本文来自微信公众号： 看身手SeeMotion ，作者：身手老师傅，原文标题：《看·独家 | 雷军招来的90后AI天才，又一位将离开小米》
王乃岩、陈龙，他们在小米的跑道已行至终点，却在“Physical AI”的赛场里再次相见。
“你有哪些遗憾？”
9月初，一档播客节目中，主持人问小米智驾科学家（L3技术负责人）、前图森中国CTO王乃岩。
话题行进到这里，王乃岩语带踟蹰，他形容自己前半段的学术与职业生涯是“大多时候拿不到太多资源”；谈到图森创业：“没能打一个痛快仗”。
而遗憾，他说：
“还是没看到，我做了十年的东西（自动驾驶）走进千家万户。”
播客发布当天，雷军在北京发布会上揭开小米第一辆增程汽车“小米澎程”的面纱。这一天（9月7日），也是王乃岩在小米的last day。随后，多家媒体报道，王乃岩投身具身智能创业。
时间拨回2025年11月，王乃岩出现在小米汽车的一条博文里，当中有四个人被重点介绍：
叶航军博士，加入小米近15年，小米技术线绝对高管，小米汽车创始成员，从0到1组建小米智驾班底；
陈光博士，前百度Apollo创始成员，前一汽南京研究院CTO，2025年5月加入小米；
陈龙博士，前英国自动驾驶独角兽Wayve主任科学家，2025年3月，加入小米；
王乃岩博士，前图森未来联创、CTO，2024年5月加入小米。
“博士天团”、“小米智驾F4”，诸多评论这样形容。
如同年轻偶像的限定团，小米组建的豪华天团，也仅维持了一年多。
不止王乃岩，根据《看身手》独家了解，“博士天团”中最年轻的陈龙也确定创业，且已经拿到了一线风投的钱。
陈龙与王乃岩都是90年生人，创业方向也都是具身智能，据投资行业人士对《看身手》表示，陈龙不做单一硬件本体，而是做物理AI的Skill Infra平台，首批可落地的场景包括柔性制造、物流分拣等。
上述人士还告诉《看身手》，和陈龙一起创业的，还有另一位AI大牛：原Google DeepMind研究科学家，许倬。
在互联网公域里，许倬几乎隐身，仅有的曝光，是他曾入选2024年度《麻省理工科技评论》“35岁以下科技创新35人”（Innovators Under 35，简称“TR35”）中国区名单，以及在年初时接受过一个简短的采访。
访谈中，许倬描述了自己“乖孩子”的前半生——在清华精密仪器系刷GPA刷到第一，再到伯克利读博士，还能在疫情美国科技巨头大裁员时，拿到DeepMind的offer。
不过，访谈最后，当被问到展望未来时，“乖孩子”许倬说：
“（人）不一定要那么听话，要有自己的想法。”
谁的时代？
“赛马输了。”
一位熟悉小米智驾体系的人士，这样对《看身手》评价王乃岩的离职原因，“L3量产遥遥无期，乃岩很难在小米拿到核心资源。”
当年的“智驾F4”里，除了“一把手”叶航军，剩下的陈光、陈龙、王乃岩，各自有擅长的研究领域。在小米汽车那条微博下面，还有一条雷军的回复：
据《看身手》了解，小米汽车在2025年将辅助驾驶团队分为两个大组，分别是“端到端”算法与功能+技术预研。
其中，陈光主要负责端到端的量产规模化，而王乃岩、陈龙则负责在L3、VLA方向进行前沿探索。
王乃岩专攻的L3技术，曾在今年6月写下辉煌一页：由他带队的MARS（Mi Autonomous Racing System，小米无人赛车系统）项目，在德国埃菲尔山区森林密布的纽北赛道中，闯过73个弯道，最终在被称为“绿色地狱”的赛场上，创下全球首个纽北自动驾驶圈速纪录。
雷军也曾发微博说：这是一个历史性时刻……没有任何一家车厂在纽北，用自动驾驶跑官方圈速。
但MARS项目使用的小米YU7 GT，是特殊定制的赛道套件版，要想大规模商用，仍然面临政策、成本、安全的种种掣肘。小米目前的主流车型，搭载的都是由陈光负责的HAD端到端方案。
纽北的辉煌一刻，成了王乃岩最后一次在小米公开露面。
“相当于在内部的技术路线竞争中，王乃岩代表的L3，还是没能跑赢陈光代表的L2端到端。”上述人士这样说。
对于小米来说，从L2跨越到L3，不只要逾越技术难题，还有责任归属。在目前的公路交管条例下，自动驾驶出现事故时，L2的责任人为驾驶员，L3（系统托管时）的责任主体则是车企，这对于多次遭遇“智驾翻车”舆情的小米来说，必将是一段漫长、需要步步为营的过程。
不过，《看身手》认为，相比内部赛马的输赢，王乃岩的离职，更大概率是看到了具身智能的机会，这一点我们在后文详细描述。
和王乃岩不同，陈龙离开小米，则有些“事了拂衣去”的意味。
2025年3月入职后，陈龙与小米“天才少女”罗福莉领衔的基模团队合作，推出MiMo-Embodied具身基座，随后在VLA基础上扩展了多模态，最终被命名为XLA认知大模型，并于2026年3月官宣上车。
这一年也是陈龙与小米的蜜月期，在今年4月的访谈中，陈龙说：“老板们没有给我特别大的压力，让我有一个比较宽松自由的环境去做探索，我还是很幸运的。”
