当一台名为“小量”的机器人在深圳国际人工智能展会上娴熟地制作冰沙时，围观的人群可能没有意识到，他们正在见证具身智能产业的一个重要转折点。这款由自变量机器人研发的机器人，在两分钟内完成取杯、接冰、加料的全流程操作，背后是公司自研的「Great Wall」具身智能大模型系列WALL-A的强大支撑。而更令人关注的是，这家成立不到两年的公司已经完成了8轮融资，累计金额超过20亿元人民币，成为国内具身智能赛道最受资本青睐的创业公司之一。
自变量的快速发展恰逢具身智能行业标准化进程的关键时刻。2025年11月20日，由Dexmal原力灵机与Hugging Face共同发起的RoboChallenge全球评测平台迎来重要进展——智源研究院、智元机器人、Qwen、星海图、自变量、清华大学、西安交通大学及GOSIM等机构正式成立RoboChallenge组委会。这一举措标志着具身智能真机测评从“分散实验”走向“共识共建”，为行业注入了标准化、常态化的新动能。在这一开放协作的生态中，自变量机器人作为具身智能领域的创新企业，正以其端到端技术路线和开源精神，积极参与行业共建。
公司创始人兼CEO王潜的创业故事颇具传奇色彩。本硕均毕业于清华大学的他，是全球最早在神经网络中引入注意力机制的学者之一。留学期间，他在美国顶级机器人实验室参与了多项前沿研究，覆盖机器人学习和人机交互的多个领域。虽然毕业后没有立即投身机器人行业，但他始终关注着技术发展。直到语言模型等相关领域取得突破，王潜敏锐地捕捉到机器人行业的新契机，于2023年12月毅然来到深圳创立了自变量机器人。
自成立之日起，自变量机器人就选择了一条与众不同的技术路径——“大小脑统一的端到端大模型”路线。这一选择在当时遭到业内专家的质疑。一位知名机器人教授曾当面表示：“端到端很有意思，但可能永远只是个玩具，不会落地。”然而，王潜始终坚信传统分层架构的局限性，坚持走端到端的创新之路。
所谓端到端模型，与传统分层架构有着本质区别。传统模式将任务拆解为感知、规划、控制等多个独立模块，每个模块单独运作，而端到端模型则通过统一架构，实现从感知、规划到控制的全流程闭环。王潜解释说：“分层模型每多一步拆解，就会引入额外误差和不可控噪声，难以实现可靠执行；而端到端统一模型能在‘感知—决策—执行’全流程保持连续性，从根本上解决这一问题。”
自变量的技术理念可概括为“纵向统一”与“横向统一”：纵向实现从视频、传感器原始输入到机器人运动输出的全流程同一模型处理；横向让不同任务共用一个模型，训练与推理均在统一架构下完成。这一理念在WALL-A模型上得到充分验证，该模型使机器人仅用二指夹爪，就能完成拉拉链、叠衣服、浇花等复杂操作，数分钟级任务成功率超过95%。
在数据策略上，自变量坚持“高质量真机数据”路线，与行业内依赖仿真数据或互联网数据的做法形成鲜明对比。王潜态度明确：“所有涉及复杂物理交互（如接触丰富的手部操作）不应完全使用仿真数据。我们探索了十几年，结论是手部复杂操作无法通过仿真数据进化。”公司构建了多渠道数据收集体系，包括集中式数据采集场地、分布式现实环境收集、机器人部署后的数据回流，三维度保障数据质量，为模型训练提供坚实支撑。
资本市场的热烈反应印证了自变量的技术价值。成立不到两年完成8轮融资，累计金额超20亿元，这样的融资节奏在硬科技领域实属罕见。2025年9月，公司宣布近10亿元A+轮融资，由阿里云、国科投资领投，国开金融、红杉中国等跟投，老股东美团、联想之星等追投。值得注意的是，这是阿里云首次布局具身智能领域，也是美团第二次加注。
业内巨头在具身智能领域的布局逻辑各异。阿里已布局10家相关企业，核心是通过云计算和大模型扩展AI应用边界；美团布局更早更全，覆盖上下游全链条；京东则聚焦零售、物流、家庭三大垂直场景。自变量能同时获得多家巨头的青睐，充分证明了其技术路线的独特价值。
面对具身智能领域最受争议的商业化问题，王潜有着清晰规划。他坚信“家庭是机器人最大市场，预计3-4年会出现早期产品”。经济学测算显示，人类家务劳动占比高达四分之一却未计入GDP，这意味着家庭机器人市场潜力巨大。自变量的商业化路径确定为“To B切入，逐步延展至To C”，未来将在多个功能性场景实现商业化落地。
价格方面，王潜预测，消费者可接受、产业链可支撑的价格区间约为1-2万美元（折合人民币10万元上下），目前仍需通过产业链优化降低成本。他同时预判，类GPT-3水平的具身智能大模型有望一年内出现，而人形机器人的“ChatGPT时刻”则需要3-5年。
尽管进展显著，王潜仍清醒认知到通用机器人之路的挑战。他指出，当前限制机器人产业化的核心是“大脑”而非硬件：“展馆里不乏运动能力出色的机器人，但它们提供的实用价值有限，更多是形式价值。”数据隐私与安全问题同样不容忽视。
