大厂技术骨干涌向物理AI，云蝶押注真实场景的持续反馈

据硬氪报道，小米汽车自动驾驶技术负责人王乃岩近日离职，正接触投资人、探索物理AI方向。该报道同时注明，截至发稿，小米尚未回应。王乃岩曾任图森未来中国首席技术官，后加入小米汽车参与自动驾驶研发。此次创业消息，让自动驾驶技术人才向更广泛物理任务延伸的趋势受到关注。

过去几年，从机器人控制、智能终端到自动驾驶，多个领域的研发骨干陆续进入具身智能创业。对于这些团队，算法和工程经验是重要起点，而持续获得真实任务、验证能力并组织反馈，正在成为同样关键的建设内容。

从大厂研发，走向物理世界的创业现场

这张创业名单包含不同的技术背景。

彭志辉曾任OPPO算法工程师、华为主任工程师，后成为智元联合创始人。其经历体现了智能硬件与工程研发人才向机器人产业延伸的路径。

智平方创始人郭彦东此前在微软、OPPO、小鹏等企业负责核心研发。公司围绕具身大模型与机器人硬件开展研发，将智能终端经验带入生产与服务任务。

海外也有类似动向。Physical Intelligence联合创始人Karol Hausman此前是Google DeepMind研究员，其公开研究方向包括让机器人在真实世界中获得通用技能。

加上王乃岩最新的创业消息，这些轨迹反映出物理AI的吸引力：让AI通过机器与环境发生交互，将感知和推理转化为可以执行的行动。各家企业的技术选择并不相同，也都需要面对机器运行的可靠性、成本和反馈问题。

从技术能力到真实任务

机器人进入酒店或园区后，面对的任务具有连续性。物品可能被换了位置，通道可能出现行人，设备状态也会随时变化。机器人完成一个步骤之后，还需要确认结果，再根据现场情况决定下一步动作。

因此，真实场景能力包含几项具体工作：定义有价值的任务，协调设施与业务流程，设置验证条件，记录失败与人工接管，并让这些反馈能够用于后续改进。仿真与真实运行可以相互补充，现场检验帮助团队发现训练环境尚未覆盖的问题。

谁能持续组织这些条件，谁就更有机会缩短研发与实际使用之间的距离。这也是观察物理AI企业时，值得放在团队履历之外的一组问题。

云蝶：把场景组织成研究与产品的连接点

云蝶科技的技术布局围绕环境增强与真实任务展开。将酒店服务、物业运维、医疗康养等列为重点场景方向，关注机器人与空间、设施、人员及业务流程之间的协同。

在这种路径下，场景不是技术部署的终点，而是能力建设的起点。现场问题被定义为具体任务，空间和设施提供必要的信息与接口，运行中的失败、异常和人工接管则成为后续训练与改进的输入。

这种思路也被落实在云蝶的科研组织方式中。公司已与北京大学、新加坡南洋理工大学、华南理工大学和大湾区大学分别建立具身智能联合实验室，其“1+2+N”计划将联合实验室、数据训练场与真实场景连接起来，希望让现场问题进入研究，再将研究能力带回验证。

按照公开计划，云蝶正推进北大×云蝶技术创新中心、广州海珠真实世界实验场两个大型数据训练场节点，将数据采集、训练、评测与任务验证作为建设内容。

在这套安排下，场景方可以提出业务需求，研究团队研究方法，工程团队组织测试与部署，运行反馈再提出新的改进问题。评价这套机制的效果，可以观察同类任务的适配时间、人工干预频率和跨场地复用情况。

云蝶希望通过这套安排，让一个现场提出的问题，能够带动研究、训练与工程改进，并为下一处相似场景提供可复用的经验。对进入物理AI的研发人才而言，这样的任务网络也意味着：研究可以围绕持续发生的真实问题展开。

【广告】免责声明：本内容为广告，不代表大众网菏泽的观点及立场。所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。大众网菏泽登载此文出于传递更多信息之目的，对此文字、图片等所有信息的真实性不作任何保证或承诺。文章内容仅供参考，不构成投资、消费建议。据此操作，风险自担！