上周末，人形機(jī)器人在馬拉松上的出色表現(xiàn)，讓外界感嘆一年時(shí)間具身智能的高速進(jìn)化。但對(duì)于大眾來(lái)說(shuō)，除了跳舞、打拳和跑步，何時(shí)能夠走進(jìn)家庭，才是最為關(guān)心的事情。

“我們和跑馬拉松的機(jī)器人，是兩個(gè)完全不同的賽道”，自變量CEO王潛指出，“他們更偏硬件，但其實(shí)中國(guó)硬件供應(yīng)鏈沒(méi)有長(zhǎng)期壁壘。我們做的是‘基礎(chǔ)模型+軟硬一體’全鏈路，更像大模型邏輯，只是多了硬件載體�！�

就在前幾日，自變量宣布完成了由小米戰(zhàn)投領(lǐng)投的B輪融資。至此，其也成為國(guó)內(nèi)唯一一家同時(shí)拿到字節(jié)、美團(tuán)、阿里以及小米四家大廠投資的具身智能公司。根據(jù)公開(kāi)信息顯示，自成立以來(lái)，自變量在不到三年的時(shí)間里，已經(jīng)完成了13輪融資。

在王潛看來(lái)，對(duì)比當(dāng)年的移動(dòng)互聯(lián)網(wǎng)、自動(dòng)駕駛這種級(jí)別的歷史性機(jī)會(huì)，這個(gè)賽道還沒(méi)有達(dá)到它應(yīng)有的熱度，甚至是偏冷的。而在宣布完成B輪融資的同時(shí)，在商業(yè)化路徑上，自變量也給出了一個(gè)新的路徑，一個(gè)月后的機(jī)器人，將搭載新一代自研具身智能基礎(chǔ)模型WALL-B，入駐真實(shí)家庭。

“實(shí)驗(yàn)室里的東西，必須和真實(shí)世界碰撞。先把技術(shù)做到‘Aha Moment’，再談大模型變現(xiàn)，邏輯沒(méi)變。WALL-B還是一個(gè)處在嬰兒時(shí)期的實(shí)習(xí)生，我們?cè)谧龅氖虑楹芎?jiǎn)單，核心是為了讓一個(gè)硅基智能體學(xué)會(huì)在你的家里生活�！�

硬件到位，大腦沒(méi)有跟上

具身智能的商業(yè)化元年，如果說(shuō)過(guò)去大家還能憑借著PPT去講故事融資，那么今年則將成為分水嶺，不僅要去說(shuō)服投資人，更要去說(shuō)服市場(chǎng)，去進(jìn)行商業(yè)化落地。

場(chǎng)景，作為嫁接技術(shù)與產(chǎn)業(yè)的核心樞紐，正成為推動(dòng)具身智能落地的關(guān)鍵突破口。從當(dāng)前的應(yīng)用來(lái)看，多數(shù)具身智能機(jī)器人仍在跳舞、打拳這些有些審美疲勞的場(chǎng)景施展，更多的驚喜也僅限于能夠做出更酷炫的動(dòng)作，或者是跑得更快。

“看起來(lái)很酷，視覺(jué)沖擊力強(qiáng)，但它其實(shí)不知道自己在做什么。”王潛直指當(dāng)前頻上熱搜的人形機(jī)器人的痛點(diǎn)，“本質(zhì)上它們其實(shí)都是命令行機(jī)器人，絕大部分是有背后遙控操作的。這很正常，并且它也是機(jī)器人發(fā)展必須經(jīng)歷的過(guò)程�！�

至于在工業(yè)場(chǎng)景中，看似規(guī)�；膽�(yīng)用，背后也并沒(méi)有真正發(fā)揮出具身智能應(yīng)有的價(jià)值。在王潛看來(lái)，真正的智能機(jī)器人難點(diǎn)不在于單一動(dòng)作的重復(fù)，而在于能不能在隨機(jī)環(huán)境下做出新的、沒(méi)有被訓(xùn)練過(guò)的動(dòng)作，家庭場(chǎng)景才是具身智能真正的“考場(chǎng)”。

“機(jī)器人在工廠和在家里完全是兩件事，這是兩個(gè)極端場(chǎng)景。工廠里一個(gè)動(dòng)作重復(fù)一萬(wàn)次，每次都一樣。家庭里一萬(wàn)個(gè)動(dòng)作，可能每個(gè)做一次，每次都不一樣。目前全球沒(méi)有任何一臺(tái)機(jī)器人可以在無(wú)遙控操作的情況下獨(dú)立完成隨機(jī)、碎片、不斷變化場(chǎng)景中的綜合整理任務(wù)�！�

