雷軍剛領投20億，這家機器人大腦公司，一個月后要推"住家保姆"

作者丨巴里

編輯丨吳巖

圖源丨自變量

4月20日，具身智能賽道一筆近20億元的融資宣告落地——自變量機器人宣布完成B輪融資，由小米戰投與紅杉中國聯合領投，至此，集齊了字節跳動、阿里巴巴、美團、小米、聯想、上汽、58同城等產業龍頭的戰略投資。

目前，自變量累計融資超40億，估值超100億，而能和它在大腦和真機數據抗衡的，只有星海圖、千尋、智元和宇樹了。

融資消息公布的第二天，這家由85后技術大佬王潛創辦的公司，便開了發布會，宣布推出全球首個基于世界統一模型架構（WUM）的具身智能基礎模型WALL-B，同時拋出了行業內迄今為止最明確的家庭落地計劃：

“35天后（即2026年5月25日），搭載WALL-B的新一代機器人將正式入駐首批真實家庭。”

看起來，目前自變量先把自己戰略先聚焦在最難最遠的家庭機器人場景。業界公認的是，工廠是機器人最先進入的場景。而家庭是終極考場，也是最遠的場景，機器人進入家庭至少還需10年以上的時間，但也是99%的機器人都跨不過去的門檻。然后再進入工業場景。

王潛在現場也戳破了行業的“表演式創新”泡沫：目前全球沒有任何一臺機器人，能在無遙控、無預編程的情況下，獨立完成家庭場景里的綜合整理任務。”

自變量的這次落地，是國內具身智能行業第一次把通用家庭服務機器人，從實驗室的PPT和Demo，推向了普通用戶的真實家庭，進行科普和用戶教育，更重要的是數據采集。

雖然投入采集數據成本巨大，可能對于企業而言，用錢拿數據，差異化專注單一最大市場，迅速占領用戶心智可能更重要，以及最短時間實現資本價值，才是王道。

推翻VLA主流架構

推自己的智能大腦

面對行業長期的技術瓶頸，自變量給出的解決方案，是徹底推翻了當前行業主流的VLA（視覺-語言-動作）架構，用全新的WUM世界統一模型重構了機器人的“智能大腦”。

自變量機器人創始人兼CEO 王潛

在兩位創始人看來，VLA架構的天花板早已顯現。

王昊解釋：“VLA本質上是視覺、語言、動作三個獨立模塊的拼接，數據在三個模塊里逐級傳遞，每過一次模塊邊界，就會發生信息損耗和延遲。視覺模塊學到的豐富信息，傳到動作模塊時，只剩一個模糊的摘要。”

更根本的問題是，它只能模仿訓練數據里的軌跡，根本不理解物理世界的規律，它不知道杯子為什么會掉，不知道盤子懸在桌邊會摔碎，只是在重復見過的東西。

而最新的WALL-B，其核心的WUM世界統一模型，設計邏輯類比蘋果M1芯片的統一內存架構，把視覺、語言、動作、物理預測等所有能力，放在同一個網絡中從零開始聯合訓練，徹底消除模塊間的邊界和數據搬運損耗，實現了從“拼接式架構”到“原生統一整體”的跨越。

王潛直言不諱地表達了對行業主流路線的判斷：“現在行業里要么是從VLM大模型延伸到VLA，要么是從視頻生成/世界模型延伸到動作模塊，這兩種做法本質上都有問題。這些模型本來就不是為具身智能、為物理世界交互訓練的，根本捕捉不到我們真正關心的核心規律。”

“我們做的，是專門為機器人、為物理世界打造的基礎模型，徹底從頭開始預訓練，這和行業主流路線是完全相反的。”

基于WUM架構，WALL-B形成了三個區別于行業現有方案的核心特征：

第一是原生多模態融合，首次實現“原生本體感”，無需持續觀察自身、無需依賴大量外部傳感器，就能內在感知自身的空間尺寸與動作邊界，王昊補充說“這種內生的空間感知能力，甚至很多動物都不具備”；

第二是掌握物理世界底層規律，能基于重力、慣性、摩擦力等通用物理規則預判風險，實現跨場景零樣本泛化，無需針對每個家庭重新訓練；

第三是可自主交互、自我進化，任務失敗后會自主調整策略重試，成功后直接將經驗更新到模型參數中，無需工程師重訓、無需返回實驗室，王昊強調“它沒有固定的迭代周期，執行任務的同時就在回流數據，模型進化、數據回流、效果評估在同一時刻發生，這和行業傳統的離線訓練模式有本質區別”。

從“糖水”到“牛奶”：

真實場景數據壁壘在哪？

自變量采用了WUM架構作為技術底座，同時宣布自己用的是真實家庭場景的“牛奶數據”， 以此作為自己壁壘。

王昊認為，“行業里大多數模型用的都是實驗室的‘糖水數據’，干凈、可控、量大，但和真實世界完全脫節。”

他直言，實驗室里固定的光照、固定的物品擺放、無干擾的環境，和家庭里隨時變化的自然光、隨意堆放的物品、孩子和寵物的隨機動作完全是兩回事，“用糖水數據訓出來的模型，在實驗室里表現再好，到了真實家庭里立刻就失效了”。

