纽娲机器人杨睿刚：无人配送跑了十年，机器人为何还到不了家门？

物流快递的无人化进程已走了十年，从 京东 推出国内第一辆无人配送车算起，美团、菜鸟、 百度 、顺丰先后进场，一批创业公司陆续入局。到今天，根据公开资料，全国物流无人车保有量超过3.5万台，200多个城市开放路权，中通的无人车队每天运送超过20万件包裹。 而随着开放无人配送的路段越来越多，靠近家门的那几百米，却成了整个行业最难攻克的堡垒。进小区、进单元楼、上电梯、把东西放到用户门口，这些事至今还是快递员在做，更多的时候，是消费者自己去驿站和快递柜取。 过去十年，尝试突破这最后几百米的公司很多，但大多数都没了下文：京东的配送 机器人 曾一度送进过30多个城市的校园、园区和街道，如今却依然选择退守驿站；菜鸟的小蛮驴实际配送跑了多年，今年年初，整个无人车业务并入九识智能；顺丰等头部企业也在楼宇场景探索多年，入户配送至今仍未形成规模。 不止国内，海外也是同一条曲线： 亚马逊 的Scout跑了三年多之后关停， 联邦快递 的Roxo同期退场，起步最早的Starship今年也撤出了美国的多所大学校园。 之所以大多数探索都没能走通，是因为最后这几百米和前面所有的路都不一样。公路、网点和驿站是相对标准化的公共空间，而最后这一环要进的，是一个个由物业和业主管理的私人空间。全国有65万个小区，光电梯就有约600个品牌，门禁、门体各有各的型号和规则，要进入这个场景，就得跟物业、业主、电梯维保一层层沟通。 就算是过了进场这关，每进入一个新场地，部署团队都要重新建图、打点、试运行，一套流程以周计算，换一栋楼就从头再来一遍。部署也因此变成了整条链路里最重的工作，成为成本高企的核心原因。 远超想象的环境复杂性是另一道门槛，小区里的人流、车流、临时堆放的杂物、没有信号的电梯，都在持续制造异常，这种复杂性在某种程度上，比公开道路还要高，因为有时候连路都没有。机器自己处理不了，就会需要人工远程兜底。计划中省下来的快递员岗位，变成了贵得多的遥操员岗位。 所有这些困难最后都归因于一件事：十年里，这笔账没有一家打正过。 变化也在这几年出现。一是无人配送整车的成本从几十万元降到几万元；二是AI技术的发展让曾经的部署难题和对复杂环境的应对都看到了解决的希望；三是在人力更贵、没有驿站的海外市场，送上门这笔账率先被算平。这段曾被绕开的路，正在被一些新公司重启。 2026年初成立的纽娲机器人就是一家专注于解决无人配送最后几百米问题的公司。这家公司立志让机器人自己走进小区、单元楼、乘电梯，把东西送到住户门口，部署时不需要提前测绘建图，也不需要改造小区的道路和楼宇。 创始人杨睿刚是上海交通大学特聘教授，IEEE会士，本科毕业于清华大学，硕士毕业于哥伦比亚大学，博士毕业于北卡罗来纳大学，在美国肯塔基大学做过十七年教授。之后回国加入百度，任机器人与自动驾驶实验室主任，主持开发了自动驾驶开源数据集ApolloScape。2020年至2024年，他还担任嬴彻科技CTO，主导了L3级自动驾驶重卡的量产。2024年，他从嬴彻离任，之后投身无人配送，创办纽娲机器人。公司核心团队以具身智能方向的青年博士为主，骨干来自百度、嬴彻。 纽娲的底层技术是一套自研的“世界通行模型”，用自研仿真引擎生成的数据训练，可适配多种类无人配送机器人，让机器人在人类空间里实现自由顺畅通行。6月，纽娲完成5000万元天使轮融资，蓝湖资本领投，更早的种子轮则由Plug and Play中国基金领投。 今年8月，纽娲机器人在世界机器人大会期间正式发布了配送机器人产品。