四家大廠齊押注，自變量宣布：機器人住家，倒計時一個月

本文來源：消費者報道 作者：馮戀閣

近日，自變量機器人舉行了一場發布會，推出新一代機器人進家庭計劃。據介紹，一個月后（5月25日），自變量將推出搭載新一代自研具身智能基礎模型WALL-B的機器人，進入家庭提供服務。簡單來說，WALL-B是一個升級版的機器人大腦，可以讓機器人能真正看懂、理解、搞定真實場景的復雜任務。

（圖源：《消費者報道》攝）

此前，這家公司已經和58同城合作，用戶通過58同城APP即可預約由人類保潔+機器人提供的智能保潔服務。

近幾年，具身智能市場已經跑出了多家知名行業獨角獸，自變量是其中之一。這家公司在今年1月宣布完成了由字節跳動領投的10億元A++輪融資。除字節外，自變量此前先后獲得美團、阿里的投資。而在日前的發布會上，王潛確認，公司前不久已經完成了B輪融資，由小米戰投領投。

當前，機器人廠商們有的面向表演、有的面向科研，還有的轉向工廠。為什么自變量會選擇押注家庭場景？

機器人住家，倒計時一個月

在這場大會上，最受關注的是自變量機器人即將嘗試常駐家庭服務。自變量表示，自發布會當日起，用戶可通過官方渠道提交申請。

（圖源：企業供圖）

背后的技術，則是其基于世界統一模型架構（WorldUnifiedModel，WUM）的具身智能基礎模型WALL-B。

由于訓練時使用了大量真實世界數據，WALL-B能夠基本理解重力、慣性等物理常識，可以做到預測物體狀態、零樣本適應新環境。除此之外，WALL-B還能實現長期記憶與自進化。“機器人實際運行中，在推理和執行任務時，會持續進行數據回流、在線運行模型，因此沒有固定迭代周期，而是實時更新自身參數。”自變量創始人兼CEO王潛在接受《消費者報道》等媒體采訪時表示。

但機器人要走進家里，除了高效，更重要的是隱私。

據自變量介紹，搭載了WALL-B的機器人在設備端對原始圖像進行實時打碼處理，原始圖像不離開設備，機器人將處理去除個人特征的場景數據；透明授權，用戶主動按下同意鍵后方可開機；此外，公司也保證做到數據不向第三方共享。

不過王潛也坦言，機器人并不是全然“獨立”地完成任務。目前機器人的每一次清潔任務由公司的綜合智能系統統籌完成。“現階段，受限于技術的發展，機器人的動作相比于人來說依然有差別。”王潛坦言，當前模型仍處于“實習生”階段，會犯錯，需要遠程協助，有時可能把拖鞋放到廚房、擦桌子擦到一半停下來“思考”。但其能夠實現24小時不間斷工作，且每工作一天都會因新數據的產生而變得更“聰明”。

家庭，是自變量今年在應用領域嘗試的重要方向。

此前自變量已經和58同城合作，在深圳推出了智能保潔家庭服務。具體而言，自變量的家務機器人會和保潔阿姨配合提供3小時左右的家庭清潔服務。阿姨和機器人分工明確：機器人主要負責客廳區域的收納和基礎清潔，保潔阿姨承擔與客戶溝通、現場判斷以及更復雜的深度保潔工作。

發布會同日，自變量該項限時智能保潔服務也正式在北京上線，用戶通過58同城APP或微信小程序即可在線預約。

《消費者報道》嘗試在58同城APP上預約智能保潔服務。定位深圳時的預約價格為149元3小時，和該APP上3個小時的人類獨立完成的日常保潔價格接近。

（圖源：網絡截圖）

據《消費者報道》了解，在去年年底，自變量與招商積余醫養公司（招商觀頤）、深圳技術大學聯合申報的“面向生活照料的智能機器人研發與應用驗證”項目，入選工業和信息化部、民政部聯合發布的《智能養老服務機器人結對攻關與場景應用試點項目公示名單》。

