智驾大神出走小米，去干机器人了？

智驾大佬批量转岗，机器人赛道到底香在哪？

9月初，一则消息在业内悄悄传开：原小米汽车智能驾驶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。据《21世纪经济报道》，有投资人透露，其团队吸纳了不少图森未来时期的老同事，核心研发人员规模十余人。

这不是孤例。2025年以来，从车圈出走、扎进机器人赛道的高管队伍正在持续壮大。而当外滩大会把今年定义为“世界模型元年”，两条线索在这一刻交汇——智驾老兵带着工程能力下场，学术圈还在为世界模型的定义和数据范式吵得不可开交。

吵归吵，人已经上桌了。

🚗 王乃岩是谁，他带走了什么

干过L4的人，去做具身大脑，不是降维，是换了个战场。

公开履历显示，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资深玩家。他参与过全球三大深度学习框架之一MXNet的开发，也是业内首位把深度学习用于目标追踪的研究者。后来他出任图森未来中国区CTO，主导L4级无人驾驶卡车系统研发。

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，向自动驾驶与机器人部总经理叶航军汇报。彼时小米重金招揽智驾人才，官宣了四大核心骨干：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。

在小米期间，他最受外界关注的成果有两项：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，离职前最后一次公开亮相正是今年6月车辆无人驾驶跑完纽北的演示；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团队”名义发表的学术论文。

注意DriveZero这个标题——超越人类示例。这四个字，恰恰是他创业方法论的伏笔。

📈 车圈高管，为何集体奔向机器人

自动驾驶的仗还没打完，先遣队却已经撤向下一个战场。

王乃岩不是一个人在战斗。此前，前小鹏自动驾驶业务负责人李力耘、前小鹏副总裁陈永海已加入众擎机器人——这家公司此前长于本体与运控，如今正在发力“大脑”与量产；前理想汽车AI首席科学家陈伟创办了斜跃智能，聚焦家庭场景，做面向C端的消费级具身智能产品。

产业逻辑并不玄妙。自动驾驶与机器人共享同一套技术栈：感知、预测、规划、控制，外加端到端模型和大规模数据训练。车圈高管手里握着的，是被量产项目和海量路测反复锤炼过的工程方法论——这是纯学术出身的机器人团队最稀缺的东西。

据多位接近人士的说法，这批创业者的普遍判断是：智能驾驶的“ brain ”打法，可以直接平移到机器人本体上。区别只在于，车的动作空间是方向盘和踏板，机器人的动作空间是几十个自由度的全身关节。

难度升级了，但路径是通的。

💡 世界模型元年，分歧比共识多

所有人都说世界模型是钥匙，但没人说得清锁长什么样。

2026 Inclusion·外滩大会上，主论坛圆桌《物理智能——分歧与抉择》和见解论坛《世界模型是AI走向物理世界的新大陆吗》，把这种分歧摆上了台面。香港大学计算与数据科学学院副院长罗平的表述算是相对乐观的一派：世界模型或许不是通往物理智能唯一的门票，但它绝对是目前人类赋予机器空间想象力、常识推演与行动预测最具希望的核心基建。

但乐观之外，是未收敛的定义。瞬适科技创始人、YesAI实验室负责人石野直接泼了盆冷水：2018年讲世界模型时是从强化学习角度描述，之后3D重建、3D生成也以世界模型自称，近期又从视频生成开启了新范式。每隔几年推陈出新，当前范式和定义都还没收敛。

更尖锐的担忧来自商业化。极佳视界联合创始人、首席科学家朱政说得很直白：展望5年，世界模型最大的风险就是商业化闭环能不能走通。不管是创业公司还是大厂，在商业化和技术前沿模型投入之前，能不能取得平衡、形成正向循环、找到像AI视频和AI Coding那样的场景，是悬在所有人头上的问题。

换句话说，王乃岩们选择此刻下场，等于在范式尚未收敛时押注。要么吃到定义权，要么成为试错的成本。

⚠️ 数据之争：真机、仿真，还是超越人类示例

一百万小时数据，不天然等于一个好模型。

世界模型的第一个硬分歧在数据。多少数据够用？现在采的数据多少有用？积累到什么量能迎来质变？破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲在圆桌上提醒：当前行业对数据量本身存在一定程度的高估——一百万小时、几百万小时并不天然意味着更好的模型，数据规模之外，质量、分布和训练方式可能更加重要。

在真机与仿真的路线之争上，苏度科技联合创始人、CEO韩铮的态度很有代表性：光靠真实数据收集效率比较慢，质量有时也受限，所以仿真是绕不过去的。但他同时补了一句——真实世界的数据也非常有用，并非纯粹可替代。两条腿走路，是当前多数务实派的共识。

有意思的是，王乃岩的技术路线恰好给这场争论提供了第三种解法。据投资人透露，其独特性在于“复用L3的技术逻辑”，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——通过域随机化，故意把各种数据和条件打乱，只给模型定几条根本性的“第一性原理”（如安全底线、物理法则），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，令泛化性更强。

这与DriveZero的标题遥相呼应：超越人类示例。与其争论真机数据和仿真数据哪个更有用，不如让模型在受物理法则约束的环境里自己“长出”经验。数据瓶颈最狠的解法，可能是不那么依赖人类演示数据本身。

据业内人士私下交流，这套打法在智驾圈已被验证过工程可行性，但移植到高自由度机器人本体上，奖励函数怎么定、仿真与现实的gap怎么弥合，都还是开放问题。

🔋 真正的考题：商业化闭环什么时候跑通

技术叙事再性感，五年后也要回答同一个问题：谁付钱？

把镜头拉远看，2025年以来的这波高管创业潮，本质上是人才和技术从汽车产业向具身智能产业的外溢。汽车业烧了十年钱换来的教训是：没有量产和数据飞轮，模型能力就是空中楼阁。机器人赛道显然不想重蹈覆辙，所以外滩大会上才会出现“数采工厂与机器人公司营收可持续性”“数据采集关联交易”这类尖锐议题——数据到底该自采、外采还是共建，商业模式还没定型。

朱政那句“能不能找到像AI视频和AI Coding这样的场景”，其实暗含了一个判断标准：具身智能需要一个高频、刚需、能自负盈亏的落点。家庭场景、工业场景、商业服务场景各有拥趸，斜跃智能押注C端消费级，众擎机器人押注量产，王乃岩押注大脑层的通用能力——位置不同，但都在赌同一个终局：物理智能的规模化。

对创业公司而言，窗口期的残酷在于：范式未收敛意味着巨头也未必领先，但也意味着每一轮融资都是对路线的投票。十几个人的核心团队，能否在下一轮资金潮水到来前拿出可验证的泛化能力，决定了故事能不能讲下去。

结语

人才用脚投票，是产业变迁最诚实的信号。

从图森未来到小米汽车再到具身大脑，王乃岩的轨迹，是智驾技术栈向物理智能整体迁移的一个缩影。世界模型是不是唯一的门票尚无定论，数据范式之争也远未收场，但可以确定的是：当一批被量产检验过的工程派下场，具身智能的竞争将从小圈子论文竞赛，转向真刀真枪的系统工程比拼。

下一个纽北纪录，可能不在赛道上，而在客厅和产线里。