當(dāng)下，人工智能技術(shù)正從“感知智能”邁向“行動智能”，如何科學(xué)、公正地評估機器人在真實物理世界中的真實能力，成為制約行業(yè)發(fā)展的核心命題。在 Dexmal 原力靈機與 Hugging Face 共同發(fā)起 RoboChallenge 之后，迅速在行業(yè)內(nèi)引發(fā)強烈共鳴并吸引廣泛參與。智源研究院、智元機器人、Qwen、星海圖、自變量、清華大學(xué)、西安交通大學(xué)、GOSIM 國際國內(nèi)合作伙伴進(jìn)一步攜手，共同推動生態(tài)建設(shè)，并于 2025 年 11 月 20 日正式成立 RoboChallenge 組委會。這標(biāo)志著具身智能真機測評的開源協(xié)作不僅邁入了標(biāo)準(zhǔn)化的新階段，更以“開放共同體”的行業(yè)共創(chuàng)模式，為具身智能技術(shù)的落地與迭代注入新動能。
日前，在不久前深圳舉行的一場國際人工智能展覽會上，一臺名為“小量”的機器人嫻熟地進(jìn)行著果味冰沙制作的全部流程。取杯、接冰、添加小料，整個動作連貫且精準(zhǔn)，兩分鐘內(nèi)就完成了一份飲品。這個看似簡單的場景背后，是深圳一家成立僅一年多的初創(chuàng)公司——自變量機器人。
自變量機器人是國內(nèi)最早實現(xiàn)端到端具身智能大模型商業(yè)化的公司之一。其自主研發(fā)的「WALL-A」系列視覺-語言-行動（VLA）操作大模型，構(gòu)建了統(tǒng)一的認(rèn)知與行動框架，讓機器人不僅能“看懂”，還能自主“動手”完成。
更具行業(yè)意義的是，自變量機器人近期開源了端到端具身智能基礎(chǔ)模型「WALL-OSS」。與行業(yè)內(nèi)常見的部分開源不同，該公司提供了一整套完整可復(fù)現(xiàn)的開源方案，包括模型權(quán)重、訓(xùn)練代碼、數(shù)據(jù)集接口及詳細(xì)部署文檔。
“我們希望真正把成果交到行業(yè)手中，讓大家能夠用起來，而不僅僅是停留在展示層面。”創(chuàng)始人兼CEO王潛表示。這一舉措有望降低行業(yè)技術(shù)門檻，推動具身智能生態(tài)的快速發(fā)展。
01 信仰：從理論到實踐的“關(guān)鍵變量”
王潛身上烙印著清華人的典型特質(zhì)：理性、執(zhí)著、目光長遠(yuǎn)。本碩畢業(yè)于清華大學(xué)，他是全球最早在神經(jīng)網(wǎng)絡(luò)中引入注意力機制的學(xué)者之一，其工作與Google在該領(lǐng)域的開創(chuàng)性論文同期發(fā)表。這些研究，后來成為Transformer架構(gòu)的基石，奠定了當(dāng)今大模型的技術(shù)根基。
遠(yuǎn)赴美國南加州大學(xué)攻讀博士時，他選擇了摯愛的機器人方向，在頂級實驗室深耕機器人學(xué)習(xí)與人機交互。這段經(jīng)歷讓他深刻認(rèn)識到傳統(tǒng)機器人技術(shù)的局限。博士畢業(yè)后，王潛曾在美國創(chuàng)辦量化基金，然而，“晚上經(jīng)常睡不著，想做機器人”的念頭始終纏繞著他。2023年，隨著大語言模型等領(lǐng)域迎來突破，他敏銳察覺機器人行業(yè)的新機，毅然解散基金，回國創(chuàng)業(yè)。
回國并非一時沖動。王潛看中的是中國無與倫比的硬件制造與供應(yīng)鏈優(yōu)勢。“美國的硬件人才多被‘金手銬’鎖在大公司，”他指出，“而中國的供應(yīng)鏈優(yōu)勢可能領(lǐng)先美國一個數(shù)量級。”他特別提到，數(shù)據(jù)收集成本在中國大約僅為美國的十分之一。
