发布信息

2年8轮融资200亿,深圳这家机器人公司凭什么让四大巨头“排队送钱”?

作者:本站编辑      2026-07-25 22:13:24     0
2年8轮融资200亿,深圳这家机器人公司凭什么让四大巨头“排队送钱”?

AI超维实验室,探索AI的无限可能,拆解工具的底层逻辑。 不是资讯号,是实验场。

2026年7月,成都。
APEC“数字和人工智能部长会议”现场,30多家全球顶尖科技公司同台——Meta、谷歌、微软、松下、腾讯、百度
但全场唯一获邀发表主旨演讲的具身智能企业,是一家成立不到三年的深圳公司——自变量机器人
更让人意外的是,就在两个月前,这家公司刚完成两个月内四轮融资、估值突破200亿元的壮举。
投资方名单拉出来,堪称“中国科技投资史的缩影”——美团、阿里、字节、小米四大互联网巨头轮番领投,中国移动、红杉、IDG、源码资本等30多家机构集体下注。
一家初创公司,凭什么?
两个“学霸”,一条“窄道”
故事要从两个人说起。
创始人兼CEO王潜,本硕毕业于清华大学,是全球最早在神经网络中提出“注意力机制”的研究人员之一。
联合创始人兼CTO王昊,北大计算物理博士,曾主导国内第一个百亿级大模型和最早一批千亿级大模型的研发。
2023年12月,他们在深圳创办了自变量机器人。
但当时他们选择的“端到端”技术路线,在行业里是一条“窄道”“险径”。
“一开始,一些资本不相信这套逻辑,我们早期的融资难度比一般公司更大。”王潜说。
那时的机器人行业,主流做法是把“大语言模型+动作模块”拼在一起——像搭积木一样,各管各的。
但王潜和王昊认定,这条路走不远。
机器人要真正理解物理世界,必须把视觉、语言、动作、物理预测全部放进同一个网络里,从零开始联合训练。
这个判断,在当时没人敢打包票。
“大脑”重构:从VLA到WUM
2024年底,自变量发布了基于VLA架构的第一代模型WALL-A。
但团队很快看到了VLA的“天花板”——视觉、语言、动作三个模块拼接在一起,数据每经过一次模块边界就发生一次损耗和延迟。
更核心的问题是:VLA只能模仿见过的动作,无法真正理解物理规律。
于是他们做了一个大胆的决定:推翻重来。
2026年4月,自变量发布全球首个基于“世界统一模型”(WUM)架构的具身大模型WALL-B。这不是WALL-A的升级版,而是从底层架构到训练范式的全面重构。
(图片来自工人日报)
WALL-B把视觉、语言、动作、物理预测等所有能力,放进同一个网络中联合训练。
它能理解重力、惯性、摩擦力,面对从未见过的场景也能自主推理。
它还能在与环境的互动中积累记忆、自我进化
紧接着5月,自变量又发布了具备 “事件级预测能力”的世界模型WALL-WM ——不再按固定时间采样,而是以“事件”为基本思考单位,实现了语言、视觉和动作的更好对齐。
技术判断,最终得到了验证。
(图片来自自变量机器人)
03. 四大巨头“排队送钱”
2026年1月,字节跳动领投10亿元A++轮。
至此,自变量成为国内唯一同时获得美团、阿里、字节跳动三家互联网大厂投资的具身智能企业。
4月,小米战投领投B轮。
四大互联网巨头,轮番领投,全部集齐。
紧接着,B+轮、B++轮、C轮在两个月内连续完成交割。
中国移动连续两轮重注加持,红杉中国、IDG资本、源码资本、达晨财智、中金资本等30余家机构参与。
58集团带着家政场景而来,奇瑞带着汽车供应链需求而来—— “场景+资本”的双重绑定,让自变量的技术落地先于行业同行进入实质阶段。
估值突破200亿元,大湾区首家。
资本从不无缘无故地集中。
当行业从“分散押注”走向“头部收敛”,200亿元估值的交割完成,是一个清晰的信号:具身智能的“马太效应”已经开启。
(图片来自自变量机器人)
从客厅到产线:机器人真的“上班”了
但资本看好是一回事,能不能干活是另一回事。
自变量选择了一个最难的切入口——家庭。
家庭是具身智能的“终极考场”,标准化程度最低、环境最复杂。
2026年3月,自变量与58到家合作推出人机协作保洁家庭服务,机器人第一次大规模走进真实家庭。
5月,搭载WALL-B的新一代机器人入驻首批志愿者家庭。“报名超乎预期,机器人都不够用了。”王潜说。
截至目前,已服务超过1000户家庭,从深圳拓展至北京。
在产业端,自变量与国内头部物流企业合作,机器人部署到真实物流分拣产线,稳定实现每小时1200件以上的分拣效率,回流率低至3%以内,7×24小时不间断作业。
回到开头那个问题:一家成立不到三年的公司,凭什么让四大巨头排队送钱、让30家机构集体下注?
答案或许就藏在王潜的一句话里: “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。” 

图片声明:本文所用图片多数来自网络公开渠道,仅供分享交流使用,版权属原作者所有。如涉及侵权,请及时联系我们删除。

相关内容 查看全部