重磅！自變量再獲10億元融資！字節、美團、阿里共同押注

具身智能賽道再迎資本重磅加注。

機器人大講堂獲悉，近日自變量機器人完成10億元A++輪融資。本輪融資由字節跳動、紅杉中國、深創投、北京信息產業發展基金、南山戰新投、錫創投等頂級投資機構及多元地方平臺聯合投資。據悉，這也是深創投AI基金成立以來的第一筆投資。

值得注意的是，在2025年，自變量更是以每輪數億元的規模連續完成四輪融資。在截至目前的多輪融資中，已成為國內唯一一個同時獲得字節、阿里和美團這三大互聯網大廠投資的具身智能企業。

跨領域資本的協同下注，既凸顯了資本市場對具身基礎模型重要性的集體共識，同時也印證了對自變量技術領先性與發展潛力的深度認可。

為何資本紛紛青睞自變量？

答案在于其全球領先的自研“機器人大腦”技術實力與日益清晰的商業化前景。在人工智能從數字世界邁向物理實體的關鍵階段，自變量機器人憑借核心自研能力，正逐步撬動一個全新的產業生態。

聚焦自研：打造全球頂尖的“機器人大腦”

“通用具身大模型是獨立于數字世界的基礎模型，就像大語言模型在數字世界具有重要地位一樣，具身大模型在物理世界也將起到關鍵作用。”在一次演講中，自變量創始人王潛談到。

實際上，在具身智能領域，“大腦”（大模型）的智能化水平直接決定機器人的能力上限與應用范圍，這也是自變量構建競爭壁壘的核心所在。公司始終堅持自研端到端具身智能基礎模型，相關能力已進入全球第一梯隊。

1. 開源與商業模型雙線突破

自變量在開源模型方面的表現尤為亮眼，成為其技術實力的有力證明。

其自研具身基礎模型WALL-OSS的成功源于扎實的技術創新。是一個基于大規模真實數據訓練的開源具身基礎模型。為解決具身模型訓練中“數據稀缺、場景單一”的痛點，WALL-OSS依托數萬小時多元數據訓練，有效緩解了行業普遍存在的數據稀缺與場景單一難題。

在技術架構上，模型采用“共享注意力+專家分流”設計，成功解決了VLM向VLA遷移過程中的“災難性遺忘”與“模態解耦”挑戰；

訓練方法上，首創“先離散、后連續、再聯合”的三階段范式，使模型兼具認知理解與精準動作生成能力。同時，模型內化的思維鏈機制使其能夠自主拆解任務、逐步推理，在長序列和復雜場景中實現穩定執行。

在商業應用層面，自變量的「WALL-A」系列VLA操作大模型同樣表現出色。

作為國內最早實現端到端具身智能大模型的公司，自變量通過該模型構建起統一的認知與行動框架，使其能夠在同一表示空間中同步處理感知、推理與行動任務，直接完成跨模態的因果推理與行動決策，從而推動機器人像人類一樣思考與工作。

該模型在多項性能指標上已達到世界領先水平，并首創了VLA與世界模型深度融合的系統范式。憑借原生多模態輸入輸出架構，WALL-A率先實現了具身多模態思維鏈。它借助世界模型機制進行時空狀態預測，協同視覺因果推理以理解環境反饋，并通過可學習記憶機制，從數據中內化物理常識，進一步強化其智能決策與執行能力。

模型的進化，讓自變量的機器人在真實場景中體現了極強的適應力。

作為全球首個基于物理世界基礎模型的成功跨越室外與室內場景的移動操作范例，機器人在外賣配送與紙箱回收中，面對強風干擾或視線遮擋，依靠基礎模型的泛化能力與世界模型的因果推演，它不僅能像人類一樣腦補被遮擋物體的全貌，還能在遭遇卡頓時通過強化學習策略自主糾錯，無需人工干預即可完成閉環。

這種適應力同樣體現在復雜且高難度的物流場景中。

面對雜亂堆疊的包裹，機器人憑借基礎模型的零樣本泛化能力，準確識別各種異形件，并借助強化學習迅速適應作業節奏。尤其值得關注的是，基礎模型的進化進一步釋放了高自由度靈巧手的潛能——機器人已自主掌握手內重定向等類人技能，不僅能熟練使用工具，更可完成如發牌這類對指尖力控精度要求極高的精細操作，成功突破了具身智能在“最后一厘米”操作上的關鍵瓶頸。
2.端到端統一架構的差異化優勢