2023年12月18日，王潛初次踏足深圳，自變量機器人就此誕生。深圳的產(chǎn)業(yè)生態(tài)讓他驚嘆：“當(dāng)時我們實驗室用的機器人硬件和零配件，很多都產(chǎn)自深圳。”“在這里，配齊所有零件有時只需半天。”
02 堅守：“大小腦統(tǒng)一”的孤傲之路
自變量創(chuàng)立之初，就選擇了一條與眾不同的技術(shù)路線——“大小腦統(tǒng)一的端到端大模型”。這在當(dāng)時顯得頗為孤傲，甚至遭受質(zhì)疑。數(shù)年前，當(dāng)王潛闡述端到端思路時，一位知名機器人教授曾當(dāng)面否定：“這很有趣，但可能永遠(yuǎn)只是個玩具，無法落地。”
何為端到端模型？與傳統(tǒng)的分層架構(gòu)不同，端到端模型試圖在統(tǒng)一架構(gòu)中解決從感知、規(guī)劃到控制的全流程問題。傳統(tǒng)分層架構(gòu)將任務(wù)分解為感知、規(guī)劃、控制等多個模塊，每個模塊有獨立模型，而端到端模型則是單一的、整合的模型。
王潛解釋道，“分層模型每多一步拆解，就會引入額外誤差和不可控的噪聲，難以實現(xiàn)真正可靠的執(zhí)行；而端到端統(tǒng)一模型，能夠在‘感知—決策—執(zhí)行’的全流程中保持連續(xù)性，從根本上解決這一問題。”
自變量機器人的技術(shù)理念可以概括為“縱向統(tǒng)一”和“橫向統(tǒng)一”?？v向統(tǒng)一指從視頻、傳感器等原始輸入到機器人運動輸出，全部由同一模型處理；橫向統(tǒng)一則是不同任務(wù)共用同一個模型，訓(xùn)練和推理都在同一架構(gòu)下完成。
這一技術(shù)路線的優(yōu)勢在WALL－A模型上得到了充分體現(xiàn)。該模型使機器人僅用二指夾爪就能完成拉拉鏈、疊衣服、澆花等復(fù)雜操作，數(shù)分鐘級別的任務(wù)成功率達(dá)到了95％以上。
03 進(jìn)化：WALL-A模型釋放泛化之力
自變量的產(chǎn)品演進(jìn)清晰印證了其技術(shù)路線的生命力。成立僅兩個月，公司便訓(xùn)練出第一版具身智能操作模型，實現(xiàn)了切菜、倒水等復(fù)雜任務(wù)。2024年10月，自變量推出具身智能通用操作大模型Great Wall系列（GW）的WALL-A模型。可以實現(xiàn)機器人自主感知、決策與高精度操作，解決從感知到最后動作生成之間的巨大鴻溝。
它的核心突破，主要體現(xiàn)在三個方面。
第一，強大的泛化能力。模型在部分未見過的物理場景中，無需針對新場景進(jìn)行額外訓(xùn)練，已經(jīng)能部分實現(xiàn)零樣本泛化。
其二，具身思維鏈（CoT，Chain of Thought）。模型通過多步邏輯推理，將抽象任務(wù)拆解為可執(zhí)行的子步驟，并能夠根據(jù)實時變化調(diào)整行動策略。
其三，統(tǒng)一架構(gòu)。將視覺、語言、動作等所有模態(tài)信息，轉(zhuǎn)換為統(tǒng)一的token序列，再送入一個Transformer核心，從而實現(xiàn)端到端統(tǒng)一學(xué)習(xí)。這能讓系統(tǒng)在面對新任務(wù)時，可以像人類一樣思考和工作，不再依賴模塊化的信息傳遞。
04 選擇：真機數(shù)據(jù)，筑牢模型迭代的根基
在數(shù)據(jù)策略上，自變量堅持“高質(zhì)量真機數(shù)據(jù)”，與依賴仿真或網(wǎng)絡(luò)視頻數(shù)據(jù)的同行形成鮮明對比。王潛明確表示：“所有涉及復(fù)雜物理交互（如豐富的手部操作）不應(yīng)完全用仿真數(shù)據(jù)。我們探索了十幾年，基本結(jié)論是：手部復(fù)雜操作無法通過仿真數(shù)據(jù)進(jìn)化。”
