ARTICLE · 商业科技
创业 11 年沈亚楠的非共识：造通用机器人，第一步就要进家庭
一语总结理想汽车联合创始人沈亚楠创立具身智能公司恩戈罗（NGORO），主张通过率先进入家庭场景构建数据飞轮，以「全栈 2.0」工程思维打造低成本、高实用性的通用机器人。
本文深度报道了沈亚楠创立具身智能公司恩戈罗（NGORO）的创业逻辑与产品路径。面对具身智能行业的泡沫与落地难，沈亚楠采取「非共识」策略：第一步直接挑战最复杂的家庭场景，利用其另一公司「栖息地」提供的半结构化环境和数字孪生系统，打破数据匮乏的「鸡蛋困局」。产品定义上，恩戈罗追求「最小可用产品」，聚焦洗衣、清洁等高频任务，在外观上强调非拟人化的艺术感与亲近感。技术架构采用大小脑分层，由慢脑规划长程任务，快脑执行原子动作。在商业维度，团队将造车量产经验迁移至机器人，强调全栈协同与供应链成本控制，目标将 BOM 成本压低至 3 万元以下，计划 2027 年首批部署 2000 台，旨在通过真实家庭数据的闭环最终走向通用机器人。
- 采取「先进家庭」的非共识路径，利用半结构化环境启动数据飞轮
不同于从工业/商业场景循序渐进的路径，恩戈罗直接进入家庭。通过与「栖息地」智能住宅合作，在半标准化的环境中降低学习成本，利用 1:1 数字孪生和真实样板间采集数据，解决具身智能缺乏真实场景数据的核心痛点。
- 产品定义遵循「最小可用」原则，强调用户价值而非技术演示
将功能定义为类似智驾「自动泊车」的小而美切入点，聚焦洗衣、物品归位等高频且任务清楚的场景，确保机器人能「打穿」全流程任务，而非在实验室中做简单的 Demo 演示。
- 采用「大小脑分层」的技术架构以提升数据效率与响应速度
慢脑负责长时空信息的理解与长程任务规划，快脑负责物理因果性的原子动作执行。这种分层架构降低了对全量数据的依赖，且支持云端与端侧的灵活算力部署。
- 将汽车工业的量产经验迁移至机器人，强调「2.0 全栈」与商业常识
主张本体、大脑、数据、供应链从原点同步设计，而非碎片化补齐。通过严控 BOM 成本（目标 3 万元以下）和构建售后/交付体系，避免纯技术驱动的陷阱，追求成本与性能的正向飞轮。
创业 11 年沈亚楠的非共识：造通用机器人，第一步就要进家庭
本文深度报道了沈亚楠创立具身智能公司恩戈罗（NGORO）的创业逻辑与产品路径。面对具身智能行业的泡沫与落地难，沈亚楠采取「非共识」策略：第一步直接挑战最复杂的家庭场景，利用其另一公司「栖息地」提供的半结构化环境和数字孪生系统，打破数据匮乏的「鸡蛋困局」。产品定义上，恩戈罗追求「最小可用产品」，聚焦洗衣、清洁等高频任务，在外观上强调非拟人化的艺术感与亲近感。技术架构采用大小脑分层，由慢脑规划长程任务，快脑执行原子动作。在商业维度，团队将造车量产经验迁移至机器人，强调全栈协同与供应链成本控制，目标将 BOM 成本压低至 3 万元以下，计划 2027 年首批部署 2000 台，旨在通过真实家庭数据的闭环最终走向通用机器人。
晚点 LatePost 深访理想汽车联合创始人沈亚楠：新公司恩戈罗为何反共识地让通用机器人「先进家庭」，用半结构化环境启动数据飞轮；如何以最小可用定义产品、用大小脑分层提升数据效率。具身智能创业路径的一手判断。
文章金句
"具身智能并不像互联网智能有这样规模的先天数据。这就是困扰大多数技术团队和公司的 "先有鸡还是先有蛋" 的问题。
"机器人做的任务，是否真能让用户少一件操心事。
"质量是设计出来的，不是量产后再靠质检筛出来；成本也是设计出来的，不是量产后再靠抠人工降出来。
"具身公司 "满地捡钱" 的阶段在结束，不能只靠融资速度讲故事，要有产品、成本、交付和数据的闭环。