徽声在线记者 | 陆柯言
徽声在线编辑 | 文姝琪

在成功获得阿里巴巴、美团、字节跳动三家互联网巨头的投资后，自变量机器人公司的动作愈发频繁，展现出强劲的发展势头。

今年3月，自变量机器人作为主办方之一，成功举办了“首届具身智能开发者大会（Embodied AI Developers Conference，EAIDC 2026）”。此次大会突破了传统模型限制，搭建了一个线下真机评测竞技平台，旨在吸引全球开发者参与，共同发掘和培养机器人领域的优秀人才。在大会期间，自变量CTO王昊接受了媒体的专访，详细披露了这家备受瞩目的机器人公司的最新动态和未来规划。

图片来源：自变量机器人

自变量机器人的创始人兼CEO王潜，曾在美国知名机器人实验室从事机器人学习与人机交互研究，是全球最早提出Attention机制（Transformer结构核心）的研究者之一。回国后，他携手CTO王昊共同创办了自变量机器人。王昊拥有IDEA研究院的深厚背景，曾主导开发了多个广受欢迎的开源模型，为自变量机器人的技术发展奠定了坚实基础。

凭借两位关键技术决策者的卓越背景，自变量机器人从创立之初就坚定地走上了端到端技术路线。2024年，公司发布了自研的端到端具身智能大模型——Great Wall系列WALL-A模型，其分支WALL-OSS更是在去年宣布开源，为机器人领域的发展贡献了重要力量。

王昊在采访中透露，自变量机器人近期的工作重点是将世界模型与VLA（Vision-Language-Action，视觉语言动作模型）融合为一个联合框架。这一创新举措旨在实现动作和视觉的联合建模，使模型能够更好地理解和遵循物理定律。他表示：“短期来看，我们计划引入更多多模态输出架构，以减少误差累积；而从中长期来看，我们致力于在基模上实现绝对意义的通用场景泛化，让机器人能够适应各种复杂环境。”

与宇树等以硬件为先的厂商不同，自变量机器人更加注重基础模型的强化。因此，公司自成立之初就在数据和算力方面进行了大规模投入。王昊认为，越早建立规模化效应，资源聚集效应就越明显，后来者想要追赶就需要付出数倍的资源。他强调：“不是说你先把技术做到完全泛化，再去考虑场景。恰恰相反，场景能够推动技术的迭代，而迭代又能让基模变得更强，更强的基模再反哺商业，这样才能形成完整的闭环。”

今年，自变量机器人迈出了重要一步，即进军家庭场景。同样在3月，公司宣布与58同城达成合作，由58到家平台随机调度阿姨与机器人组成搭档，共同进行家政服务。目前，这一服务已在深圳率先开启，并计划在未来几个月内进入更多城市。在家庭场景中，机器人已经能够承担清理垃圾、收拾桌面等基础工作，为家庭生活带来了便利。

家庭场景是公认标准化程度最低、最难落地的场景之一。业内普遍认为，家庭场景的成熟应用需要等待5-10年。相比之下，多数厂商在现阶段的商业化选择上更倾向于工业场景，因为工业环境可控、任务单一、ROI（投入产出比）可核算，是落地的最佳切入点。厂商能够拿到多少工厂订单，甚至成为了在资本市场认可度的重要指标。

然而，在自变量机器人看来，家庭场景才是机器人最终的目标。王昊在接受采访时表示：“家庭代表最开放的环境和最广泛的任务，解决了家庭任务，就代表模型可以实现完全泛化。只有一开始就直面最复杂的场景，才能提升模型的智能化水平。”他强调：“不管从什么时候开始，越早开始越好，这是最重要的。”

当然，工厂同样是自变量机器人切入的重要场景之一。此前，自变量创始人王潜曾在采访中提到，今年内就能看到机器人以正ROI的方式实现商业化落地。然而，王昊也指出了落地工业场景的桎梏：机器人本体的基模能力不足，但商业压力要求快速落地，于是厂商往往会在工程上做许多弥补。例如，发现机器人在视觉上有盲区，就叠加视觉小模型。短期来看，这种做法可以加速落地，但长期来看，基模得不到真正有价值的迭代反馈，能力也会陷入停滞。

这背后的事实是，即便各大厂商的工厂订单量正在高歌猛进，但真正在工厂上规模化应用的人形机器人仍然有限。这主要是因为现有的机器人缺乏足够好用的“大脑”，不够聪明，无法像人一样丝滑思考。而背后的核心原因，还是数据量不足。

当前业内有几种主流的数据采集方式：真机遥操、仿真合成、互联网挖掘等。其中，真机采集的数据含金量最高，但成本高、效率低。王昊表示，自变量机器人会坚持真机采集，因为这是最重要的数据来源。但他也提到，随着模型规模的扩大，2026年将会越来越依赖于Ego-Centric的方式采集数据。即通过在真人头上佩戴摄像头等传感器，让AI通过第一人称视角来学习人类如何与真实世界交互。他强调：“这一定是个大趋势，但要和真机采集形成很好的配比，这个数据策略将决定模型的上限。”

而模型的上限，或许也将决定整个机器人行业的上限。自变量机器人正以其独特的技术路线和坚定的信念，向着这个目标不断迈进。