作者｜一休
出品｜汽车大观
如果你在过去一年半里持续关注具身智能赛道，会发现一个很有意思的现象：新冒出来的不少明星公司，创始团队几乎全是自动驾驶出身。
它石智航的创始人是陈亦伦——华为车BU前首席科学家，一手搭建了华为的自动驾驶技术体系。联合创始人丁文超和李震宇，分别来自华为自动驾驶和百度自动驾驶。至简动力的CEO贾鹏，前脚刚从理想汽车自动驾驶技术研发负责人的位置上下来，后脚就拉着前理想CTO王凯搭起了新班子。维他动力的余轶南，创业前是地平线的智能驾驶总裁。
再到今年3月，理想汽车的智驾一号位郎咸朋也躬身入局，联合前阿里副总裁任庚做了昆仑行机器人。从地平线到华为，从百度到理想——几乎每一家头部的自动驾驶公司，都有人在向具身智能迁徙。
这当然不是巧合，其背后，一定有某种共同的东西和逻辑。
逃离旧战场
针对自动驾驶人向具身智能赛道的大迁徙，千里科技创始人印奇今年4月接受采访时表达过深深的惋惜："自动驾驶到了交卷的时刻，这帮人跑去做具身智能了，很可惜。"印奇觉得可惜，但他的话恰好解释了这群人为什么出走——自动驾驶到了交卷时刻，大题做完了，剩下的都是消磨人心的小题和批改订正了，而对于很多花了十年时间攻克最难自动驾驶技术问题的人来说，做小题和改作业不是他们擅长的事，也不是他们想做的事。
在接受晚点Auto采访时，贾鹏回忆起做创业决定的心路历程："自动驾驶的技术方法可能已经走到终局了，无非是数据驱动、一体化模型和堆算力。我就想，等做完手头的工作就去做新的事。"智驾范式是不是已经走到终局不好说，但未来几年里不会再有大的突破了，对此，地平线首席架构师苏箐说得很直白："自动驾驶的“原子弹时刻”已经过去，这类内核重构短期内不会再现，未来三到五年，行业大概率将进入在现有系统上做极致优化的演进阶段，告别颠覆性创新的兴奋，进入漫长、琐碎、烧钱的“苦日子”阶段。"言外之意，不要奢望让人心潮澎湃的突破，剩下的全是苦活累活了。
在数据闭环体系、AI Infra建设得差不多的情况下，“苦活累活”基本等同于打地鼠、挖数据。因为，在数据驱动的范式下，模型的能力缺陷，原因出奇地简单：训练数据分布。所以，接下来主要的日常工作变成了——评估模型缺陷，挖掘那些模型还没见过的Corner Case场景，找到对应的数据填进去，然后反复调整训练数据的配比，让模型在每个维度上的表现都不掉链子。
这个过程需要的不是灵感，是耐心。就像学生刷题补短板——你发现模型在某种特定的长尾组合（比如雨天+自行车+透明雨衣）下失效了，于是把挖掘到的对应数据喂进去；测试，发现这块短板补上了，但可能因为数据配比不当，又影响了其他场景的表现，于是又得去反复调整这批数据在训练集中的占比；不行，再调，再测试，循环往复。这就是数据驱动范式下的“苦活累活”——没有捷径，只能一点点填。
可是，人大多是喜新厌旧的。新鲜感点亮的是大脑里的多巴胺回路——具身智能领域充满了让人兴奋的新问题、新挑战。而自动驾驶只剩下重复的、可预测的、机械的工作，天然让人疲惫。把自动驾驶系统的准确性从99%推到99.999%当然是很了不起的工程成就，有人愿意留下来做这件事，但有人不愿意。不愿意的人，不是逃兵，他们只是在寻找下一个能点燃他们的战场。
当高管，不如当老板
如果只看简历，你会发现这帮从自动驾驶出来的人有一个有意思的共性：他们大多在四十岁左右。郎咸鹏、陈亦伦、余轶南、王凯、姚卯青——几乎都卡在这个年龄段。
对于一个做技术的人来说，四十岁是一个很微妙的节点。在自动驾驶的黄金十年里，他们经历了规则驱动到数据驱动、模块化到端到端的每一次转向。每一次转向，都是一次重新洗牌，而他们站到了最后。但走到顶端后，往上看是触手可及的天花板，往下看是日复一日的工程优化。对于一个热爱攻克技术难题的人来说，这种状态比危机更难受——技术人有一种骨子里的浪漫，他们不惧怕挑战越来越大，他们怕的是没有挑战。这时候，具身智能恰好把台子搭好了。这是一个能把过去十年的积累全部用上、甚至百尺竿头更进一步的赛道，对他们来说是一个极好的出路。