自變量機器人聯合創始人兼CTO 王昊

而自變量從成立之初就堅定選擇了“牛奶數據”的路線——真實家庭環境中采集的嘈雜、多變、充滿隨機性的數據。

王潛提到，為了獲取這類數據，團隊深入了數百個志愿者的真實家庭，每一戶的戶型布局、燈光條件、物品擺放、生活習慣都完全不同，有的家庭地面散落著玩具和快遞箱，有的家庭貓會突然跳上操作臺面，有的家庭廚房和客廳冷暖光差異極大，“這些變量在實驗室里根本無法1:1模擬，但卻是家庭環境里的日常，也是模型必須學會應對的真實條件”。

這種方式和美國機器人大腦的頭部公司Physical Intelligence的數據采集方法基本一致。

王昊拆解了自變量的數據分級體系，以及不同類型數據的價值差異。

“我們核心堅持數據必須來自真實環境，同時把真實世界的數據做了明確分級，從最底層的本體操作數據，到穿戴設備采集的視頻數據，再到最高價值的交互式數據。”

他解釋，所謂交互式數據，不是人工遠程操作機器人采集的固定數據，而是讓機器人自主探索、人機協作過程中產生的數據，“看起來越容易獲取的純視頻數據，訓練難度反而越大，信息密度越低；而交互式數據的物理信息最豐富，價值最高，雖然采集難度最大，卻是我們最核心的數據源”。

王昊反復強調，數據的價值從來不是以條數衡量的，而是以它能覆蓋的任務豐富度、復雜程度來衡量的。

“我們不會為了某個任務刻意采集固定條數的數據，更不會預設機器人要做多少次才能學會一件事。我們的邏輯是先讓搭載模型的機器人去真實場景里做，能做的部分自主完成，做不好的部分人工輔助，這個過程中產生的數據，才是真正有價值的。”

此前，自變量基于上一代WALL-AS模型，已經通過與58同城的合作，跑通了“商業落地-數據回流-模型迭代”的正向飛輪，這也是其敢在35天后推進家庭入駐的核心前提。

王潛介紹，和58的合作不是Demo測試，而是真實的付費商業服務：“深圳的用戶現在打開58 APP，就能直接約機器人上門服務，機器人和保潔阿姨一起進家，現場不需要我們的員工實時支持，只在遇到無法處理的問題時，觸發遠程人工接管兜底，解決問題后再交還給AI自主執行。”

而35天后，搭載WALL-B新模型的機器人入駐家庭，就如同和“住家阿姨”一樣。

針對35天后即將開始的機器人開始入駐家庭場景的最核心的隱私顧慮，自變量也同步明確了三大解決方案：

首先，設備端實時視覺脫敏，原始圖像不離開設備；
其次，用戶主動授權才能開機，無任何“默認同意”；
最后，數據絕不共享第三方，機器人只認一個主人，發現可疑指令立即鎖定。

王昊表示，自變量的模型迭代邏輯和行業完全不同：“傳統模式是先有數據，再訓模型，再去新場景評測；我們是大規模預訓練后，模型已經具備零樣本泛化基礎，直接讓機器人去真實家庭里執行任務，做不了的部分通過人機協作完成，數據同步回流，下一次就能克服這個困難，全程不需要刻意采集數據。”

對于數據配比與數采工廠的布局，王潛介紹：“我們2024年初就建成了自有的數據采集工廠，目前仍是全國乃至全球規模最大的數采工廠之一。我們會平等對待工廠采集的數據和真實家庭場景的數據，把它們當成一個統一的集合調整配比，不會做生硬的切割。整體數據策略就是‘實驗數據打底，真實場景提質’，實驗室數據用來建立基礎的物體識別、動作執行能力，真實家庭數據用來讓模型學會在不確定環境中生存。”

被自己下場的巨頭集體看好

本輪融資完成后，自變量已經成為國內具身智能賽道里，唯一一家集齊字節跳動、阿里巴巴、美團、小米四大互聯網巨頭戰略投資的企業，股東名單還包括聯想、上汽、58同城等產業龍頭，可以說是賽道內集齊產業投資方最多的創業公司。

一個無法回避的問題是：小米、阿里、字節、美團這些巨頭，自身都已布局具身智能賽道，擁有獨立的機器人研發團隊，為什么還要集體投資自變量？

王潛直接回應了這個問題：“我們算是整個中國AI領域，不光具身領域，大廠投的最多的一家公司，所有投我們的大廠，自己都在做具身，這也不妨礙他們投我們。核心原因有兩個，第一，這個市場足夠巨大，容得下多家玩家；第二，創業公司在這件事上，有大廠完全比不了的優勢。”

在他看來，產業資方集體押注自變量，核心看中的是其不可復制的技術壁壘與全鏈路能力，這也是自變量區別于其他模型創業公司、甚至大廠內部團隊的核心優勢。

首先是技術路線的稀缺性與領先性。

當前行業內絕大多數玩家，包括大廠的很多團隊，走的都是“基于開源大模型微調，拼接視覺、動作模塊”的捷徑，而自變量是國內極少數堅持從頭自研具身智能基礎模型的企業，其WUM架構的路線，與行業主流VLA路線形成了明顯的差異化，也構建了更高的技術門檻。

