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。
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。
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。
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。"
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，中国每天有五亿多件快递，小件占绝大多数，末端配送按最保守的算法也是数百亿级的市场；往即时零售和社区服务再走一步，空间还要更大。恰恰是因为这件事本身足够难，才留出了纽娲的位置。
所以配送并不是纽娲的全部版图。杨睿刚经常要跟人解释这件事：配送是纽娲在跑的第一个场景，但公司的核心是做具身智能的大脑，他称之为 " 一脑多体 " ——同一个世界通行模型，可以装进轮式、足式等不同形态的机器人。快递快运是起步点，不是终点。
" 这套能力往上走，很容易扩展到即时零售：送外卖、送药、取生鲜；再往远了看，它会变成小区的基础设施，所有需要跑个腿的事情，都可以由它来完成。"
目前，机器人已经在真实场景里跑了起来：今年 8 月 1 日，纽娲在浙江桐庐开了一个自营的人机混合驿站——入库、分拣和异常处理由人来做，从驿站到住户门口这一段交给机器人，而且不对小区做任何改造。
他们在那里重点盯三个指标：完成率、接管率、恢复率。桐庐既是运营点，也是纽娲的数据和验证引擎：现场遇到的问题，复现进仿真，迭代之后再回到现场验证。下一步，会按楼型、密度和管理方式的不同，把它复制到更多站点。
至于纽娲接下来的发展规划：到年底，除了桐庐，PoC 会在三个点位跑起来，其中一部分会产生付费转化；下一阶段，目标是数百台以上的部署规模，收入进入千万量级；2028 年开始进入真正的规模化部署。
今年 8 月在世界机器人大会亮相之后，外界的反馈里，最让杨睿刚意外的是海外问询的明显增多——展会之后的一段时间里，很多机构对这个产品形态表现出了兴趣。
俄罗斯客户准备先买回去做测试，中东那边问得更实在，谈的就是批量部署的场景。纽娲原以为这条路要慢慢养，这几个月的感受是：市场比他们更急。
技术侧，他们的痛点也更集中：一是部署太慢，二是要求电梯控制改造——他们试过很多款酒店机器人都解决不了；价格侧，海外客户对这类新产品的接受度也高一些。
国内也在正常推进，只是海外的账先算得更清楚，可以先把这套能力放过去跑起来。
至于中东的合作伙伴：K2 集团是阿联酋的国有 AI 科技公司，业务覆盖无人驾驶和机器人，中国不少自动驾驶公司进中东市场——包括新石器、文远，百度萝卜快跑——都是通过他们做本地整合的。
K2 自己在市面上找 " 送到家门口 " 的方案已经找了两年多，中间试过好几款产品，都不满足要求，直到看到纽娲。今年 9 月初双方第一次接触，之后推进得很快。
不到一个月，在 9 月底阿布扎比 LIVEX 展上，纽娲的配送机器狗就带着 AutoGo 的标识，亮相阿布扎比市政和交通局（DMT）的展区，并且 PoC 落地他们的一个高层公寓楼。对方现有的无人车队有几千台，计划每台车至少配两个机器人，未来的规模化配套空间非常大。
融资的节奏上，纽娲显得很克制。杨睿刚的态度是谨慎的：融资是把双刃剑，每一笔钱背后都是对股东的承诺，花出去就要换回相应的价值。
所以他们会把未来几年的现金支出做比较精确的估算，目的是融到足够多的钱——尤其是能够吸引最好的人；但不融过多的钱，避免过度稀释现有股东的利益。在杨睿刚看来，资本效率本身就是竞争力。
回看此前的探索，无人配送进入社区和楼宇后，难题集中在几笔容易被低估的事件上：新场地的部署、既有设施的改造，以及异常发生时的人工兜底。这些成本一旦过重，机器省下的人力就会被抵消。纽娲的切入点，正对着这些难题：以世界通行模型处理通行与设施交互，把更多试错放进仿真环境，再将杨睿刚在自动驾驶领域的工程经验带入产品交付。桐庐的运营验证与中东合作的推进，让这套思路有了进一步接受市场检验的起点。如果新场地的适配成本能够持续下降，同一套能力就有机会服务不同需求，提高设备利用率，也扩大付费客户的范围。纽娲由此瞄准的，是从末端配送延伸到日常服务、让不同形态的机器人进入千家万户的市场。
（本文首发于钛媒体 APP，文｜Astray）