這一項目對失能、半失能老人的日常照料提出六大解決方案，包括基礎護理、監測預警、差異化照護、情感陪伴、健康管理、環境清潔等。

家庭，最好的機器人大腦試煉場？

一個機器人的能力，由“手（運動控制）、眼（視覺）、腦（感知決策）”等共同決定。

自變量自成立以來重點關注的方向，是大腦。

在具身智能大腦領域，一直存在VLA（Vision-Language-Action，視覺－語言－行動）模型、WMA（World-Model–Action，“世界模型+動作策略”）模型等技術路線的討論。

VLA一度被業界視為具身智能的主流技術路徑。2024年底，自變量發布基于VLA架構的第一代具身基礎模型WALL-A，2025年9月，將同樣思路架構下的輕量化模型版本WALL-OSS開源。

在這條技術路徑下，機器人根據視覺輸入和語言指令，執行動作完成任務。

“VLA架構本質上是三個獨立模塊的拼接：視覺模塊負責識別物體，語言模塊理解指令，動作模塊生成軌跡。”自變量聯合創始人兼CTO王昊指出。換言之，VLA技術路徑下，機器人要做的就是讀懂指令，并做出指令對應的動作。

這條路徑相對清晰，但是隨著機器人面對的任務場景逐漸復雜，痛點也開始顯現。

VLA模型只能模仿訓練數據中的軌跡，無法真正理解物理世界的規律。換言之，機器人只能重復被訓練過的動作，并不真正理解自己需要解決的問題。

現實世界是復雜的，機器人要真正投入實用場景，“隨機應變”的能力非常關鍵。這也是自變量研發WALL-B的初心。

在訓練數據層面，WALL-B在預訓練階段同步學習視覺、聽覺、語言、觸覺、動作，多模態輸入，進而能夠實現多模態輸出。

（圖源：《消費者報道》攝）

自變量拋出了一組相對的概念，“糖水數據”和“牛奶數據”。

行業內大多數訓練模型的數據是前者：來自實驗室，固定光照、固定物體位置、無干擾環境。干凈、可控、量大，但與真實世界差距顯著。

但是對機器人來說后者則更為重要。牛奶數據是采集自真實的現實物理環境，比如家庭的數據。其中有自然光、有隨意擺放的物品，家庭中人類、寵物的移動也相當隨機。復雜度高，而且會有大量的不可控的情況發生。

“工廠環境下，一個動作可以重復一萬次且每次條件相同；而在家庭中，一萬個動作每個可能只做一次，每次的環境條件都不一樣。”王潛表示，家庭環境具有極高的復雜性和非標準化特征，家庭產生的真實世界數據用以訓練，能夠滿足對機器人泛化性的要求。

因此，自變量認為，家庭是具身智能真正的考場。

同時，市場上也客觀存在需求。

去年世界人工智能大會上，王潛在接受媒體采訪時曾表示，自己最關注的不是上市或融資，而是能否給客戶創造價值。當時他表示，還沒發現真正能在實用場景中算出投資回報率（ROI）的商業化落地場景。

今年，王潛在接受《消費者報道》等媒體采訪時透露，自變量整體的主線是要保持基模不斷向前迭代，通過家庭這類最復雜的場景，能夠極大提升模型的通用能力。當具身基模能在家庭中處理各類復雜任務時，本質上就已對其他垂類場景構成降維打擊。反過來看，如果選擇一個一個垂直場景逐步去覆蓋，做大量不同的模型系統，短期內的確可以加速落地，但長期來看，對基模能力的提升作用比較有限。

（圖源：企業供圖）

他認為，家庭勞動市場背后，有一個規模不小的市場。

單就進入家庭這一場景來看，家務勞動在GDP中的占比約為20%。“人類每天大約會花費1-2小時用于家務，對應職場8小時工作時間，占比接近1/4到1/5，理論上這就是一個體量相當于20%GDP的市場。”王潛表示。

不過他亦透露，目前公司并未設置具體的業績目標。“我們比較關心如何成為首個實現具身智能“Aha Moment（頓悟時刻）的團隊，而非具體的業績節點或研究目標。”王潛認為，家庭只是公司目前技術探索進程上比較適合的落地方向。

在更遠的未來，自變量錨定的是通用機器人市場。在他看來，這一市場未來的對應著難以用數量級衡量的市場價值。