7%，现金及流动性储备 62.25 亿元，弹药充足。

运营层面，截至 4 月 30 日，文远全球自动驾驶车队约 2800 台，Robotaxi 数量约 1300 台，其中约 1000 台部署在中国。按照目前「每天新增约 8 台车」的投放速度，年末全球 Robotaxi 车队规模冲 2600 辆问题不大。

更具信号意义的是阿布扎比——文远在当地的服务已覆盖约 70% 的核心区域，并实现单位经济盈亏平衡。这是中国自动驾驶公司首次在海外市场跑通盈利模型，也意味着「技术 → 收入」的飞轮真正转起来了。

一个被忽略的真相

当具身智能被描述为「下一个十万亿赛道」时，行业资本正以前所未有的速度涌入。2026 年上半年，国内具身智能融资约 438 亿元，其中超过一半——约 241 亿元——押注在「具身大脑」方向。

但景烁科技 CEO 霍达（文远知行 001 号员工，拥有 12 年自动驾驶数据基建经验）指出了一个被忽略的真相：制约具身智能从 Demo 走向规模化的，不是算法，也不是算力，而是「数据」。

大语言模型之所以能迎来 ChatGPT 时刻，是建立在互联网数十年积累的海量文本之上。物理 AI 没有这个历史红利——机器人的行为数据必须从零开始积累。行业共识是，通用具身模型至少需要千万小时级的高质量交互数据，甚至上亿小时。

「没有数据，模型迭代不动，具身智能除了 Demo 几乎无法落地，」一位行业观察者对量子位评论道，制约核心因素，就是始终缺少高质量数据基础设施形成闭环，作为模型的 kick start。

景烁科技的三层产品

从这个判断出发，景烁科技给出了三层打包的解法，三者环环相扣，又各有分工。

第一层：WorldEngine——数据闭环引擎 基于同一世界模型驱动的、覆盖采集 → 治理 → 标注 → 合成 → 测评 → 部署的完整大闭环。部署后的真实数据回流到采集端，校准下一轮采集策略。

为支撑这套闭环，景烁全栈自研了 EGOK 采集设备：双目相机 4K@60fps 实时输出深度数据，近红外阵列做亚毫米级手部追踪，整机 280g、连续工作 5 小时以上，功耗比传统方案低 40%。最关键的，是这套设备从采集发生的那一刻起，「手—物—场景—动作」就已经对齐，不需要事后人工拼接。

第二层：GENESIS-Robotics——世界模型核心 走的是一条叫 Transfusion 的路线——在同一个 Transformer 里，语言、策略、图像、视频各走各的计算路径，但共享参数。它同时干三件事：世界理解（给定当前状态和动作，预测下一个物理状态）、数据合成（基于对世界的理解，生成物理合理的新场景和交互数据）、策略生成（给定状态和目标，直接输出动作）。

三者共享参数，飞轮由此转起来：模型越强 → 合成数据越好 → 下游模型更强 → 采集策略更精准 → 真实数据质量更高。这个飞轮一旦转起来，竞争壁垒是指数级增长的。

第三层：SkillForge——开箱即用的技能包 覆盖厨房、客厅整理、工业操作等场景，每个技能包都附带完整任务链路、4D 空间标注、质量评价与模型验证报告，客户拿到即可投入训练。

SkillForge 本身不是「数据集市场」，而是按模型训练需求组织技能包——特定的状态分布加动作分布加评测标准，跨本体设计，经 WorldEngine 全流程验证，附 L1/L2/L3 三层评测结果。目前拥有 500K+ 小时真实交互数据、50M+ 任务片段、200+ 标准化技能包，覆盖家庭、制造、零售、教育四大领域。

英伟达宁德时代剧本

这套商业逻辑的参照系，正是 2017 年的英伟达和宁德时代。

那一年，行业都在追算法、追工具，算力被视为「供应链的一环」而非战略制高点。但站在那个拐点提供基础设施的玩家，最终成了 AI 浪潮中绕不开的存在。物理 AI 正在进入同样的拐点。景烁的选择，是提前站在这个位置上——不做整机，不做大脑，只做那件最终谁都绕不开的事。

景烁科技 CEO 霍达对此有个清晰判断：「具身智能从狂热梭哈到审慎理智，这个转变可能不久就会到来。」

这个判断，文远知行已经验证过一次。自动驾驶行业经历过同样的剧情——风口来时所有人都在猛踩油门，钱涌进来，故事被讲出来。但很快，投资人、用户、行业开始质疑：融了这么多钱，到底能交出什么？文远知行跨越了那个质疑周期，景烁团队也跨越了。所以他们比谁都清楚：数据基础设施必须走在前面。

给具身创业者的另一种选择

对于绝大多数具身创业公司而言，自建数据基础设施意味着回答两个尖锐问题：时间够不够？成本值不值？大多数团队可能根本没有这个成本和时间窗口。

资金之外，更核心的是 know-how——知道模型缺什么、什么数据真正有用、怎么设计数据能让模型能力跃升。这种 know-how 需要在一个完整的业务场景里跑通闭环，经历足够多的案例才能积累。

景烁提供了一种「基础设施即服务」的解法：WorldEngine 处理数据，GENESIS-Robotics 生成合成数据，SkillForge 输出可直接微调的技能包——三层打包交付，工程师拿到手就能开始训模型。

不是每个团队都需要从零挖一遍地基。用别人的成熟基建，把资源集中在模型和场景上，在成本和研发进度的账本上，都是更理性的选择。

一条隐秘的暗线

文远知行完整经历了自动驾驶的三轮淘汰：拼算法 → 拼算力 → 拼数据。贯穿其中的暗线，是数据基础设施的持续建设——也就是景烁团队对外公开、独立运营之前一直在做的事情。

这条暗线被放在聚光灯下，是因为它恰好踩中了具身智能最稀缺的资源。当「大脑」与「身体」的竞赛进入下一阶段，物理 AI 的「地基」终于有人愿意系统性地搭建。

具身智能公司不再需要从零积累物理世界经验，不再需要花数年搭建数据飞轮——可以直接调用景烁的世界模型能力，直接购买开箱即用的技能包。这是 Robotaxi 第一股，在商业化兑现之后，押注的下一个十年。

来源：量子位，《手握英伟达宁德时代相同剧本，具身智能的第一个「基建商」出现了》，2026-07-16；量子位，《Robotaxi 第一股又涨疯了》，2026-05-14。