機器人“實習生”要住家了！自變量機器人CEO王潛：具身智能的“Aha Moment”或在2至3年內出現

機器人真正進入家庭幫助人類做家務還需要多久？4月21日，自變量機器人給出的答案是：35天。

當天，自變量機器人（以下或簡稱自變量）舉行發布會，推出新一代機器人進家庭計劃，宣布35天后搭載WALL-B的新一代機器人將首批入駐真實家庭。

發布會現場，自變量機器人創始人兼CEO（首席執行官）王潛站在舞臺中央，一臺白色輪式雙臂機器人緩緩滑上臺，機械臂夾著垃圾桶，另一只機械臂精準夾起了他演講途中隨手扔下的紙團。這不是提前編好程序的演示，而是機器人自主決策的結果。正是這個人類看似簡單的自主決策的動作，對于機器人能否真正進入復雜的真實家庭，至關重要。

王潛和自變量機器人CTO（首席技術官）王昊會后接受了包括《每日經濟新聞》在內的媒體記者采訪，王潛表示，具身機器人的硬件已經到位了，雙足、靈巧手、力控關節都很好，但大腦沒有跟上，當前，機器人的核心瓶頸不在本體，而在數據和技術。

王潛還提到，無論是用于數據收集，還是驅動整體技術進步，商業化都是一件非常自然的事，因此為了把技術做好，自變量一定要把商業化做好。“我們希望在2至3年里，實現真正意義上的、物理世界的Aha Moment（頓悟時刻），就像當年ChatGPT所做的事一樣。希望Aha Moment，是我們第一個能做出來的。”王潛表示。

自變量機器人創始人兼CEO王潛 受訪者供圖

談機器人駐家：Aha Moment，在未來非常近的地方

“早上七點，鬧鐘響了。你從床上爬起來，走到客廳。拖鞋不知踢到哪里，廚房的碗還沒洗，孩子的書包扔在地上，貓打翻了一杯水。”王潛用這段描述開場，揭示了家庭環境的實際情況：隨機、碎片、不斷變化。

王潛表示，目前，全球沒有任何一臺機器人可以在無遙控操作的情況下，獨立完成上述場景中的綜合整理任務。他和團隊所做的，是把機器人送進最復雜的真實家庭。

《每日經濟新聞》記者了解到，自變量機器人成立之初，便聚焦于為機器人構建“大腦”，即端到端的具身智能基礎模型。2024年底，公司發布基于VLA（視覺—語言—動作）架構的第一代具身基礎模型——WALL-A。

今年3月，自變量與58同城合作，將搭載WALL-AS模型的機器人送入真實家庭，與保潔阿姨協同作業。不過，正是在這些真實家庭的部署，讓自變量及其團隊看到了VLA架構的“天花板”。因此，自變量推出了全球首個基于世界統一模型架構（World Unified Model，WUM）的具身智能基礎模型，標志著具身基礎模型從VLA架構向原生多模態融合架構演進。

王昊提到，在機器人領域，VLA面臨的最大問題是，視覺、語言、動作三個模塊各自為政，數據在模塊間逐級傳遞，每過一次模塊邊界就發生一次信息損耗。

“視覺學到的豐富信息，傳到動作模塊時，只剩一個模糊的摘要。”王昊解釋稱，更根本的問題在于，VLA模型只能模仿訓練數據中的軌跡，無法真正理解物理世界的規律，它不知道杯子為什么會掉，不知道盤子懸在桌邊會摔碎。因此，自變量最新官宣的WALL-B，具備WUM架構，將視覺、語言、動作、物理預測等所有能力放在同一個網絡中從零開始聯合訓練，消除了模塊間的邊界和數據搬運損耗。

王昊將搭載新架構的機器人認識世界的方式，類比為人類學習使用筷子的過程：筷子掉了無數次，但每一次失敗都在調整手上的控制，最終形成穩定的技能。這種自我迭代機制，使機器人能在真實環境中持續進化。

王潛表示，“等到5月份機器人駐家時，理論上，它應該能處理所有我們讓它做的事情。所有在物理上可觸及范圍內的事情，它都能做。當然，這不代表100%自主完成，必要時還是需要人進行遠程兜底監管，以保證安全”。

“我覺得，機器人進家庭的發展速度，某種意義上要超過大家一般的預期。我還是毫不猶豫地認為，具身智能真正意義上的Aha Moment，應該就在未來非常近的地方，可能比大家想的要近。”王潛進一步指出。

