The following article is from 智能车参考 Author 有车有据

最优秀的 AI 大脑，果然总是流向最具挑战性的战场。

量子位获悉，王乃岩博士已于 9 月 7 日正式离职小米汽车。

他的下一站，是具身智能。

从自动驾驶到具身智能，从教车看路到教机器人理解世界——看上去是一次赛道切换，但对王乃岩来说，是同一个问题在不同物理载体上的延续，是十多年创业、思考的阶段总结、兑现：

AI 到底该怎么在真实世界里做决策？

而这一次，王乃岩是从底层架构层面，开始实践自己的认知。

王乃岩离职小米，投身具身智能

9 月 7 日，是小米首款增程车正式上市的日子，也是小米跨出 " 舒适圈 "，在更完善的车型品类、价位区间、能源形式等等层面，证明自己作为 " 车企 " 体系化能力的起点。

量子位了解到，9 月 7 日，也是王乃岩在小米汽车的 last day。

也就是说，和雷总一样，王乃岩在同一天，走出了自动驾驶业务的 " 舒适圈 "，开始在更广义的物理世界任务中，验证自己的 AI 认知、经验，以及持续创造新价值的能力——

新公司，聚焦具身智能大脑方向，也就是机器人最核心感知、决策与规划能力。

但同时并不排除自研本体的可能。

团队层面，王乃岩正在组建的，是一支精干的创始团队，核心成员包括多位他在图森未来时期的旧部。

这支团队跟随他经历过从 0 到 1 的创业全过程，也经受过复杂工业场景的长期考验，磨合成本极低，战斗力明确。

资本已经迅速给出了回应，多个头部基金表现出浓厚兴趣，正在和王乃岩团队密集接触中。

具身智能既是热门，也是当前 AI 领域最确定的长期方向之一，而王乃岩这样兼具学术影响力、产业落地经验和完整创业履历的选手，正是资本追捧的对象。

王乃岩是谁

王乃岩身上有一个很少见的标签：他在每一波 AI 浪潮的关键节点，都恰好站在了浪尖上。

2013 年，深度学习才刚刚在图像识别领域证明自己，王乃岩还在港科大读博，就把深度学习用到了目标追踪上——这是全球第一个将深度学习应用于目标追踪的研究者。同一时期，他作为核心开发者参与了 MXNet 的开发。

这个框架后来成为全球三大深度学习框架之一，和 TensorFlow、PyTorch 齐名。在那个深度学习框架还是一片荒芜的年代，写出框架级代码的这一批先驱，意义可类比普罗米修斯。

但真正塑造他的，是接下来长达 9 年的图森生涯。

2015 年博士一毕业，王乃岩就以联合创始人和首席科学家的身份加入图森未来，主攻 L4 级自动驾驶卡车。他接到的第一个任务是：从零搭建图森在中国的算法团队。

今天的 AI 人才市场已经成熟，到处是成熟的工程师和现成的开源工具。但 2015 年完全不是这样。深度学习的人才几乎空白，框架的工程化才刚刚开始，市面上连一套成体系的自动驾驶研发流程都没有——怎么定义问题、怎么组织数据、怎么评估模型、怎么把算法塞进车里的嵌入式系统跑起来，所有这些 " 基础设施 "，都需要从无到有自己建。

王乃岩不仅做到了，而且做得很快。

2016 年 9 月，图森未来成立刚满一年。王乃岩团队自主研发的深度学习感知算法，在 KITTI 和 Cityscapes 两大全球最权威的自动驾驶数据集上，一口气拿下 10 项世界第一。

