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(jī)器人宣布完成B輪融資，由小米戰(zhàn)投與紅杉中國(guó)聯(lián)合領(lǐng)投，至此，集齊了字節(jié)跳動(dòng)、阿里巴巴、美團(tuán)、小米、聯(lián)想、上汽、58同城等產(chǎn)業(yè)龍頭的戰(zhàn)略投資。

目前，自變量累計(jì)融資超40億，估值超100億，而能和它在大腦和真機(jī)數(shù)據(jù)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(shù)大佬王潛創(chuàng)辦的公司，便開了發(fā)布會(huì)，宣布推出全球首個(gè)基于世界統(tǒng)一模型架構(gòu)（WUM）的具身智能基礎(chǔ)模型WALL-B，同時(shí)拋出了行業(yè)內(nèi)迄今為止最明確的家庭落地計(jì)劃：

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

看起來(lái)，目前自變量先把自己戰(zhàn)略先聚焦在最難最遠(yuǎn)的家庭機(jī)器人場(chǎng)景。業(yè)界公認(rèn)的是，工廠是機(jī)器人最先進(jìn)入的場(chǎng)景。而家庭是終極考場(chǎng)，也是最遠(yuǎn)的場(chǎng)景，機(jī)器人進(jìn)入家庭至少還需10年以上的時(shí)間，但也是99%的機(jī)器人都跨不過(guò)去的門檻。然后再進(jìn)入工業(yè)場(chǎng)景。

王潛在現(xiàn)場(chǎng)也戳破了行業(yè)的“表演式創(chuàng)新”泡沫：目前全球沒有任何一臺(tái)機(jī)器人，能在無(wú)遙控、無(wú)預(yù)編程的情況下，獨(dú)立完成家庭場(chǎng)景里的綜合整理任務(wù)?！?/p>

自變量的這次落地，是國(guó)內(nèi)具身智能行業(yè)第一次把通用家庭服務(wù)機(jī)器人，從實(shí)驗(yàn)室的PPT和Demo，推向了普通用戶的真實(shí)家庭，進(jìn)行科普和用戶教育，更重要的是數(shù)據(jù)采集。

雖然投入采集數(shù)據(jù)成本巨大，可能對(duì)于企業(yè)而言，用錢拿數(shù)據(jù)，差異化專注單一最大市場(chǎng)，迅速占領(lǐng)用戶心智可能更重要，以及最短時(shí)間實(shí)現(xiàn)資本價(jià)值，才是王道。

推翻VLA主流架構(gòu)

推自己的智能大腦

面對(duì)行業(yè)長(zhǎng)期的技術(shù)瓶頸，自變量給出的解決方案，是徹底推翻了當(dāng)前行業(yè)主流的VLA（視覺-語(yǔ)言-動(dòng)作）架構(gòu)，用全新的WUM世界統(tǒng)一模型重構(gòu)了機(jī)器人的“智能大腦”。

自變量機(jī)器人創(chuàng)始人兼CEO 王潛

在兩位創(chuàng)始人看來(lái)，VLA架構(gòu)的天花板早已顯現(xiàn)。

王昊解釋：“VLA本質(zhì)上是視覺、語(yǔ)言、動(dòng)作三個(gè)獨(dú)立模塊的拼接，數(shù)據(jù)在三個(gè)模塊里逐級(jí)傳遞，每過(guò)一次模塊邊界，就會(huì)發(fā)生信息損耗和延遲。視覺模塊學(xué)到的豐富信息，傳到動(dòng)作模塊時(shí)，只剩一個(gè)模糊的摘要。”

更根本的問(wèn)題是，它只能模仿訓(xùn)練數(shù)據(jù)里的軌跡，根本不理解物理世界的規(guī)律，它不知道杯子為什么會(huì)掉，不知道盤子懸在桌邊會(huì)摔碎，只是在重復(fù)見過(guò)的東西。

