近日，自变量机器人完成近 10 亿元 A+轮融资。本轮由阿里云、国科投资领投，国开金融、红杉中国、渶策资本跟投。老股东美团战投超额跟投，联想之星、君联资本持续追投，其中联想之星为天使轮股东。
在全球热钱加速涌入、赛道估值快速攀升的背景下，此次融资呈现出罕见的「多元资本聚合」态势：不仅有长期深耕硬科技领域的大美元资本入局，亦涵盖布局战略性新兴产业的大国资，同时叠加互联网战投的深度参与。
三方资本力量就单一具身智能标的形成「同频注资」，标志着该融资并不是盲目追逐概念热度的投机性出手，而是押注产业未来的战略性布局下，对自变量机器人技术壁垒与商业化潜力的深度筛选。
以此次领投方阿里云为例，作为国内少数具备 AI 大模型底层能力、且深度链接产业场景的云厂商，其此前在具身智能领域始终保持「观望」态度，此次选择自变量机器人作为赛道「首投标的」，不仅是基于对自变量机器人技术硬实力的认可，更是对于具身智能产业价值「分水岭」的精准研判。
从产业视角来看，具身智能已经进入「脑力角逐」阶段，从「勉强能用」到「通用好用」，站在金字塔尖的「大脑」，决定了具身智能能力的上限。自变量机器人作为国内最早实现端到端具身智能大模型的公司，其自主研发「WALL-A」系列 VLA（Vision-Language-Action）操作大模型，构建统一的认知与行动框架。模型同时处理感知、推理和行动，直接进行跨模态的因果推理和行动决策，让机器人能够在真实物理世界中，像人类一样思考和工作。
本轮融资，体现的是多元资方对具身智能产业未来演进方向的深度战略布局。
01
具身智能 大规模落地，
要先理解物理世界「潜台词」
一个清晰的产业共识为，「大脑」能力不足导致技术落地与产业期待存在显著落差。当前业内大部分「大脑」普遍处于「三重限定」状态：场景限定于预设的标准化环境、动作限定于固定轨迹的机械执行、任务限定于单一指令的简单响应。
而真实物理世界的复杂性远超预设，一个仅能在「限定框架」内运作的「大脑」，显然无法承接产业对具身智能「实时响应」的核心诉求。
这一供需落差的核心 gap，在于大部分「大脑」仅能实现「表层物理世界理解」，识别可见的物体形态、空间位置，却无法「读懂」物理世界的「潜台词」，即深层语义理解与复杂推理能力的缺失。
得益于自变量机器人率先实现了端到端具身思维链推理框架，其恰好填补了产业空白。基于多模态输入进行深度推理并生成多模态输出，形成模型自主决策、执行、探索和反思的完整闭环。使模型能够将语言理解、视觉感知与动作执行紧密结合，形成更接近人类思维的推理过程，成功突破多步骤长序列任务瓶颈。同时，据了解，自变量已在部分完全未训练过的新任务类型中展现出零样本泛化能力。
02
具身智能「GPT 时刻」难盼？
中国也有了真正意义的具身智能基础大模型开源
当前具身智能产业正陷入「期待与现实错位」的显著怪象：外部市场始终聚焦「GPT 时刻」的降临，笃信技术拐点将快速激活万亿级产业空间；但产业内部却深陷「重复造轮子」的低效循环。企业在底层算法框架、基础感知模块、运动控制逻辑上各自为战，难以形成协同突破，导致技术落地进度远滞后于市场预期，成为行业隐性痛点。
要打破这一困局，「开源」无疑是最关键的破局抓手。
诚然，产业不乏开源动作，但并非所有「开源」都能承担产业破壁的重任，业内长期存在「真开源」与「假开源」的本质分野。部分企业的「开源」，仅开放表层代码片段或阉割版模型，核心训练框架、预训练权重、关键参数仍处于封闭状态，开发者难以基于此进行深度二次开发；或附加严苛的商用授权限制，无法真正形成技术共创生态。
而「真开源」的核心，是能让开发者能从「直接使用」到「迭代优化」再到「场景创新」，实现技术价值的共建共享。
在融资落锤官宣之际，自变量机器人在毫无预告的情况下，同步开源了其大规模真实数据训练的开源具身基础模型 WALL-OSS。而且开源得极彻底，这次放出的，是一整套完整可复现的具身大模型方案。包括预训练模型权重、训练代码、数据集接口，甚至还附带了详细部署文档，开发者可以在自己的机器人上直接跑通闭环流程。即使是具身领域在 WALL-OSS 之前唯一可用的开源模型 Pi0，也未曾开源其推理及训练代码。而更多的模型，则停留在发 paper，或者较小数据量训练的阶段。
WALL-OSS 自采大规模真机数据，多样性场景及任务高质量数据；在模型架构上，创新性设计「共享注意力 + 专家分流 (FFN)」架构；在训练方式上，首创「先离散、后连续、再联合」的多阶段训练范式；统一跨层级思维链实现了跨层级抽象层面的前向任意映射，模型能够在单一可微分框架内无缝切换高层决策与底层执行。。
