小米剛投了近20億，又發(fā)布了新一代模型WALL-B，還撂下一句“35天后機器人進家庭”的狠話。今天咱們就來聊聊，這家公司憑什么敢說“讓機器人告別預設腳本，真正走進你的客廳”？讀完這篇，你大概就能明白，未來可能比我們想象的來得更早一些。

融資消息：一個集結(jié)了四家互聯(lián)網(wǎng)巨頭的“超級天團”

先說點大家關心的“硬通貨”。據(jù)《智能涌現(xiàn)》獨家消息，自變量已經(jīng)在3月底到4月初完成了近20億元的B輪融資，由小米戰(zhàn)投和紅杉中國聯(lián)合領投。這個小米戰(zhàn)投大家不陌生吧，這兩年它在具身智能領域頻頻落子，從觸覺傳感、靈巧手到本體和模型，幾乎全賽道覆蓋。而小米自家的機器人CyberOne也剛剛進入工廠“實習”，主攻柔性裝配。所以這次小米親自下場領投自變量，傳遞的信號其實很明確：在家庭機器人這條賽道上，小米找到了自己認可的“大腦”合作伙伴。

但比小米更刺激的，是自變量背后的股東全名單。在此之前，美團、阿里、字節(jié)跳動分別在A輪、A+輪、A++輪領投或獨投了自變量。也就是說，到現(xiàn)在為止，自變量已經(jīng)成為國內(nèi)唯一一家同時獲得字節(jié)、美團、阿里、小米四家互聯(lián)網(wǎng)大廠投資的具身智能企業(yè)。

一個做機器人的公司，憑什么集齊了所有互聯(lián)網(wǎng)頂流？答案還得落到它的產(chǎn)品上。

核心瓶頸：機器人早就不是“手”的問題了，是“腦子”

現(xiàn)在大家經(jīng)常刷到機器人后空翻、寫毛筆字、跳舞的視頻，看著很震撼，但自變量的創(chuàng)始人兼CEO王潛一針見血地指出了本質(zhì)：這些本質(zhì)上還是預設軌跡的“命令行機器人”，每一個動作都經(jīng)過預先編程或遙控操作。工廠里的工業(yè)機器人也一樣，一個動作可以重復一萬次，每次條件都相同；但家庭環(huán)境恰恰相反，一萬個動作可能每個只做一次，每次條件都不一樣。

王潛在發(fā)布會上說了這么一段話，我覺得特別能反映當下的困局：“硬件已經(jīng)到位了，雙足、靈巧手、力控關節(jié)都很好。但大腦沒有跟上。家庭環(huán)境中的每一秒都可能出現(xiàn)全新事件——貓何時跳上桌子、孩子把玩具扔在哪里、地毯的摩擦力與實驗室地板完全不同。”

聽著是不是特別真實？這就是我們每天在家里會遇到的“隨機性”。貓會突然跳上桌子，孩子會把玩具扔在完全意想不到的地方，陽光的角度會變化，地板的摩擦力也和實驗室的標準地板不一樣。這就是為什么至今沒有一臺機器人能真正做家務——不是硬件不夠好，是大腦不夠聰明。

重磅模型WALL-B：機器人有了屬于自己的“統(tǒng)一內(nèi)存”

既然問題出在大腦，那就從大腦改起。自變量聯(lián)合創(chuàng)始人兼CTO王昊在發(fā)布會上詳細解讀了新一代模型WALL-B。

怎么理解WALL-B的突破呢？王昊用了一個非常巧妙的比喻——蘋果的M1芯片。在M1之前，Mac電腦的CPU、GPU、內(nèi)存都是各自獨立的，數(shù)據(jù)在三個模塊之間搬來搬去，每搬一次就損耗一次，性能瓶頸非常明顯。蘋果通過“統(tǒng)一內(nèi)存架構(gòu)”讓所有處理單元共享同一塊內(nèi)存，性能一下子就起飛了。

WALL-B做的事情，本質(zhì)上是一樣的。目前的機器人行業(yè)主流方案叫VLA架構(gòu)——視覺模塊負責“看”，語言模塊負責“理解指令”，動作模塊負責“動手”。聽起來分工明確對吧？但問題是，數(shù)據(jù)在這三個模塊之間傳來傳去，視覺模塊看到的豐富細節(jié)，傳到動作模塊時可能就只剩一個模糊的摘要了。WALL-B直接把視覺、語言、動作、物理預測等所有能力揉在一起，放在同一個網(wǎng)絡中從零開始聯(lián)合訓練，消除了模塊之間的邊界和數(shù)據(jù)搬運損耗。

