具身智能"世界通行证"：嬴彻前CTO把自动驾驶开进了楼道电梯

6月30日，纽娲机器人宣布完成5000万元天使轮融资，蓝湖资本领投，不同资本、共青城朴一投资跟投。两个月前，这家公司刚拿到Plug and Play中国基金的种子轮。

成立仅四个月，两轮融资密集落袋。背后站着的是上海交大特聘教授、前百度自动驾驶与机器人实验室主任、嬴彻科技前CTO杨睿刚，这个人曾把L3级自动驾驶重卡真正开上高速路。

这次他不做卡车了，要给所有机器人做一颗"通行大脑"。

具身智能赛道热了两年，大家的注意力都集中在"手"上：灵巧手怎么做、操作怎么学、抓取精度到没到毫米级。仿佛机器人只要手够巧，就能走进人类世界。

但一个更基础的问题被忽略了：现在的机器人真的做好"走过去"了吗？

今天的物流机器人进小区，要提前几周测绘环境、建高精地图；园区机器人遇上个台阶就得绕路；更别说电梯、门禁、楼梯这些人类习以为常的场景，每一道都是机器人的天堑。

部署一台移动机器人，周期动辄以月计，成本以十万计。这不是某家公司的问题，是整个行业的通病。

纽娲选择从这个最"笨"、最基础的问题切入，提出了"具行智能"（Embodied Mobility Intelligence）的概念，核心思路是先让机器人能在人类环境里自由、安全、得体地移动，再谈别的。

这个判断来自杨睿刚过去二十年的经验。从百度Apollo到嬴彻科技，他做的一直是同一件事：让机器在真实世界里自主移动。

自动驾驶解决的是结构化道路上的通行问题，而具身智能要解决的，是从楼道到电梯、从园区到社区的非结构化环境通行问题。看似场景不同，底层逻辑高度一致。

"数据闭环这件事，机器人和自动驾驶是一回事。"杨睿刚说得很直接，"从数据采集、标注到模型迭代，整个逻辑完全一样。工程化那套体系也可以直接用，比如CI/CD、仿真测试、灰度发布，这些在嬴彻做量产L3重卡时已经跑通了，直接搬过来就行。"

这套自动驾驶领域已经被验证过的工程方法论，放到尚处早期的具身智能赛道，就是降维打击。

⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名9月GEIA GBA粤港澳大湾区具身智能与人形机器人创新周↓

但降维打击不是照搬。

自动驾驶的环境是结构化的：有车道线、有红绿灯、有交通规则。而机器人要面对的是完全开放的人类环境：没有标线的楼道、忽上忽下的电梯、突然窜出来的小孩、随时可能被推开的门。

更关键的差异在于，自动驾驶不需要"动手"，而机器人最终要和物理世界产生交互。

这恰恰是纽娲技术路线的起点。

当下行业做世界模型，主流路线是基于视频生成，核心是给模型看大量视频，让它学会预测下一帧画面。但纽娲走了另一条路：用物理仿真驱动数据生成，再用数据训练通行模型。

这套技术体系分三层：渲染层用三维重建加AIGC保证空间一致性，仿真层用显式三维结构加自研物理引擎SimWeaver保证物理规律准确，数据层持续输出可交互、物理正确、三维一致的高质量合成数据。

三层形成闭环，最终转动训练世界通行模型的数据飞轮。

这条路比纯视觉生成要"重"，但好处也显而易见。因为生成的数据是物理正确的，不是"看起来像"，而是"用起来对"。

纽娲自研的高保真物理仿真器SimWeaver，在公开柔性体仿真测试中，生成速度比英伟达Isaac Sim快3倍，仿真到真实迁移的误差降低20%，在多类柔性体操作任务上实现了91%的零样本成功率。

这个数字意味着什么？意味着大量在仿真环境里训练出来的策略，直接拿到真实世界就能用，不需要大量的实机微调。这对数据稀缺的具身智能领域来说，是刚需级别的能力。

而这套仿真能力，正是杨睿刚团队在百度和嬴彻时期就打下的底子。他当年主导的AADS自动驾驶增强仿真系统，被认为是世界模型的前身。

基于这套数据飞轮，纽娲的世界通行模型（WTM）已经拿出了阶段性成果。

最硬核的一个指标是55度空心楼梯稳定通行。

这不是靠运动控制策略"盲爬"出来的，而是视觉感知与本体感知深度融合的结果。系统能理解哪些区域可踩、哪些不可踩，从而在复杂环境下保持稳定。这个能力的差别，就像人闭着眼摸楼梯走和睁着眼正常走的区别。

更有意思的是"社会行为合规性"这个方向。

纽娲正在重点攻关电梯场景，训练机器人理解"先下后上""排队等待""主动礼让"这些人类社会默认的行为规则。这件事听起来不"黑科技"，但恰恰是机器人真正走进人类生活必须迈过的坎。

自动驾驶只需要遵守交通规则，而机器人要遵守的是"社会规则"。这个维度的复杂度，比道路通行高了一个量级。

而纽娲的思路很清晰：先从通行这个单点打透，再向外扩展。同一套WTM系统，可以适配人形、四足、轮式、AGV、无人配送车等多种本体，这就是他们说的"一脑多体"。

部署效率的提升是最直观的。传统物流机器人部署需要数周测绘，纽娲的无图和轻地图方案仅凭小区平面图或通用导航地图，就能实现室内外、平地与楼梯间的三维自主导航，把部署周期从数周压缩到数分钟。

这个效率提升，是所有场景方都能直接看懂的价值。

技术再酷，最终还是要落地算账。

纽娲选的第一个落地方向是"最后500米"末端配送，也就是社区、园区、楼宇这些场景。这些既是当下自动化渗透率最低的领域，也是通行能力需求最刚性的场景。

目前纽娲已经和物流、文旅等领域的多家行业巨头达成深度战略合作，2026年内就会在物流园区、产业园区、文旅度假区等真实场景启动落地验证。

验证的核心指标有两个：无图导航、环境零改造部署。

"零改造"这三个字很重。因为这意味着不需要额外装传感器、不需要改门禁系统、不需要做任何环境适配，机器人进去就能用。能做到这一点的公司，现在屈指可数。

杨睿刚的规划很稳，分三步走。第一年先跑通1-2个场景，验证技术可行性和商业价值；第二年扩大运营规模，验证模型泛化能力；第三年实现自研机器人本体量产，通过软硬件协同降本，同时向更多系统集成商开放通行能力。

这套节奏，像极了自动驾驶行业从demo到量产的路径。先做技术验证，再做小范围落地，最后规模化复制。只不过这一次，场景从高速公路换成了社区楼道。

具身智能最大的瓶颈不是算法，而是数据。因为真实世界的机器人数据太贵、太少、太慢。谁能先用合成数据把数据飞轮转起来，谁就能在这场竞赛中占据先机。

从这个角度看，纽娲先做仿真引擎、再做数据生成、最后训模型的路径，踩中了行业的核心矛盾。

四个月、两轮融资，只是起点。真正的考验，在于今年的落地验证。世界通行模型能不能在真实场景里跑通，"零改造"的承诺能不能兑现，数据飞轮能不能越转越快，这些都需要时间给出答案。

毕竟，机器人终究要走进真实世界的。