其次是全鏈路工程體系的護城河。

“模型架構很容易抄，半年時間，大家就能搞明白上一代模型的架構。但抄不走的，是從數據定義、采集、清洗、過濾，到訓練、評測、迭代的全鏈路工程體系。”

王潛以OpenAI舉例，“OpenAI領先了谷歌兩年，在機器人領域，這個技術領先的窗口期會更長，至少三年以上。”

更關鍵的是，大模型可以通過蒸餾降低技術門檻，但機器人不行。

“為什么大家覺得大模型時代技術門檻變低了？因為蒸餾做得太多了，大家都忘了真正的技術差距是什么。但機器人這個東西，沒法蒸餾。”

第三是全棧自研的軟硬一體整合能力。

這是王潛反復強調的核心競爭優勢，自變量不僅做模型算法，還實現了機器人本體、機械臂、力控關節、主控制器等核心零部件的全面自研，能從模型需求出發定義硬件，從硬件特性優化模型，實現軟硬深度適配。

而大廠的組織架構里，硬件團隊和算法團隊往往是分開的，很難實現這種全鏈路的拉通與協同。

除了技術本身，產業投資方與自變量的業務協同，也是投資的核心邏輯。

例如，與58同城、美團的協同，是家庭服務與本地生活場景的深度綁定，二者的海量家庭訂單與線下資源，既可以成為自變量真實數據的核心來源，也是未來規模化落地的核心渠道。

2026機器人內卷大賽中

錯位競爭

隨著巨頭下場、創業公司扎堆，具身智能賽道的競爭早已進入白熱化階段，而在核心的具身智能大腦賽道，國內外玩家的路線分化已經愈發明顯。

國內市場，除了自變量之外，星海圖、智平方、千尋智能、千訣科技是賽道內的核心競爭者，各家路線差異顯著。

其中，星海圖同樣聚焦通用具身大模型研發，側重多模態交互與機器人操控的端到端落地；智平方則以工業場景為核心切口，基于VLA架構打磨垂直場景的具身模型，優先落地工廠產線的標準化作業；千尋智能深耕VLA架構的輕量化落地，主打消費級機器人的智能升級；千訣科技則采用類腦分區架構，主打解耦、跨硬件適配、超長時自主決策，定位 “機器人的智能操作系統”。

海外市場，自變量的核心對標企業是Physical Intelligence（PI），這家企業同樣聚焦通用具身智能基礎模型研發，主打基于大模型的機器人通用操控能力，獲得了微軟、英偉達等企業的投資。

在王潛看來，當前的具身智能賽道，已經分化成了兩條完全不同的發展路線：一條是硬件優先路線，以雙足人形機器人為核心，主打舞臺表演、工業巡檢、封閉場景作業，核心競爭點是硬件性能、運動控制能力；

另一條是智能優先路線，以通用具身基礎模型為核心，主打開放場景的通用交互與操作，核心競爭點是模型的泛化能力、物理世界理解能力、自主進化能力。

“跑馬拉松的雙足機器人，和我們做的事，是兩個完全不同的領域，甚至兩個完全不同的行業。”

王潛認為，“硬件在中國從來都沒有壁壘——今天你做出來一個特別好的硬件，明天供應鏈就全給你整明白了，后天所有人都能做一模一樣的東西。硬件的壁壘，只能靠產品、商務去構建，但我們做的，是基礎模型的事，壁壘要高得多得多。”

而關于兩條路線的底層邏輯差異，王潛進一步解釋：“工業和家庭是兩個極端相反的場景，家庭是極致開放的場景，對泛化性、復雜度的要求到了極致，核心靠預訓練的基礎模型；工業是相對封閉的場景，對速度、準確率的要求極高，核心靠后訓練的場景優化，技術上是兩個完全不同的方向。”自變量的戰略是先家庭，后工業。

他反復強調，舞臺上機器人的后空翻、跳街舞，視覺沖擊力再強，本質也都是預設軌跡的“命令行機器人”；工廠里的工業機器人可以把一個動作重復一萬次，每次環境條件完全一致，但家庭場景完全相反：一萬個動作每個可能只做一次，每次的環境條件都不一樣。

這種極致的隨機性、碎片化，以及上肢精細操作中無處不在的非線性物理交互，讓家庭場景成為對機器人智能能力的終極考驗，也讓行業長期陷入“雙足、靈巧手、力控關節等硬件早已到位，大腦卻沒跟上”的困局。

而自變量的邏輯是，先把基礎模型的底座打牢，再去拓展工業等垂直場景，而不是反過來。

對于行業未來的發展，王潛的判斷是：未來兩到三年，具身智能行業就會迎來物理世界的“Aha moment”，就像當年ChatGPT引爆數字世界一樣。

本文為創業邦原創，未經授權不得轉載，否則創業邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯系editor@cyzone.cn。