车圈智驾大佬，集体叛逃机器人？

带队在纽北刷完自动驾驶圈速纪录之后，王乃岩的选择出人意料——不是继续在车圈卷L3量产，而是转身下场，去教机器人“自己学会干活”。

9月8日，据《21世纪经济报道》，原小米智能驾驶L3技术负责人王乃岩已投身具身大脑方向创业，项目正在推进融资。这不是孤立事件：从小鹏到理想，车圈智驾和AI高管正在成建制地流向机器人赛道。

一边是智驾行业“卷到头”的体感，一边是具身智能“万事俱备只欠大脑”的缺口。这波人才迁移，可能是2025年以来机器人行业最值得盯的一条暗线。

🚗 纽北刷完纪录，他选择下车

先看主角成色。王乃岩生于1990年，先后毕业于浙江大学、香港科技大学，是深度学习和自动驾驶领域的老兵。他参与过全球三大深度学习框架之一MXNet的开发（MXNet后被收录进入Apache基金会顶级项目），也是业内较早把深度学习应用到目标追踪上的研究者之一，相关成果曾发表于CVPR等顶级会议——技术底子属于“学院派+工程派”双重认证。

职业路径上，他曾担任图森未来中国区CTO，主导L4级无人驾驶卡车系统研发，图森在此期间拿到了国内首张无人驾驶卡车公开道路测试牌照，并在美股上市。2024年5月，他加入小米汽车，出任自动驾驶研发、L3项目核心负责人，向小米汽车自动驾驶与机器人部总经理叶航军汇报（据《21世纪经济报道》及多家媒体交叉证实）。

在小米期间，他留下了两件外界看得见的作品：一是带队依托小米SU7 Ultra拿下纽博格林北环赛道首个自动驾驶圈速纪录——2025年6月，小米官方发布了演示车辆无人驾驶跑完纽北的视频，这也是他离职前最后一次公开亮相；二是牵头完成论文《DriveZero：超越人类示例的端到端自动驾驶技术》，这是小米首篇以“L3自动驾驶团队”名义发表的学术论文。

值得一提的是，当年小米官宣的智驾四大核心骨干——叶航军、陈光、陈龙、王乃岩，如今王乃岩与陈龙均已先后离职创业。据《智能涌现》等多家媒体报道，王乃岩的团队里不少是图森时期的老同事，核心研发人员目前十余人。

“一位投资人在评价这个团队时说，这是“复用L3技术逻辑”的一批人——懂车、懂规模化工程、也懂AI。

产业逻辑很清晰：智驾头部人才积累了完整的“感知—决策—控制”闭环经验，而这套能力图谱，恰恰是机器人“大脑”最缺的东西。头部玩家离职创业，本质是把车圈验证过的技术资产，向新场景做一次迁移套利。

💡 不抄人类作业，让模型自己摔跟头

王乃岩这次创业最值得说的，不是履历，而是技术路线。

和其他具身大脑创业派不同，他的独特打法是“复用L3的技术逻辑”，其中最具代表性的方法是：在动作模型的预训练环节做强化学习。

具体拆开看：预训练时先做域随机化（Domain Randomization），故意把各种数据和条件打乱；然后只给模型定几条根本性的“第一性原理”作为奖励函数——比如安全底线、物理法则；之后让模型成千上万次地自我博弈与试错，在一次次失败后慢慢领悟、举一反三，泛化性因此更强。

这个思路的巧妙之处在于绕开了行业的老大难——人类示教数据的稀缺和昂贵。以斯坦福ALOHA/Mobile ALOHA项目为例，其遥操作示教数据的采集成本高、场景覆盖有限，后续泛化主要还是依赖仿真域随机化补足；而NVIDIA Isaac Lab等仿真平台的流行，也印证了“域随机化+大规模仿真训练”正在成为具身智能的主流范式之一。王乃岩的路线可以看作这一范式在“L3级工程能力”加持下的落地尝试，也和他那篇《DriveZero》论文的标题呼应——超越人类示例。

当然，务实地说，这条路并非没有代价：强化学习预训练对仿真环境质量、算力和奖励函数设计的要求都极高，从实验室泛化到真实物理世界，中间还隔着sim-to-real这道经典鸿沟。业界此前的多次尝试（包括一些明星具身智能公司转向“数据采集+模仿学习”混合路线）说明，纯强化学习预训练的落地效果仍待验证。路线是否成立，最终要靠真实场景和商业订单说话。

📈 出走名单越来越长

王乃岩不是一个人在战斗。2025年以来，出走车圈、投身机器人赛道创业或加入机器人公司的高管队伍持续壮大，据公开报道可梳理如下：

仔细看这三个去向，恰好覆盖了具身智能的三条主流路径：众擎机器人此前长于本体与运控（其SE01人形机器人曾因自然步态引发关注），李力耘、陈永海加入后正在发力“大脑”与量产，属于“强本体补大脑”；陈伟的斜跃智能聚焦家庭场景，做面向C端用户的消费级产品，走的是消费硬件路线；王乃岩则直接押注最难也最值钱的一层——通用“大脑”本身。

三条路线同时有车圈大将押注，说明这波迁移不是个别跳槽，而是系统性的人才再配置。背后的产业判断是：汽车业过去十年攒下的自动驾驶人才密度、数据闭环方法论和量产工程经验，正在成为机器人行业的“现成弹药库”。车圈把L2到L4的路趟了一遍，机器人不想再交一遍学费。

⚠️ 融资进行时，拷问也进行时

现实层面，王乃岩的项目目前还在推进融资阶段，核心团队十余人，规模不大，属于典型的早期技术团队。据接近行业的投资人透露，这类“车圈履历 + 前沿技术路线”的组合，在当前一级市场依然是稀缺标的——但要真正拿到高估值，光有履历和论文不够，投资人会追问三件事：

第一，落地场景在哪？具身大脑的付费方是谁——是人形机器人整机厂、工业自动化集成商，还是直接做垂直场景运营？第二，数据从哪来？强化学习预训练可以靠仿真，但真实世界的数据回流闭环仍是硬门槛。第三，商业化节奏怎么定？是先卖技术授权，还是绑定某个本体厂深度共创？

这三个问题没有标准答案，但有一个行业共识越来越清晰：具身智能的价值链正在从“本体”向上游“大脑”倾斜。本体硬件的差异化窗口期正在收窄，而谁掌握了高泛化的动作模型，谁就可能成为机器人时代的“芯片公司”。这大概也是投资人愿意在一个十余人的早期团队上花时间的原因。

小结

王乃岩下场，不过是车圈人才流向机器人的最新注脚。技术路线上，域随机化加强化学习预训练提供了一种绕开人类示教瓶颈的解法；产业层面，众擎机器人、斜跃智能与他的新项目，分别卡位了“补大脑”“做消费”“造大脑”三条路径。接下来该盯的不是谁又离职了，而是这批团队谁能先交出第一个可复制的商业场景。

注：文中人物动态均基于公开报道（《21世纪经济报道》等），创业项目尚处早期，路线成败有待市场验证。