數(shù)據(jù)主要來自三個渠道：集中式采集場地、分布式現(xiàn)實環(huán)境收集，以及機器人部署后的回流數(shù)據(jù)。自變量將泛化能力分為四個層次：基礎(chǔ)條件（光照、位置變化）、跨環(huán)境、跨對象（處理未見過的同類物體）、跨任務(wù)（解決全新任務(wù)）。目前自變量的模型在前三個層次已展現(xiàn)出優(yōu)秀的通用性與泛化能力。
05 野心：資本重注下的賽道卡位
自變量在資本市場的表現(xiàn)堪稱耀眼。成立不到兩年，完成8輪融資，累計金額超20億元。2025年9月，公司完成近10億元A+輪融資，由阿里云、國科投資領(lǐng)投，國開金融、紅杉中國、渶策資本跟投，老股東美團(tuán)、聯(lián)想之星、君聯(lián)資本持續(xù)加碼。這是阿里云首次投資具身智能公司，也是美團(tuán)第二次參投。
06 清晰的商業(yè)化路徑
面對商業(yè)化這一行業(yè)核心質(zhì)疑，王潛思路清晰。他認(rèn)為：“家庭是機器人最大市場，預(yù)計3-4年會出現(xiàn)早期產(chǎn)品。”有經(jīng)濟(jì)學(xué)測算指出，未被計入GDP的家務(wù)勞動價值約占總量四分之一，這意味著家庭機器人市場潛力巨大，甚至可能超越工業(yè)及其他所有場景。
自變量的商業(yè)化將先從To B場景切入，逐步延伸至To C。王潛表示，公司今年將在多個功能場景推動落地，讓機器人在開放、隨機環(huán)境中自主完成復(fù)雜操作。對于當(dāng)前部分企業(yè)將人形機器人送入工廠從事簡單重復(fù)勞動，他直言“那更像是一種PR行為”。真正有價值的商業(yè)化，必須依賴具身智能模型泛化能力的提升。
價格方面，王潛預(yù)測，消費者可接受且產(chǎn)業(yè)鏈能支撐的價格區(qū)間可能在1-2萬美元（約人民幣10萬元上下），但這仍需產(chǎn)業(yè)鏈進(jìn)一步優(yōu)化成本。他預(yù)計，類GPT-3水平的具身智能大模型可能在一年左右出現(xiàn)，而人形機器人的“ChatGPT時刻”則需要3-5年。
07 未來挑戰(zhàn)與生態(tài)構(gòu)建
盡管進(jìn)展顯著，王潛清醒認(rèn)識到，通往通用機器人的道路仍布滿挑戰(zhàn)。他認(rèn)為，當(dāng)前限制產(chǎn)業(yè)化的主要是機器人的“大腦”，而非硬件。“展會上很多機器人運動能力不錯，但提供的‘實用價值’有限，更多是‘形式價值’。”
為此，自變量正積極構(gòu)建生態(tài)。2025年9月，公司在合肥發(fā)布《具身智能生態(tài)建設(shè)計劃》，旨在通過自研基礎(chǔ)模型，打造全球具身智能創(chuàng)新與產(chǎn)業(yè)樞紐。此前，公司開源了自研端到端具身智能基礎(chǔ)模型WALL-OSS，這是目前唯一面向物理世界交互、具備真實落地能力的開源模型。
對于長遠(yuǎn)商業(yè)模式，王潛認(rèn)為機器人將走向軟硬一體。“機器人相對特殊，難以形成像Windows或Android那樣的純軟件模式。它需要軟硬件高度耦合，一體化的模式最為合理。”
2025年世界機器人大會上，搭載自變量WALL-A模型的機器人嫻熟地制作香囊、整理客廳，引來無數(shù)駐足。那個讓通用機器人步入千家萬戶的夢想，正以“深圳速度”，一步步照進(jìn)現(xiàn)實。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