當(dāng)下，機(jī)器人的硬件已經(jīng)到位，雙足、靈巧手、力控關(guān)節(jié)都很好，核心的問(wèn)題就在于大腦沒(méi)有跟上。對(duì)于復(fù)雜多變的家庭場(chǎng)景來(lái)說(shuō)，對(duì)機(jī)器人不是單一能力的考驗(yàn)，而是必須要像人一樣去理解真實(shí)的世界。

值得注意的是，在對(duì)自身的定義上，王潛一直在強(qiáng)調(diào)一件事，那就是區(qū)別于跑馬和跳舞的機(jī)器人，自變量與做語(yǔ)言模型的公司距離更近。從成立的第一天開(kāi)始，就在做一件事，即端到端的具身智能基礎(chǔ)模型，就是給機(jī)器人造一個(gè)真正的大腦，并且能夠直接控制動(dòng)作。

“我們做的本質(zhì)是技術(shù)模型，它是一個(gè)系統(tǒng)性壁壘，不只在單一維度。例如OpenAI當(dāng)年領(lǐng)先Google約兩年，我認(rèn)為在機(jī)器人領(lǐng)域這個(gè)時(shí)間窗口會(huì)更長(zhǎng)，可能超過(guò)三年�！�

用世界統(tǒng)一模型，從0訓(xùn)練一個(gè)原生大腦

物理世界模型的挑戰(zhàn)是獨(dú)特的，不僅需要處理動(dòng)態(tài)視覺(jué)、2D到3D的推理，還要應(yīng)對(duì)物理交互中的復(fù)雜隨機(jī)性，這些在數(shù)字世界模型中從未遇到過(guò)。在2024年年底，自變量曾發(fā)布了基于 VLA（視覺(jué)-語(yǔ)言-動(dòng)作）架構(gòu)的第一代具身基礎(chǔ)模型 WALL-A，25年9月，將同樣思路架構(gòu)下的輕量化模型版本W(wǎng)ALL-OSS開(kāi)源。

但是，在實(shí)際家庭場(chǎng)景的應(yīng)用中，自變量發(fā)現(xiàn)了原有架構(gòu)的限制，數(shù)據(jù)在視覺(jué)、語(yǔ)言、動(dòng)作這三個(gè)模塊之間逐級(jí)傳遞，每經(jīng)過(guò)一次模塊邊界就會(huì)發(fā)生信息損耗和延遲�！案镜膯�(wèn)題在于，VLA模型只能模仿訓(xùn)練數(shù)據(jù)中的軌跡，無(wú)法真正理解物理世界的規(guī)律。它不理解杯子為什么會(huì)掉，不理解為什么盤子懸在桌邊需要推回去。它只是在重復(fù)見(jiàn)過(guò)的東西。”自變量CTO王昊說(shuō)道。

而對(duì)于當(dāng)前業(yè)界的主流路線，王潛認(rèn)為都有問(wèn)題，稱它們并非為物理交互任務(wù)而生，本質(zhì)上還是在貼標(biāo)簽。在全新的認(rèn)知體系下，自變量在日前推出了自研具身智能基礎(chǔ)模型WALL-B，既不是傳統(tǒng)意義的世界模型，也是VLA，而是被稱之為世界統(tǒng)一模型架構(gòu)（World Unified Model，WUM） 的具身智能基礎(chǔ)模型。

為了方便理解，王昊將WUM類比于Apple Silicon的統(tǒng)一內(nèi)存架構(gòu)，蘋果通過(guò)統(tǒng)一內(nèi)存架構(gòu)讓所有處理單元共享同一塊內(nèi)存，WUM則將視覺(jué)、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(kāi)始聯(lián)合訓(xùn)練，消除模塊間的邊界和數(shù)據(jù)搬運(yùn)損耗。

王昊指出，基于這一架構(gòu)，WALL-B實(shí)現(xiàn)了三項(xiàng)區(qū)別于行業(yè)現(xiàn)有模型的核心技術(shù)特征：第一，原生多模態(tài)，模型具備“原生本體感”的能力；

第二，物理世界的“世界觀”。 WALL-B能夠感知并預(yù)測(cè)重力、慣性、摩擦力、速度等基本物理規(guī)律，在任何一個(gè)它從未去過(guò)的家庭中，都能利用對(duì)基本物理常識(shí)的理解來(lái)應(yīng)對(duì)新場(chǎng)景，不需要針對(duì)每個(gè)家庭重新訓(xùn)練；