這意味著什么？最直觀的一個場景：以前機器人看到杯子，需要先“看”、再“理解”、再“動手”，中間有延遲；現(xiàn)在它看到杯子的同時，就已經(jīng)準備好伸手了。這就是WALL-B所說的“原生多模態(tài)”——不需要通過“傳話”的方式在不同模塊間轉(zhuǎn)譯信息。

除了原生多模態(tài)，WALL-B還有另外兩個核心技術亮點：一個是具備物理世界“世界觀”——能夠感知并預測重力、慣性、摩擦力、速度等基本物理規(guī)律，利用對基本物理常識的理解來應對新場景，不需要針對每個家庭重新訓練；另一個是能與世界交互并自我進化——在真實環(huán)境中完成自我迭代，無需工程師重新訓練，無需人工注入新數(shù)據(jù)，無需返回實驗室。

為什么是“牛奶數(shù)據(jù)”而不是“糖水數(shù)據(jù)”？

模型好不好，關鍵還得看數(shù)據(jù)。自變量在數(shù)據(jù)采集上走了一條很多人不敢走的路。

行業(yè)內(nèi)絕大多數(shù)公司依賴實驗室里采集的數(shù)據(jù)——光照恒定、物體位置固定、沒有任何干擾。王昊把這個比喻為“糖水數(shù)據(jù)”，它很甜、很干凈、量也大，但用這個訓練出來的模型，就像在泳池里學了10年游泳的人，一丟進大海就會淹死。

而自變量選擇了“牛奶數(shù)據(jù)”——真實家庭環(huán)境中采集的嘈雜、多變、充滿隨機性的數(shù)據(jù)。為了讓模型學會應對真實世界的混亂，自變量的團隊進入了超過100個志愿者的真實家庭去訓練模型。有的家庭地面散落著拖鞋、快遞箱、玩具和襪子，有的家庭貓會突然跳上桌子，有的家庭廚房燈光偏暖色而客廳偏冷色。這些變量在實驗室里永遠模擬不出來。

王昊有句話說得特別好：“這個行業(yè)最大的秘密，不是算法，不是架構(gòu)，不是硬件，數(shù)據(jù)才是。這條看似最難的路，反而可能是最簡單的。”

你會發(fā)現(xiàn)，自變量的邏輯其實特別簡單：既然最終的目標是讓機器人走進真實家庭，那從一開始就應該用真實家庭的數(shù)據(jù)來訓練它。

35天倒計時：機器人進入真實家庭，隱私問題怎么辦？

最重磅的消息來了。自變量在發(fā)布會上宣布：35天后，也就是5月25日，部署WALL-B模型的新一代機器人將首批入駐真實家庭，并公開招募首批愿意開放家庭場景的用戶。

當然，機器人進家庭，隱私問題是繞不開的。王潛給出了三個明確的解決方案：一是視覺脫敏，機器人在設備端會隨時打碼，原始圖像不離開設備，機器人看到的是處理過的去除了個人特征的場景數(shù)據(jù)；二是透明授權(quán)，用戶主動按下同意鍵后方可開機，不存在“默認同意”；三是用途限定，絕不共享第三方，機器人只認一個主人，發(fā)現(xiàn)可疑指令立即鎖定。

王潛也坦誠地說，當前模型仍處于“實習生”階段，會犯錯，需要遠程協(xié)助，有時可能把拖鞋放到廚房，擦桌子擦到一半停下來“思考”。但它能夠?qū)崿F(xiàn)24小時不間斷工作，而且每工作一天都會因新數(shù)據(jù)的產(chǎn)生而變得更聰明。它不是來表演的，是來生活的。

王潛曾經(jīng)說，“只要進入家庭，你就可以使喚它，不需要再考慮有什么是能做的，有什么是不能做的”。這個目標，聽起來像科幻，但自變量的倒計時已經(jīng)開始了。

當然，我們不指望第一批進家的機器人就能完美搞定所有家務。但關鍵是，一旦機器人真的踏進家門開始“生活”，每天產(chǎn)生的新數(shù)據(jù)會驅(qū)動它飛速迭代——這是所有困在實驗室里的機器人永遠得不到的進化機會。

就像王昊說的，OpenAI曾經(jīng)領先谷歌近兩年，而在機器人領域，這種領先窗口可能會更長，達到三年以上。誰能率先把數(shù)據(jù)飛輪轉(zhuǎn)起來，誰就掌握了下一個時代的主動權(quán)。

35天后的5月25日，第一批機器人即將踏入真實家庭的門口。那個瞬間，可能比我們想象中來得更安靜——沒有轟轟烈烈的發(fā)布會，只有一個機器人走進客廳，看著散落一地的玩具和打翻的水杯，開始它的第一份“實習工作”。而未來，就從這里開始了。

（文中圖源：網(wǎng)絡，如有侵權(quán)，請聯(lián)系刪除 ）

【近期舉辦的AI硬件千人峰會】

火速報名參會！