自變量機器人始終堅持自研的端到端VLA技術路徑，是其在競爭中脫穎而出的根本。

這一路徑的差異化優勢在于，它摒棄了傳統機器人技術中感知、規劃、控制等模塊割裂的“流水線”模式，通過一個統一模型實現信息融合與決策生成。

基于海量真實世界數據訓練，WALL-A模型已初步展現出類似大語言模型（LLM）的“智能涌現”特性。例如，它能理解手寫涂鴉與文字的含義對應，具備空間推理能力，可看著二維圖片用積木搭出三維形狀。在面對復雜環境時，它能整合實時視覺觀察、空間記憶與常識知識，構建連貫的推理鏈條，實現自主探索與靈活決策。

正是這種統一架構，使得機器人能夠應對開放世界中前所未有的物體與場景，理解并輸出正確響應。它支持超過百類高精度、高復雜度操作任務，將長程任務合理拆解并連貫穩定執行，真正實現了在隨機環境中的自主感知、決策與操作，為機器人的大規模、泛在化應用奠定了技術基石。

清晰的戰略定位：“軟硬一體”全棧自研

在具身智能這一前沿賽道，宇樹、智元等企業已建立起一定的先發優勢。然而，自變量憑借清晰的差異化定位，正走出一條獨特而堅實的發展路徑——即“軟硬一體”的全棧自研模式。

這一戰略源于創始人王潛對行業的前瞻判斷：“具身智能的發展短期靠模型算法，中期靠數據積累，長期則取決于產品能力。”因此，公司并未局限于單一環節，既不做純粹的大模型，也不只做硬件，而是堅持軟硬件雙軌自研。

其自研大模型能夠精準匹配自研硬件，核心零部件也與算法深度適配，不僅顯著降低了整機成本，更形成了“研發?→?落地?→?優化”的閉環迭代，構建起持續的技術與成本優勢。

量子2 號的五指靈巧手

在技術路線上，行業常見三種選擇：側重“大腦”的語言與規劃能力，專注“小腦”的運動控制，或是如自變量所采用的“大小腦統一的端到端”路徑。傳統分層架構雖利于單點優化，卻在復雜動態環境中容易出現協作斷層；而端到端模型讓機器人從感知直接輸出動作，響應更快、適應更強——這也與國際頭部公司的演進方向相一致。

更為關鍵的是，自變量緊扣具身智能的本質追求：通用性與泛化性。區別于只能在固定環境中執行預設任務的傳統自動化設備，具身智能的核心價值，在于讓機器人能在開放場景中自主應對多樣任務——例如在家庭環境中整理不同形狀的餐具，或處理突然滑落的物品。其自研的「WALL-A」模型所展現的零樣本泛化能力，正是朝著這一目標邁出的關鍵一步。

▍融資背后的戰略意義

當前，在人口結構變化、勞動力成本上升及產業智能化轉型的多重驅動下，具身智能機器人正日益成為新質生產力的關鍵載體。

本輪十億元級融資及互聯網巨頭的多輪入局，不僅是對自變量自研能力與技術價值的高度認可，更是市場對具身智能步入規模化落地關鍵階段的鮮明回應。

對自變量而言，本輪融資具有雙重戰略意義：一方面，將持續投入端到端具身基礎模型的研發，鞏固技術護城河；另一方面，將加快推進以開源模型為核心的生態建設計劃——通過開放協作，聯動算法、數據、硬件與場景等多方伙伴，構建從技術共建、產業協同到應用落地的開放生態。公司還將借助開發者社區，推動行業標準形成與人才體系的構建。

自變量的融資進展與技術突破，進一步印證了具身智能從“實驗室概念”向“產業化落地”的整體轉向。2024年以來，賽道融資持續活躍，巨頭與初創公司同步發力——而像自變量這樣具備“明確自研、技術扎實、軟硬一體、路徑清晰”特質的企業，有望成為推動行業從單點創新邁向規模商業化的重要引擎。

展望未來，具身智能將在物流、制造、商業服務、家庭乃至醫療康復等多元場景中發揮重要作用。自變量在“機器人大腦”領域的突破，正是實現上述場景智能化升級的核心基礎。通過全棧自研與全面開源模型權重、代碼與工具鏈，降低行業整體研發門檻，推動生態共榮。

自變量，正站在這一浪潮的前沿。