而最新的WALL-B，其核心的WUM世界統(tǒng)一模型，設(shè)計(jì)邏輯類比蘋果M1芯片的統(tǒng)一內(nèi)存架構(gòu)，把視覺、語(yǔ)言、動(dòng)作、物理預(yù)測(cè)等所有能力，放在同一個(gè)網(wǎng)絡(luò)中從零開始聯(lián)合訓(xùn)練，徹底消除模塊間的邊界和數(shù)據(jù)搬運(yùn)損耗，實(shí)現(xiàn)了從“拼接式架構(gòu)”到“原生統(tǒng)一整體”的跨越。

王潛直言不諱地表達(dá)了對(duì)行業(yè)主流路線的判斷：“現(xiàn)在行業(yè)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(dòng)作模塊，這兩種做法本質(zhì)上都有問(wèn)題。這些模型本來(lái)就不是為具身智能、為物理世界交互訓(xùn)練的，根本捕捉不到我們真正關(guān)心的核心規(guī)律?！?/p>

“我們做的，是專門為機(jī)器人、為物理世界打造的基礎(chǔ)模型，徹底從頭開始預(yù)訓(xùn)練，這和行業(yè)主流路線是完全相反的?！?/p>

基于WUM架構(gòu)，WALL-B形成了三個(gè)區(qū)別于行業(yè)現(xiàn)有方案的核心特征：

第一是原生多模態(tài)融合，首次實(shí)現(xiàn)“原生本體感”，無(wú)需持續(xù)觀察自身、無(wú)需依賴大量外部傳感器，就能內(nèi)在感知自身的空間尺寸與動(dòng)作邊界，王昊補(bǔ)充說(shuō)“這種內(nèi)生的空間感知能力，甚至很多動(dòng)物都不具備”；

第二是掌握物理世界底層規(guī)律，能基于重力、慣性、摩擦力等通用物理規(guī)則預(yù)判風(fēng)險(xiǎn)，實(shí)現(xiàn)跨場(chǎng)景零樣本泛化，無(wú)需針對(duì)每個(gè)家庭重新訓(xùn)練；

第三是可自主交互、自我進(jìn)化，任務(wù)失敗后會(huì)自主調(diào)整策略重試，成功后直接將經(jīng)驗(yàn)更新到模型參數(shù)中，無(wú)需工程師重訓(xùn)、無(wú)需返回實(shí)驗(yàn)室，王昊強(qiáng)調(diào)“它沒有固定的迭代周期，執(zhí)行任務(wù)的同時(shí)就在回流數(shù)據(jù)，模型進(jìn)化、數(shù)據(jù)回流、效果評(píng)估在同一時(shí)刻發(fā)生，這和行業(yè)傳統(tǒng)的離線訓(xùn)練模式有本質(zhì)區(qū)別”。

從“糖水”到“牛奶”：

真實(shí)場(chǎng)景數(shù)據(jù)壁壘在哪？

自變量采用了WUM架構(gòu)作為技術(shù)底座，同時(shí)宣布自己用的是真實(shí)家庭場(chǎng)景的“牛奶數(shù)據(jù)”， 以此作為自己壁壘。

王昊認(rèn)為，“行業(yè)里大多數(shù)模型用的都是實(shí)驗(yàn)室的‘糖水?dāng)?shù)據(jù)’，干凈、可控、量大，但和真實(shí)世界完全脫節(jié)?！?/p>

他直言，實(shí)驗(yàn)室里固定的光照、固定的物品擺放、無(wú)干擾的環(huán)境，和家庭里隨時(shí)變化的自然光、隨意堆放的物品、孩子和寵物的隨機(jī)動(dòng)作完全是兩回事，“用糖水?dāng)?shù)據(jù)訓(xùn)出來(lái)的模型，在實(shí)驗(yàn)室里表現(xiàn)再好，到了真實(shí)家庭里立刻就失效了”。