智平方创始人郭彦东提过一个“人生三阶段论”——二十多岁去最好的地方学习，三十多岁去最好的公司跟着别人干，四十多岁就得自己干。回头看郎咸鹏、陈亦伦这些人，既攒够了经验，又到了可以挑大梁的年纪，他们恰好站在这条线上。
接下来，必须谈谈钱。汤师爷说过，谈钱不寒碜，谈钱，才能从另一个角度理解这帮高管为啥喜欢当老板。
在大厂做技术高管，你的财富天花板是年薪加期权。自己出来掌舵一家具身智能公司，公司估值才是你的财富天花板。这两个天花板之间，差着至少一个半数量级。以它石智航为例，今年4月份,它石智航估值突破了150亿，按照联合创始人可以拿15%的股权来算，丁文超的个人身家已经达到了20亿。这是一个什么样的数字？以这位华为天才少年之前的几百万年薪来算，即便他能向老天再借500年，也挣不来这么多的钱。
说到这里，有人可能会说——你一个月薪几千块的小编，是不是因为眼馋人家、羡慕嫉妒恨，才在这儿揣测人家想当老板的心态？人家就不能是单纯的想为人类事业做贡献？
你这话说的我泪流满面，但是我想说的是，说这帮人对两个数量级的财富差距视而不见，那是在骗人。毕竟，他们也不是不食人间烟火的神仙。不过，有野心追逐个人财富天花板的人和想为人类做贡献的人，完全可以是同一批人嘛。
技术迁移的反共识
关于这波自动驾驶人转做具身智能的大迁徙，外界给出的技术层面的解释是"技术栈平移"——感知、规划、控制、端到端，这些词在两个领域里都能用。其实，自动驾驶跟具身智能也像，也不像，而且深入观察之后，你会发现这帮人真正带走的东西，跟你以为的不一样。
像的部分，VLA就是一个很好的例子。在很多人印象里，VLA是先用在自动驾驶上、再迁移到机器人上的——这个印象主要来自2025年小鹏、理想等车企在VLA上的大力宣传。但事实恰恰相反：VLA原型是谷歌DeepMind 23年推出的RT-2，原本用在机器人领域，至于用在自动驾驶上，已经是25年的事情了。不过，这个普遍的误解恰好说明了一件事——两个领域的技术路线确实高度相似，相似到让外界完全分不清谁学的谁。
不像的部分，在于这两个赛道面向的场景、完成的任务、需要的能力压根不是同一回事。自动驾驶的场景是道路，任务是出行——从A点安全移动到B点，核心能力很聚焦：移动和避障。具身智能的场景横跨工业制造、零售物流、康养服务、家庭生活，任务从搬运、分拣、装配，一直延伸到端茶、叠衣、陪护——它需要的能力不仅是移动和避障，更是操作和交互。在场景-任务-能力的框架下，自动驾驶和具身智能的差别不是一般的大。
不过，差别大归差别大，这帮人从自动驾驶那边还是可以带过去一些东西的。它石智航创始人丁文超在接受甲子光年采访时，被问到"自动驾驶的经验有多少能直接搬到具身里"，他的回答干脆得有点出乎意料："我不觉得自动驾驶在技术路线上给具身多少直接借鉴。"紧接着他补了一句——"真正有价值的，是自动驾驶沉淀下来的一套数据闭环体系。"
这句话翻译过来就是：到了具身智能，场景换了、任务换了、本体换了，但"数据怎么采、怎么筛、怎么训、怎么迭代"的底层逻辑没有换。他们不需要从头学习怎么建AI Infra，怎么搭数据飞轮——他们可以把同一套兵法搬到更复杂的具身智能战场上。
写在最后
再说回印奇那句“可惜”。站在自动驾驶老板的位置上，看着这批最能打的老兵纷纷离场，去赴具身智能的新局，他当然会觉得痛心。但站在这些技术人的角度，这不过是顺理成章的转身。
自动驾驶的十年大考行至终局，大题做完了，剩下的是无休止的订正与打磨；而具身智能的卷子才刚发下来，上面写满了未知的难题。这群四十岁的技术人，带着旧战场的勋章和那套刻在骨子里的数据飞轮兵法，跨进了新考场。他们不是逃兵，只是去寻找下一道能点燃自己的大题。这不是谁对谁错的问题，大家都是站在各自的立场上，做出对自己最有利的选择而已。
