小鹏汽车 AI Infra 负责人陆思渊据称将离职，或加入 OpenAI 参与具身智能机器人研发

7 月 20 日消息，据 IT之家援引雷峰网新智驾报道，小鹏汽车 AI 基础架构部负责人陆思渊即将离职，目前已进入工作交接阶段。来源显示，陆思渊的下一站已确定为 OpenAI，将参与具身智能机器人方向的研发工作。对于小鹏汽车而言，这一变动并非普通管理岗位调整：陆思渊此前负责搭建小鹏汽车 AI Infra 体系，其团队覆盖模型训练、算力管理、自研芯片配套软件、数据与车端部署等多条关键链路。

从智能汽车行业的技术演进看，AI Infra 已不只是“后台支撑”，而是决定大模型能否从实验室走向量产车的底层能力。尤其在端到端自动驾驶模型、自研芯片和车端推理部署成为竞争焦点后，基础架构团队的重要性正在快速上升。

陆思渊负责的小鹏 AI Infra 覆盖哪些关键环节

报道称，陆思渊在小鹏汽车直管约 200 人团队，主要任务是建设 AI 基础架构体系。其职责范围并不局限于训练平台，而是贯穿了从云端训练到车端落地的完整技术链路，包括模型训练框架、GPU 集群管理、自研芯片编译器、数据体系、模型量化优化，以及车端推理部署和量产落地。

这意味着，该团队既要解决大规模模型训练的效率问题，也要面对车端算力、功耗、稳定性和实时性的约束。对于智能驾驶来说，模型效果只是第一步，能否在实际车辆上稳定运行、按量产标准交付，往往取决于基础架构、编译器、运行时和工程化体系。

• 训练侧：负责模型训练框架与 GPU 集群管理，提升研发效率和算力使用效率。
• 芯片侧：为小鹏自研芯片构建编译器和推理运行时等配套软件能力。
• 模型侧：参与模型量化与优化，使模型更适配车端部署环境。
• 量产侧：支撑车端推理部署，把端到端模型推向实际量产应用。

自研芯片路线放大了 AI Infra 的战略价值

来源提到，与多数竞争对手依赖英伟达等第三方芯片平台不同，小鹏汽车选择了自研芯片路线。对于这一路线而言，硬件本身并不能单独形成竞争力，配套的软件栈同样关键。知情人士指出，小鹏自研芯片所需的编译器与推理运行时系统必须由 AI Infra 团队完成，这是小鹏将端到端模型真正推向量产的关键前提。

这也是此次人事变动受到关注的原因。智能驾驶进入大模型与端到端阶段后，车企比拼的不只是算法团队规模，还包括算力调度、数据闭环、模型压缩、车端推理、芯片适配等系统工程能力。AI Infra 的稳定性，直接影响模型迭代速度与量产节奏。

影响与解读：人才流向 OpenAI，具身智能竞争升温

据报道，陆思渊将前往 OpenAI 参与具身智能机器人方向研发。具身智能强调 AI 系统在物理世界中的感知、决策和行动能力，与自动驾驶在数据、感知、规划、实时推理和硬件协同等方面存在相通之处。因此，来自智能汽车 AI Infra 领域的人才流向机器人方向，并不意外。

对 OpenAI 来说，具身智能机器人若要从模型能力迈向真实硬件系统，同样需要强大的基础架构支撑，包括多模态数据处理、仿真与真实世界数据闭环、模型部署优化以及硬件适配。自动驾驶行业积累的工程化经验，可能成为机器人研发的重要参考。

对小鹏汽车而言，报道还提到目前尚未找到可替代陆思渊的合适人选。陆思渊离职后，其团队预计将被拆分为三个以上独立团队，由不同负责人分别管理，以尽量降低人员变动带来的影响。这样的组织调整有助于分散关键岗位依赖，但也可能带来跨团队协同、技术路线一致性和交付节奏管理上的新挑战。

整体来看，这一事件反映出两个趋势：一是智能汽车的核心竞争正在向 AI 基础设施、芯片软件栈和量产工程能力延伸；二是具身智能正在吸引来自自动驾驶、机器人和大模型基础设施领域的复合型人才。当 AI 从文本和图像走向车辆、机器人等物理终端，底层工程能力的重要性会进一步提升。