自變量機(jī)器人聯(lián)合創(chuàng)始人兼CTO 王昊

而自變量從成立之初就堅(jiān)定選擇了“牛奶數(shù)據(jù)”的路線——真實(shí)家庭環(huán)境中采集的嘈雜、多變、充滿隨機(jī)性的數(shù)據(jù)。

王潛提到，為了獲取這類數(shù)據(jù)，團(tuán)隊(duì)深入了數(shù)百個(gè)志愿者的真實(shí)家庭，每一戶的戶型布局、燈光條件、物品擺放、生活習(xí)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(huì)突然跳上操作臺(tái)面，有的家庭廚房和客廳冷暖光差異極大，“這些變量在實(shí)驗(yàn)室里根本無(wú)法1:1模擬，但卻是家庭環(huán)境里的日常，也是模型必須學(xué)會(huì)應(yīng)對(duì)的真實(shí)條件”。

這種方式和美國(guó)機(jī)器人大腦的頭部公司Physical Intelligence的數(shù)據(jù)采集方法基本一致。

王昊拆解了自變量的數(shù)據(jù)分級(jí)體系，以及不同類型數(shù)據(jù)的價(jià)值差異。

“我們核心堅(jiān)持?jǐn)?shù)據(jù)必須來(lái)自真實(shí)環(huán)境，同時(shí)把真實(shí)世界的數(shù)據(jù)做了明確分級(jí)，從最底層的本體操作數(shù)據(jù)，到穿戴設(shè)備采集的視頻數(shù)據(jù)，再到最高價(jià)值的交互式數(shù)據(jù)。”

他解釋，所謂交互式數(shù)據(jù)，不是人工遠(yuǎn)程操作機(jī)器人采集的固定數(shù)據(jù)，而是讓機(jī)器人自主探索、人機(jī)協(xié)作過(guò)程中產(chǎn)生的數(shù)據(jù)，“看起來(lái)越容易獲取的純視頻數(shù)據(jù)，訓(xùn)練難度反而越大，信息密度越低；而交互式數(shù)據(jù)的物理信息最豐富，價(jià)值最高，雖然采集難度最大，卻是我們最核心的數(shù)據(jù)源”。

王昊反復(fù)強(qiáng)調(diào)，數(shù)據(jù)的價(jià)值從來(lái)不是以條數(shù)衡量的，而是以它能覆蓋的任務(wù)豐富度、復(fù)雜程度來(lái)衡量的。

“我們不會(huì)為了某個(gè)任務(wù)刻意采集固定條數(shù)的數(shù)據(jù)，更不會(huì)預(yù)設(shè)機(jī)器人要做多少次才能學(xué)會(huì)一件事。我們的邏輯是先讓搭載模型的機(jī)器人去真實(shí)場(chǎng)景里做，能做的部分自主完成，做不好的部分人工輔助，這個(gè)過(guò)程中產(chǎn)生的數(shù)據(jù)，才是真正有價(jià)值的?！?/p>

此前，自變量基于上一代WALL-AS模型，已經(jīng)通過(guò)與58同城的合作，跑通了“商業(yè)落地-數(shù)據(jù)回流-模型迭代”的正向飛輪，這也是其敢在35天后推進(jìn)家庭入駐的核心前提。

王潛介紹，和58的合作不是Demo測(cè)試，而是真實(shí)的付費(fèi)商業(yè)服務(wù)：“深圳的用戶現(xiàn)在打開58 APP，就能直接約機(jī)器人上門服務(wù)，機(jī)器人和保潔阿姨一起進(jìn)家，現(xiàn)場(chǎng)不需要我們的員工實(shí)時(shí)支持，只在遇到無(wú)法處理的問(wèn)題時(shí)，觸發(fā)遠(yuǎn)程人工接管兜底，解決問(wèn)題后再交還給AI自主執(zhí)行。”