9月29日至10月1日，纽娲机器人在阿布扎比完成阿联酋首秀，携服务机器人亮相首届LIVEX宜居城市与投资展。同时，纽娲机器人也正与当地科技企业K2推进概念验证（PoC）合作，探索机器人在阿联酋服务场景中的应用。 最难的那几关 这一轮具身智能的浪潮里，大部分公司的叙事集中在机器人的操作能力上，纽娲却选择把“通行”单独拎出来做。在杨睿刚看来，行业谈具身智能，通常讲三件事：操作、运动、交互——操作当然重要，但机器人要真正走进人的世界，第一个要跨过去的门槛是“到达”，纽娲把这件事叫“具行智能”。 社区、楼宇、园区这些地方，和工厂车间、桌面完全不同：没有车道线，没有固定的工位，人的行为还在不断变化，机器人要在这里面稳定、自然、安全地移动，涉及的技能维度并不比灵巧操作少，只是过去被关注得少。 纽娲从场景出发，把“机器人怎么进入人类世界”这个问题单独拿出来解决——先把“到达”这件事做扎实，其他能力才有舞台。 至于小区里的自动驾驶和公共道路上的自动驾驶到底有什么区别，杨睿刚的对比很直接：车在公共道路上跑，规则是清楚的，按规矩来就行。 到了小区里，规则变得模糊。一片草坪，机器人能力上可以过去，但应不应该过去？没有既定规则可以解答。一个小狗挡在小路中间，是绕开它，还是把它赶跑？这些判断不只是技术问题，还要符合人类的行为规范。 类似这样没有标准答案的场景还有很多，解决方案只有让机器人学会人类在同样情况下的处理方式。而社会规范不是统一的，不同城市、不同社区，人们默认的习惯都不一样，只能先用大量视频轨迹预训练一个行为模型，再随着机器人进入一个个真实场景去微调。长期看，这些真实场景里的数据，会成为纽娲最重要的积累。 难点不仅在于环境复杂、规则模糊，和人交互的方式是另一个极难平衡的点。杨睿刚的说法是：人是最难预测、也最难建模的对象。 机器人的动作要让人舒服：什么时候让行、怎么避让、什么情况下停下来跟人沟通，这些不是写几条规则就行的。一个典型例子是酒店机器人被抱怨最多的问题：跟人抢电梯。 纽娲对这件事做得很保守，现在的策略是：电梯里只要超过一个人，机器人就默认不上梯；如果等得太久了，也会先计算电梯里的空间和人数，确认挤得进去再进。 “这个问题本身就是一个跷跷板：太讲效率，什么都抢，就会被投诉；太讲礼貌，又可能一直上不去电梯。纽娲花了很多时间在这个平衡上，还专门采集了人在电梯里、电梯厅里的行为数据，去找那个既高效、又被接受的中间点。” 这个策略听起来很极端，但纽娲的判断是，在这个阶段，被人接受比效率本身更重要；随着部署的场景更多、更繁忙，这个策略还会再调整。 针对传统方案的部署难点，纽娲的解法完全不同。传统方案先要遥控机器人把场地跑一圈，采集一张高精地图，然后在地图上手工打点：一户对应一个点，一千户的小区就要打一千个点，有些电力巡检的场景里要打上三万个点——这套流程走下来，时间以周计算。 而纽娲的做法是：室外直接复用公开导航地图的路网信息，没有覆盖的地方，机器人自己走一圈，提取关键节点，建一张自己的拓扑地图；室内也一样，靠它自己探索，不需要地图，也不需要打点。 一个小区通常一天之内就能完成部署，算上交付验收，两天之内就能跑起来。 而且部署之后，日常几乎不需要人工维护，地图会自动更新。小区里的日常变化——临时多停了两辆车、路边围了个栏杆，只要留出五十公分左右的通行空间，机器人就能识别、定位、通行；只有路彻底堵死、门封掉这种大变化，它才会自己去重新探索一条路线。 快递只是起点 具行智能的故事会不会想象空间有限？杨睿刚并不回避：“这个市场首先是艰难的——行业头部公司在这个方向上做过一轮又一轮，如果这件事简单，早就有人做成了。” 在杨睿刚的眼里，这件事的市场规模并不小