自变量机器人不断突破技术卡点后，WALL-OSS 具备强大的泛化性和推理能力、良好的因果推理、空间理解和反思能力，在长程操作任务方面表现优于其他基础模型。据自变量评测，在严格的 ID（分布内）和 OOD（分布外）评测中均验证了 WALL-OSS 的卓越性能：例如在指令描述、动作动词、物体方位等发生变化的 OOD 场景下，WALL-OSS 依然保持高成功率和指令遵循度；在需要细分指令的长程任务上，WALL-OSS 显著优于扁平化策略的基线模型（如 π0-flat）；在需要 CoT 的推理类任务上，WALL-OSS 同时优于 π0-flat 和 pi-gpt-prompt 等强基线；在空间 VQA、定位和场景描述等多模态基准测试中，WALL-OSS 表现出色，成功保留并强化了 VLM 的核心能力。
通过开源将自变量机器人技术优势转化为产业协同动能，加速具身智能从「技术单点突破」向「产业工程化落地」的关键跃迁，为行业真正迎来「GPT 时刻」筑牢根基，因此，行业内有种说法
「硬件 看宇树，大脑 看自变量」。
03
模型快速迭代之下，
AI 开始掌握硬件的定义权
在物理世界展现「能力涌现」时，新的问题也随之而来。现有的硬件还是否适配于「进化后」的大脑？
在自变量机器人看来，AI 的发展不仅带动了软件水平跃升，一定程度上也影响了硬件性能的发展走向。换言之，硬件是否适配，机器人的大脑或许比人类更懂。
只做大模型或是硬件或许很快就会触碰到天花板，毕竟，商业化强如宇树，也面临着大脑「缺位」的争议。
自变量机器人始终坚持软硬一体发展，并打造了模型原生的本体结构。今年新发布的量子 2 号，就是这样一个「模型原生」的硬件。它的五指灵巧手采用仿生结构设计，单手拥有 20 个自由度，能感知细微的压力变化。基于臂手一体化外骨骼技术，自变量首创行业领先的「仿人机械臂+高自由度灵巧手」一体化全身遥操方案，量子 2 号不仅能采集高质量数据反哺模型训练，也将与自研模型深度融合，真正进入到现实场景中落地应用。
在过去不到半年时间内，自变量就已实现了机器人本体整机、高自由度灵巧手、外骨骼遥操数采设备等全栈自研。
04
技术快进+资本同频，
自变量机器人用商业化定力回应期待
无论是近十亿融资的加持还是开源基础模型，都再次印证了自变量机器人「加速度」发展的鲜明特征。
2024 年 3 月，成立仅 3 个月的自变量机器人，推出国内首款以具身智能基础大模型为核心的复杂操作系统，时隔 3 月后，该模型便在特定任务中显现出少样本学习与自发跨任务迁移能力；同年 10 月，其进一步研发出当时参数规模领先的具身智能通用操作大模型 Great Wall 系列（GW）之 WALL-A，公开的多组操作动作精度达世界一流水准。
2024 年 11 月，自变量的模型展现出长序列训推能力和泛化性，并首次展现出零样本泛化能力；鲁棒性、复杂任务成功率优势显著。同时在数据质量控制与数据收集效率方面达到世界领先水平，
步入 2025 年后，自变量机器人在语义导航等方面取得突破，4 月，自变量在具身思维链技术方面展现出强大优势，WALL-A 模型在更多未接触过的新任务场景中展现出零样本泛化能力。
硬件侧，成立仅两年的自变量机器人，已基于自研大模型搭建起「轮式双臂机器人+轮式人形机器人+灵巧手」的本体产品矩阵。
自变量机器人不断挑战具身智能技术无人之境的同时，资本也展现出对其技术价值与产业潜力的长期「战略锚定」。成立至今，自变量机器人已完成八轮融资，集结了多元化资本。形成「技术突破-资本注入-持续拓展」的正向循环。
值得关注的是，在技术与资本双轮驱动的背后，自变量始终保持着清晰的商业化定力。在商业化落地场景选择上，自变量机器人的定力体现在场景甄别中，坚定选择有真实数据价值、商业价值的场景，规避短期爆发的「伪需求」。
目前自变量的机器人，已与头部服务业、工业客户达成合作，在多场景中投入使用。未来自变量也将与客户围绕模型和硬件共建开放生态，推动具身智能的进一步发展。
从 2023 年到现在，国内具身企业百花齐放，商业模式也五花八门，各类公司在落场景、冲营收的同时，行业不断反思其间的客户价值是否持续、技术是否有效迭代。技术的快进是产业的根基，多元化资本同时下注基础模型及技术全栈的公司，或许为行业提供了期许的答案。
上海配资公司提示：文章来自网络，不代表本站观点。