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

針對(duì)35天后即將開始的機(jī)器人開始入駐家庭場(chǎng)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(shè)備端實(shí)時(shí)視覺脫敏，原始圖像不離開設(shè)備；
其次，用戶主動(dòng)授權(quán)才能開機(jī)，無(wú)任何“默認(rèn)同意”；
最后，數(shù)據(jù)絕不共享第三方，機(jī)器人只認(rèn)一個(gè)主人，發(fā)現(xiàn)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(yè)完全不同：“傳統(tǒng)模式是先有數(shù)據(jù)，再訓(xùn)模型，再去新場(chǎng)景評(píng)測(cè)；我們是大規(guī)模預(yù)訓(xùn)練后，模型已經(jīng)具備零樣本泛化基礎(chǔ)，直接讓機(jī)器人去真實(shí)家庭里執(zhí)行任務(wù)，做不了的部分通過(guò)人機(jī)協(xié)作完成，數(shù)據(jù)同步回流，下一次就能克服這個(gè)困難，全程不需要刻意采集數(shù)據(jù)。”

對(duì)于數(shù)據(jù)配比與數(shù)采工廠的布局，王潛介紹：“我們2024年初就建成了自有的數(shù)據(jù)采集工廠，目前仍是全國(guó)乃至全球規(guī)模最大的數(shù)采工廠之一。我們會(huì)平等對(duì)待工廠采集的數(shù)據(jù)和真實(shí)家庭場(chǎng)景的數(shù)據(jù)，把它們當(dāng)成一個(gè)統(tǒng)一的集合調(diào)整配比，不會(huì)做生硬的切割。整體數(shù)據(jù)策略就是‘實(shí)驗(yàn)數(shù)據(jù)打底，真實(shí)場(chǎng)景提質(zhì)’，實(shí)驗(yàn)室數(shù)據(jù)用來(lái)建立基礎(chǔ)的物體識(shí)別、動(dòng)作執(zhí)行能力，真實(shí)家庭數(shù)據(jù)用來(lái)讓模型學(xué)會(huì)在不確定環(huán)境中生存。”

被自己下場(chǎng)的巨頭集體看好

本輪融資完成后，自變量已經(jīng)成為國(guó)內(nèi)具身智能賽道里，唯一一家集齊字節(jié)跳動(dòng)、阿里巴巴、美團(tuán)、小米四大互聯(lián)網(wǎng)巨頭戰(zhàn)略投資的企業(yè)，股東名單還包括聯(lián)想、上汽、58同城等產(chǎn)業(yè)龍頭，可以說(shuō)是賽道內(nèi)集齊產(chǎn)業(yè)投資方最多的創(chuàng)業(yè)公司。

一個(gè)無(wú)法回避的問(wèn)題是：小米、阿里、字節(jié)、美團(tuán)這些巨頭，自身都已布局具身智能賽道，擁有獨(dú)立的機(jī)器人研發(fā)團(tuán)隊(duì)，為什么還要集體投資自變量？

王潛直接回應(yīng)了這個(gè)問(wèn)題：“我們算是整個(gè)中國(guó)AI領(lǐng)域，不光具身領(lǐng)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(gè)，第一，這個(gè)市場(chǎng)足夠巨大，容得下多家玩家；第二，創(chuàng)業(yè)公司在這件事上，有大廠完全比不了的優(yōu)勢(shì)。”

在他看來(lái)，產(chǎn)業(yè)資方集體押注自變量，核心看中的是其不可復(fù)制的技術(shù)壁壘與全鏈路能力，這也是自變量區(qū)別于其他模型創(chuàng)業(yè)公司、甚至大廠內(nèi)部團(tuán)隊(duì)的核心優(yōu)勢(shì)。