談企業融資：具身機器人融資熱度，仍相對欠缺

備受關注的是，王潛當日同時對外證實了公司剛完成近20億元的B輪融資，這輪融資由小米戰投與紅杉中國聯合領投。至此，自變量機器人成為國內唯一一家同時獲得字節跳動、美團、阿里巴巴、小米四家互聯網巨頭投資的具身智能企業。

公開數據顯示，2026年以來，國內具身智能及機器人賽道已披露融資總額接近200億元，百億元估值公司增至13家，熱錢確實在涌入。但在王潛看來，與移動互聯網、自動駕駛等大級別的技術浪潮相比，具身智能仍處在早期階段，“我覺得影響還是弱的，和之前的大級別機會相比，熱度還是欠缺的”。

即便是在這樣一個尚未真正“熱起來”的賽道上，自變量實現了行業內罕見的被四家互聯網巨頭集體押注。從融資歷程來看，自變量幾乎走了一條“一輪一個巨頭”的獨特路徑：A輪美團、A+輪阿里、A++輪字節、B輪小米。

“為什么能夠吸引這些大廠投資？我很難給出一個行業通用性的回答。”王潛在接受采訪時坦言，“所有這些投資人投我們的邏輯，其實非常簡單，就是投技術上的領先性。這幾家大廠也在做大W模型，應該是全世界做大模型最好的幾家公司之一，他們自己的技術判斷力很強，他們需要投某種意義上的技術第一性、技術驅動的事情。”

對于未來可能面臨的和巨頭競爭等問題，王潛表示：“大廠投資我們，也恰恰說明了創業公司的獨特優勢。市場足夠大，創業公司在軟硬一體的能力、技術本身的壁壘上，具有優勢。”

在王潛看來，資源不構成壁壘，技術才是最大的壁壘。大模型歷史上，Google等大廠投入巨量資源，但追趕OpenAI依然用了很長時間。“為什么大家會認為，在大模型的時代技術門檻變低了，因為有蒸餾，蒸餾做得太多了，以至于忘了什么是真正的技術差距了，但機器人沒法蒸餾，技術壁壘會更高。”王潛表示。

談商業化落地：是數據來源，更是技術迭代的加速器

值得注意的是，從一直以來的發展路徑看，自變量給外界的印象是不急于商業化變現。當被問及為何在此時推出家庭產品時，王潛表示，“我們一直都秉承技術第一性，核心目標還是首先要達到大模型那樣的里程碑。這個階段的商業化，是為這個目標服務”。

“為了把技術做好，我們一定要把商業化做好。”王潛總結稱，在他看來，商業化不僅是數據來源，更是技術迭代的加速器。

“在真實場景里，有很多物理上的限制，你不去做就不可能會知道。”王潛說，從硬件設計到數據，再到模型，都會有這種反饋。在他看來，一個產品之所以不只是實驗室里的研究品，是因為它終究要和足夠大、足夠廣闊的世界交互。

在數據策略上，王昊做了一個生動的比喻：行業內大多數訓練數據來自實驗室，固定光照、固定位置、無干擾環境，他稱之為“糖水數據”，干凈但脫離真實。而自變量的團隊進入數百個真實家庭采集的數據，則被比喻為“牛奶數據”，嘈雜、多變、充滿隨機性。自變量的策略是以實驗數據打底、真實場景提質，讓模型學會在不確定環境中生存。

關于機器人進家庭會涉及的隱私問題，王潛也給出了明確的解決方案：視覺脫敏，據他介紹，機器人在設備端會對原始圖像進行實時打碼處理，同時，機器人在用戶主動按下同意鍵后方可開機，不存在“默認同意”的情況。而對于機器人在家庭中采集的圖像，王潛表示，系統絕不共享第三方，機器人只認一個主人，發現可疑指令立即鎖定。

不過，盡管對技術前景保持樂觀，王潛依然將現在的機器人定位為“實習生”。這意味著機器人進入家庭，前期可能會犯錯，需要人類遠程協助。它可能把拖鞋放到廚房，擦桌子可能擦到一半停下來“思考”。但它的優勢是24小時不間斷工作，每工作一天都會因新數據而變得更聰明。

“進入家庭的機器人，現在還很笨，走得很慢，經常犯錯。但人類從嬰兒時期邁出的第一步也是如此。每一個偉大的旅程，都是從踉踉蹌蹌的第一步開始。如今，機器人已經在最復雜的地方開始了它學習和進化的征程。”王潛表示。