《机器人参考》今日从自变量机器人获悉,该公司已于近期完成10亿元A++轮融资。本轮融资由字节跳动、红杉中国、北京信息产业发展基金、深创投、南山战新投、锡创投等顶级投资机构及多元地方平台联合投资。据悉,这也是深创投AI基金成立以来的第一笔投资。
此前,公司已先后获得美团、阿里巴巴等互联网巨头的资金加持,成为目前国内唯一同时获得字节、美团、阿里三家大厂投资的具身智能企业。这场跨领域资本的集体下注,不仅凸显了市场对具身智能赛道基础模型关键价值的共识,更直接印证了自变量在技术领先性与发展潜力上的深度认可。
◆构建物理世界的基础模型
让机器人真正能干活
随着近年来具身智能持续升温,机器人在运动与控制等“肢体”能力上已取得显著突破,行业竞争焦点逐步转向“大脑”的构建。如何为机器人打造一个能理解物理世界、能灵活操作、能应对复杂多变场景的智能“大脑”,成为实现规模化落地的关键。
《机器人参考》了解到,在自变量机器人看来,具身智能基础模型是一种独立于、平行于大语言模型与多模态模型等虚拟世界模型的、面向物理世界的基础模型。其核心在于突破机器人在泛化性与通用性上的瓶颈,使机器人具备在非结构化、动态和随机的真实环境中实时处理任务的能力。自变量的具身基础模型,以所有机器人的感知信息(如视觉、触觉、语音等)为输入,直接输出机器人的动作、视觉与语言。

自变量机器人创始人兼CEO王潜表示:“具身智能的下一阶段竞争,本质上还是数据闭环构建的基础模型与模型进化能力的竞争”。在这个判断下,全球正在从数据、模型、算力等多个方面加快投入,快速推进具身智能的发展。
◆首创VLA与世界模型深度融合
真机强化学习自主进化
技术路径上的创新是自变量获得资本青睐的核心。公司自研的 WALL-A模型,核心架构首创VLA(视觉-语言-动作模型)与世界模型深度融合的系统范式。作为原生的多模态输入输出框架,WALL-A率先实现了具身多模态思维链。该模型利用世界模型机制进行时空状态预测,通过视觉因果推理理解环境反馈,并借助可学习记忆机制从数据中内化物理常识。这一融合机制显著提升了机器人在非结构化环境中执行移动操作任务的零样本泛化能力。
与此同时,公司依托大规模真机强化学习,让基础模型在与真实物理世界的持续交互中获取高质量学习经验,自主解决长尾问题,实现机器人能力的不断进化。通过完全端到端的技术路线,自变量构建了“物理世界基础模型—真机自主进化”的完整技术闭环。
◆构建高质量真机数据管线
打造模型进化引擎
数据是驱动基础模型持续进化的核心燃料。自变量自成立起便重度投入,坚持“硬件—数据—模型”闭环迭代。作为国内最早规模化扩展真机数据采集的企业,公司自主研发了主从遥操、外骨骼、无本体等多种数据采集设备,并在各类设备上实现了数据验证与模型突破。
此外,公司搭建了模型驱动的数据管线,通过数据生成、过滤、增强、标注等环节,持续规模化产出高质量数据。自变量坚持通过基础模型为数据处理与硬件设计提供反馈,从而迭代出更优质的数据与更高效率的数采设备,形成正向循环,持续提升模型效果。
◆模型迭代
推动在真实世界自主完成任务
技术的持续进化已在真实场景中得到验证。作为全球首个基于物理世界基础模型、成功跨越室外与室内场景的移动操作案例,自变量的机器人在外卖配送与纸箱回收任务中,面对强风干扰或视线遮挡,能够依靠基础模型的泛化能力与世界模型的因果推理,不仅“脑补”被遮挡物体的全貌,还能在遭遇卡顿时通过强化学习策略自主纠错,无需人工干预即完成闭环。
在复杂的物流场景中,面对堆叠混乱的包裹,机器人凭借基础模型的零样本泛化能力识别异形件,并利用强化学习快速适应工作节奏。尤为值得关注的是,基础模型的进化还解锁了高自由度灵巧手的潜能,使机器人自主掌握了手内重定向等类人技能,从使用工具到完成发牌这类高精度指尖力控动作,成功突破具身智能精细操作的“最后一厘米”。
在持续探索技术前沿的同时,自变量也积极推动行业共建。2025年9月,公司开源了自研端到端具身基础模型WALL-OSS,助力具身智能技术的开放与普及。
《机器人参考》了解到,自变量坚持软硬件全栈自研,从模型算法、数据驱动的需求出发,设计发布了“量子一号”“量子二号”两款高性能的机器人本体,同步实现了机械臂、关节模组、动力驱动器、主控制器等核心零部件的全面自研与算法深度适配,促成了整机成本的大幅下降,为具身智能机器人的规模化量产与商业化落地奠定坚实的基础。目前,自变量已逐步进入工业制造、物流、养老等多个高价值领域。
联系《机器人参考》:juliaryy@163.com
文/广州日报新花城记者:阮元元













