一家成立仅一年的中国创业公司，霸榜全球最难的自动驾驶评测——这在当时几乎是创了纪录的。

图森的 9 年间，王乃岩先后做了两件完全不同的事。第一件是带领团队完成了 L4 级全栈自动驾驶系统的研发——追求技术的极限。

第二件是后期主导了 L2+/L3 级量产方案的落地，推出了 " 节油领航 " 等智驾产品——把成本控制到可商业化，把可靠性做到能交付给车队。

这是追求产品的可靠性和成本可控。

两种完全不同的能力——一种是科学家思维，追求技术边界；一种是工程师思维，追求稳定和可复制。

2024 年 5 月，王乃岩加入小米汽车，担任 L3 技术负责人。在小米智驾超过 1800 人的庞大团队中，他与叶航军、陈光、陈龙并列为四位核心成员，负责智驾系统的可靠性。

岗位需要的核心能力——系统级的安全保障、工程化的质量控制、从实验室到量产的完整链路——正是他在图森做量产方案时积累下来的东西。

换句话说，雷军当初看中的看中的，不仅仅是他 " 能发论文 " 的那一面，而是他 " 能让车安全上路 " 的那一面。

而这个人，在 9 月 7 日交出了自己的 last day，转身走进了具身智能。

王乃岩的具身大脑，具体怎么做？

具身智能大脑，是王乃岩新公司主要的聚焦方向。

但 " 具身智能大脑 " 具体应该怎么做，行业至今没有答案。

2023 年以来，VLA（视觉 - 语言 - 动作模型）被普遍视为具身智能大脑的默认答案——把视觉、语言和动作放进同一个端到端模型，让机器人从人类示范中学习下一步动作。头部公司搭载的几乎都是 VLA 或其变体。

但到了 2026 年，这个标准答案被公开挑战了。

VLA 的核心短板是跳过了物理环境建模与因果推理，完全依赖标注数据拟合动作映射。面对未训练的陌生场景或全新物体，泛化能力大幅退化。

与此同时，另一条路线 WAM（世界 - 动作模型）开始崛起。它采用 " 先预演、后动作 " 的推演式架构：先预测动作执行后的世界状态变化，再反向推导最优控制指令。长程任务规划能力更强，但局限同样突出：语义理解能力远弱于 VLA，且逐帧预演物理状态需要巨额算力开销。

所以行业现在处于一种 " 多路线并存、谁也不知道终局 " 的状态。

技术路线之所以迟迟无法收敛，根源在于数据。具身数据的标准至今没有形成共识——每一家公司想要的数据形式、包含的模态、精度要求都不一样。

数据迭代与模型迭代高度耦合，你不知道该为哪种路线收集哪一类数据，毕竟你不确定哪种路线最终会赢——这是一个先有鸡还是先有蛋的死结。

而王乃岩的对于技术思考、实践的独特之处，在于他可能找到了一条绕过这个死结的路。

我们刚刚详细解析过的王乃岩在小米的最后一篇论文 DriveZero，在技术思路上已经为他的下一步埋下了伏笔。

这篇论文提出了一套 " 解耦 - 蒸馏 " 的训练范式：将 " 决策 " 和 " 感知 " 拆分开来，决策部分用强化学习在仿真环境中训练，感知部分用蒸馏从基础模型中学习，最后再将两者合并。

这套方法论的价值远不止于自动驾驶——任何需要在物理世界中行动的智能体，都面临同样的困境：真实环境试错成本太高，仿真中学到的策略又难以迁移到真实感知输入上。

DriveZero 展示的正是解决这一核心矛盾的可行路径。

王乃岩在访谈中曾表达过一个观点：" 只用自动驾驶数据训练出来的模型，一定不可能完美解决自动驾驶 "。

具身智能面临的其实是同一个问题：机器人不能只学 " 怎么动 "，它得先理解 " 世界是什么样的 "。

而 " 理解世界 " 这件事，现阶段多被归因为数据问题。

但王乃岩给出了新的思考：认知问题，本质是一种全新的表征学习方式——如果 " 理解世界 " 和 " 采取行动 " 是两件事，为什么一直要用一个黑盒模型把它们绑在一起？

这个问题的答案，就在他的新公司里。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见