第三，與世界交互并自我進(jìn)化。它在失敗后會(huì)調(diào)整策略再次嘗試，如果成功，則將這次成功的經(jīng)驗(yàn)直接更新到模型參數(shù)中。這種機(jī)制使模型在真實(shí)環(huán)境中完成自我迭代，無(wú)需工程師重新訓(xùn)練、無(wú)需人工注入新數(shù)據(jù)、無(wú)需返回實(shí)驗(yàn)室。

“想要跨越這個(gè)感知理解的鴻溝，必須學(xué)會(huì)像人一樣去理解這個(gè)世界。我們必須做原生模型，從頭訓(xùn)練，以捕捉物理世界的復(fù)雜規(guī)律。繼承已有模型，會(huì)在語(yǔ)義理解、物理規(guī)律理解上存在問(wèn)題�！�

入駐真實(shí)家庭，“Aha Moment”很快到來(lái)

物理世界的基礎(chǔ)模型，必須從頭原生訓(xùn)練，這是自變量想要傳遞出的信息。與此同時(shí)，王潛認(rèn)為，行業(yè)發(fā)展速度遠(yuǎn)超大眾直覺(jué)，真正的“Aha Moment”就在近兩年，會(huì)比大家想象的更近。在發(fā)布了全新的模型后，自變量的商業(yè)化落地時(shí)間表也已經(jīng)明確，5月，新一代搭載WALL-B的機(jī)器人將入駐真實(shí)家庭。

關(guān)于家庭場(chǎng)景的特殊性，上文已經(jīng)提及，相關(guān)數(shù)據(jù)也指出，家務(wù)是巨大的未被滿足的市場(chǎng)，大概占整體GDP的20%，是巨大的隱性經(jīng)濟(jì)。只是，不同于多數(shù)廠商的商業(yè)邏輯，自變量選擇在實(shí)際場(chǎng)景中去提升能力，而非先在實(shí)驗(yàn)室訓(xùn)練完善后再推向市場(chǎng)。對(duì)此，王潛則表示，技術(shù)依舊是第一性，現(xiàn)階段商業(yè)化也是為技術(shù)突破服務(wù)。

在自變量的判斷下，數(shù)據(jù)是這個(gè)行業(yè)最大的秘密。目前，行業(yè)內(nèi)大多數(shù)訓(xùn)練模型的數(shù)據(jù)來(lái)自實(shí)驗(yàn)室，這類“糖水?dāng)?shù)據(jù)”干凈、可控、量大，但與真實(shí)世界差距顯著。王昊指出，用這類數(shù)據(jù)訓(xùn)練出的模型，在真實(shí)環(huán)境中會(huì)迅速失效。真實(shí)家庭環(huán)境中采集的嘈雜、多變、充滿隨機(jī)性的“牛奶數(shù)據(jù)”，是自變量選擇的數(shù)據(jù)道路。

“家庭是最高質(zhì)量、最開(kāi)放的數(shù)據(jù)場(chǎng)景，不進(jìn)家庭，就不知道物理限制和模型漏洞。實(shí)驗(yàn)室里的東西，必須和真實(shí)世界碰撞，商業(yè)化是最高效的路徑，希望在2-3年內(nèi)，實(shí)現(xiàn)物理世界的‘Aha moment’�！�

以實(shí)驗(yàn)數(shù)據(jù)打底，真實(shí)場(chǎng)景提質(zhì)，這是自變量在未來(lái)要做的事情。當(dāng)然，從理論上來(lái)看，自變量機(jī)器人可以處理家庭中的各項(xiàng)任務(wù)，但作為“實(shí)習(xí)生”，現(xiàn)階段必然是不完美的，卡殼、執(zhí)行錯(cuò)誤以及效率等都是會(huì)遇到的問(wèn)題以及挑戰(zhàn)，必要時(shí)還是需要人進(jìn)行遠(yuǎn)程兜底監(jiān)管，以保證安全。

不怕任務(wù)失敗，也不怕當(dāng)前的效率低，更重要的是是否能通過(guò)每一次的經(jīng)驗(yàn)數(shù)據(jù)去變得更聰明。大眾可以容忍機(jī)器人一開(kāi)始的踉踉蹌蹌，但不會(huì)永遠(yuǎn)一個(gè)實(shí)習(xí)生持續(xù)性犯錯(cuò)誤，這是自變量接下來(lái)需要給市場(chǎng)交出的答卷。（文 | 志讀科技，作者 | 杜志強(qiáng)，編輯 | 楊林）