首先是技術(shù)路線的稀缺性與領(lǐng)先性。

當(dāng)前行業(yè)內(nèi)絕大多數(shù)玩家，包括大廠的很多團(tuán)隊(duì)，走的都是“基于開源大模型微調(diào)，拼接視覺、動(dòng)作模塊”的捷徑，而自變量是國(guó)內(nèi)極少數(shù)堅(jiān)持從頭自研具身智能基礎(chǔ)模型的企業(yè)，其WUM架構(gòu)的路線，與行業(yè)主流VLA路線形成了明顯的差異化，也構(gòu)建了更高的技術(shù)門檻。

其次是全鏈路工程體系的護(hù)城河。

“模型架構(gòu)很容易抄，半年時(shí)間，大家就能搞明白上一代模型的架構(gòu)。但抄不走的，是從數(shù)據(jù)定義、采集、清洗、過(guò)濾，到訓(xùn)練、評(píng)測(cè)、迭代的全鏈路工程體系?！?/p>

王潛以O(shè)penAI舉例，“OpenAI領(lǐng)先了谷歌兩年，在機(jī)器人領(lǐng)域，這個(gè)技術(shù)領(lǐng)先的窗口期會(huì)更長(zhǎng)，至少三年以上?！?/p>

更關(guān)鍵的是，大模型可以通過(guò)蒸餾降低技術(shù)門檻，但機(jī)器人不行。

“為什么大家覺得大模型時(shí)代技術(shù)門檻變低了？因?yàn)檎麴s做得太多了，大家都忘了真正的技術(shù)差距是什么。但機(jī)器人這個(gè)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(fù)強(qiáng)調(diào)的核心競(jìng)爭(zhēng)優(yōu)勢(shì)，自變量不僅做模型算法，還實(shí)現(xiàn)了機(jī)器人本體、機(jī)械臂、力控關(guān)節(jié)、主控制器等核心零部件的全面自研，能從模型需求出發(fā)定義硬件，從硬件特性優(yōu)化模型，實(shí)現(xiàn)軟硬深度適配。

而大廠的組織架構(gòu)里，硬件團(tuán)隊(duì)和算法團(tuán)隊(duì)往往是分開的，很難實(shí)現(xiàn)這種全鏈路的拉通與協(xié)同。

除了技術(shù)本身，產(chǎn)業(yè)投資方與自變量的業(yè)務(wù)協(xié)同，也是投資的核心邏輯。

例如，與58同城、美團(tuán)的協(xié)同，是家庭服務(wù)與本地生活場(chǎng)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(shí)數(shù)據(jù)的核心來(lái)源，也是未來(lái)規(guī)?；涞氐暮诵那馈?/p>

2026機(jī)器人內(nèi)卷大賽中

錯(cuò)位競(jìng)爭(zhēng)

隨著巨頭下場(chǎng)、創(chuàng)業(yè)公司扎堆，具身智能賽道的競(jìng)爭(zhēng)早已進(jìn)入白熱化階段，而在核心的具身智能大腦賽道，國(guó)內(nèi)外玩家的路線分化已經(jīng)愈發(fā)明顯。

國(guó)內(nèi)市場(chǎng)，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(nèi)的核心競(jìng)爭(zhēng)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(fā)，側(cè)重多模態(tài)交互與機(jī)器人操控的端到端落地；智平方則以工業(yè)場(chǎng)景為核心切口，基于VLA架構(gòu)打磨垂直場(chǎng)景的具身模型，優(yōu)先落地工廠產(chǎn)線的標(biāo)準(zhǔn)化作業(yè)；千尋智能深耕VLA架構(gòu)的輕量化落地，主打消費(fèi)級(jí)機(jī)器人的智能升級(jí)；千訣科技則采用類腦分區(qū)架構(gòu)，主打解耦、跨硬件適配、超長(zhǎng)時(shí)自主決策，定位 “機(jī)器人的智能操作系統(tǒng)”。