变量发生在2026年夏天。多家媒体报道，小米新成立具身智能与应用部，由前字节Seed Robotics研究负责人孔涛挂帅，而陈龙所在的VLA团队，将一并收拢进这个新部门。
从被雷军面试加入小米独挑大梁，到被打包塞进另一个模型团队，陈龙创业的选择，可以说顺理成章。
王乃岩、陈龙青睐的“物理AI”，到底是啥？
尽管王乃岩、陈龙分开创业，但他们选择的方向却出奇一致：Physical AI（物理AI）。
《看身手》想给Physical AI一个最简单的解释：你用惯了的豆包workbuddy，都是在手机/PC里跑任务，要想让机器人在现实世界干活，就需要物理AI。
这里的难点在于：大语言模型的“GPT时刻”，源自互联网上已有的大量结构化数据，才有了所谓的“scaling up”与泛化；可物理AI，从数据积累，到训练范式，全都要从0到1开始做。
围绕Physical AI，王乃岩其实探索已久。在9月的播客访谈中，王乃岩说他在2023年大语言模型兴起时，就已经思考物理AI的实现方式，他认为当中的工作重点是：
表征。
《看身手》不想用太复杂的概念解释这个词，举个例子：自动驾驶里VLA端到端，需用海量人类驾驶数据来训练，比如小米就宣传HAD系统有1000万clips人类驾驶视频数据。
但王乃岩主张的“表征学习”，不是让AI学人开车（即：让模型看大量人类驾驶的视频），而是把地图、交规、车型等结构化数据喂给AI后，让AI自己学开车。
而“表征”，就是AI在吃下这些数据后，得出的“行动方法论”。换句话说，AI应该学会的，不是怎么开车，而是要抽象出“开车”这个动作背后的运行规则。
在王乃岩离职的9月，他发表了一篇名为《DriveZero：超越人类示例的端到端自动驾驶技术（DriveZero:End-to-End Driving Beyond Human Demonstrations）》的论文，拿出了一个关键结论：
让AI自己学习开车后，AI的驾驶技术可以超越人类。
还记得刚才提到，王乃岩团队在纽北创下自动驾驶圈速纪录吗？他曾在知乎公布过方法：
“纯粹的轨迹回放是一条死路。我们的解法，更像是让系统去真正“学会”赛车底层的控制逻辑：规划层，计算场地和物理限制下理论最优的速度与走线，然后控制层，结合实时的车身姿态，不断进行高频、毫秒级调整，去追踪这条最优路线。”
这里的“轨迹回放”，就是VLA里惯用的让AI学人开车；而让AI学习赛车的控制逻辑，就是在进行“表征学习”。
而这件事的意义，是在AI学明白开赛车后，就能把这些极端情景的处理方法，下放到普通人开车时遭遇到的急弯、雪天等危险时刻。
再来看看陈龙怎么做物理AI。
虽说陈龙擅长的VLA，和王乃岩信奉的L3实现路径截然不同，但在陈龙的诸多分享中，他显然也对VLA技术的瓶颈有着清醒认知。
“过拟合（overfit）”，是陈龙经常会谈到的AI数据难题：
在模型吸收了大量互联网视频数据后，那些玄幻小说，电影特效、夸张的动画……无法避免会对模型产生消极影响，模型会单纯模仿视频里夸张的动作，但没有领悟到背后的规律。
举个简单的例子，让机器人看一段“把摔倒的人扶起来”的视频，也许机器人可以学会搀扶的动作，但过程中要施加多少力？如果摔倒的是老人，是不是要更加小心，以免让老人受到二次伤害？这些是视频数据无法教会机器人的。
另外，VLA天然对数据量有着极大需求，可具身智能并没有太多现成数据。陈龙在小米有一项开创性的做法是，将智驾数据、与机器人数据做结合，并发布了MiMo-Embodied具身模型。
“机器人的数据可以提供空间感知/推理能力，比如抓取移动；辅助驾驶可以让机器人学会物体感知，比如与柔性/刚性物体的交互后会产生怎样的效果。”陈龙曾表示。
相比汽车的二维运行，机器人在三维世界的空间感知能力，是陈龙本次创业Physical AI的重点，他的另一位合伙人许倬，也长期从事围绕2D-3D映射、空间理解的合成数据相关工作。
在小米北京科技园门口，有一个插着金色翅膀的猪的雕塑，象征着雷军那句名言——站在风口上，猪都可以飞起来。
陈龙曾说，他非常喜欢这个雕塑，如今，他和王乃岩，都要去做那只“猪”了。
|参考文章：
王乃岩知乎文章：《在“绿色地狱”里探索物理极限：聊聊自动驾驶挑战纽北背后的故事》
小宇宙《有限理性FM》：对谈王乃岩丨没打过一场痛快仗，我想要一次真正的「无限开火权」
bilibili卫诗婕-漫谈播客《与小米陈龙的访谈：90后AI当家、车与机器人的智能，构建一种Physical AI的世界观》
公众号《语言即世界》：具身智能漫长的进化史、下一个Scaling与硝烟
公众号《一见Auto》：21独家｜原小米L3负责人王乃岩创业：集结图森旧部，攻坚具身大脑
头图来自微博《小米自动驾驶征战纽北纪录片》截图