海外市場(chǎng)，自變量的核心對(duì)標(biāo)企業(yè)是Physical Intelligence（PI），這家企業(yè)同樣聚焦通用具身智能基礎(chǔ)模型研發(fā)，主打基于大模型的機(jī)器人通用操控能力，獲得了微軟、英偉達(dá)等企業(yè)的投資。

在王潛看來(lái)，當(dāng)前的具身智能賽道，已經(jīng)分化成了兩條完全不同的發(fā)展路線：一條是硬件優(yōu)先路線，以雙足人形機(jī)器人為核心，主打舞臺(tái)表演、工業(yè)巡檢、封閉場(chǎng)景作業(yè)，核心競(jìng)爭(zhēng)點(diǎn)是硬件性能、運(yùn)動(dòng)控制能力；

另一條是智能優(yōu)先路線，以通用具身基礎(chǔ)模型為核心，主打開放場(chǎng)景的通用交互與操作，核心競(jìng)爭(zhēng)點(diǎn)是模型的泛化能力、物理世界理解能力、自主進(jìn)化能力。

“跑馬拉松的雙足機(jī)器人，和我們做的事，是兩個(gè)完全不同的領(lǐng)域，甚至兩個(gè)完全不同的行業(yè)。”

王潛認(rèn)為，“硬件在中國(guó)從來(lái)都沒有壁壘——今天你做出來(lái)一個(gè)特別好的硬件，明天供應(yīng)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(chǎn)品、商務(wù)去構(gòu)建，但我們做的，是基礎(chǔ)模型的事，壁壘要高得多得多?！?/p>

而關(guān)于兩條路線的底層邏輯差異，王潛進(jìn)一步解釋：“工業(yè)和家庭是兩個(gè)極端相反的場(chǎng)景，家庭是極致開放的場(chǎng)景，對(duì)泛化性、復(fù)雜度的要求到了極致，核心靠預(yù)訓(xùn)練的基礎(chǔ)模型；工業(yè)是相對(duì)封閉的場(chǎng)景，對(duì)速度、準(zhǔn)確率的要求極高，核心靠后訓(xùn)練的場(chǎng)景優(yōu)化，技術(shù)上是兩個(gè)完全不同的方向?！弊宰兞康膽?zhàn)略是先家庭，后工業(yè)。

他反復(fù)強(qiáng)調(diào)，舞臺(tái)上機(jī)器人的后空翻、跳街舞，視覺沖擊力再?gòu)?qiáng)，本質(zhì)也都是預(yù)設(shè)軌跡的“命令行機(jī)器人”；工廠里的工業(yè)機(jī)器人可以把一個(gè)動(dòng)作重復(fù)一萬(wàn)次，每次環(huán)境條件完全一致，但家庭場(chǎng)景完全相反：一萬(wàn)個(gè)動(dòng)作每個(gè)可能只做一次，每次的環(huán)境條件都不一樣。

這種極致的隨機(jī)性、碎片化，以及上肢精細(xì)操作中無(wú)處不在的非線性物理交互，讓家庭場(chǎng)景成為對(duì)機(jī)器人智能能力的終極考驗(yàn)，也讓行業(yè)長(zhǎng)期陷入“雙足、靈巧手、力控關(guān)節(jié)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(chǔ)模型的底座打牢，再去拓展工業(yè)等垂直場(chǎng)景，而不是反過(guò)來(lái)。

對(duì)于行業(yè)未來(lái)的發(fā)展，王潛的判斷是：未來(lái)兩到三年，具身智能行業(yè)就會(huì)迎來(lái)物理世界的“Aha moment”，就像當(dāng)年ChatGPT引爆數(shù)字世界一樣。

本文為創(chuàng)業(yè)邦原創(chuàng)，未經(jīng)授權(quán)不得轉(zhuǎn)載，否則創(chuàng)業(yè)邦將保留向其追究法律責(zé)任的權(quán)利。如需轉(zhuǎn)載或有任何疑問(wèn)，請(qǐng)聯(lián)系editor@cyzone.cn。