投中网独家获悉，自变量机器人已于近期完成10亿元A++轮融资。本轮融资由字节跳动、红杉中国、深创投、北京信息产业发展基金、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。
除字节外，自变量此前也曾先后获得美团、阿里的投资，由此成为国内唯一同时被这三家互联网大厂投资的具身智能企业。阿里和美团，此前都押注了不少具身企业。在这轮投资竞赛中，字节倒是鲜少出手，毕竟具身和机器人看起来跟字节的主业关联没那么大，这个小背景也为此次出资增添了看点。
再捋捋本轮的其他投资方。红杉也出现在去年9月公布的那轮A+轮投资人名单里，所以，此次算是顶级VC二次出手自变量。有别于在AI上的高出手频率，红杉在具身和机器人赛道上颇为谨慎，宇树和智元之外，两次押注自变量足以说明对这家公司的看好。
另一家顶级VC深创投，去年10月联合汇通金控和深圳市引导基金，成立专门的人工智能和具身机器人基金，目标规模20亿元。出手自变量，是深创投AI基金成立以来的第一笔投资。此外，南山战新投也出现在此前和本轮披露的投资方中，这是深圳南山区的战略直投平台，主要投向战略新兴产业和未来产业。
与此同时，自变量也吸引了来自其他地方政府的资金，比如，此前的北京机器人产业投资基金，这一轮的北京信息产业发展基金以及锡创投。成立于2023年的北京信息产业发展投资基金，是北京市政府主导设立的四大百亿级产业投资基金之一。锡创投，则是无锡当地管理规模最大的国有创投平台。
总之，互联网大厂、顶级VC和地方政府抱团下注，一方面说明，资本市场对具身基础模型重要性已经达成集体共识，另一方面，也印证了资本对自变量这家公司技术和发展潜力的认可。正如我们此前在《具身智能创始人，找我面试了》里写过的，当下具身企业已经出现分层，投资人更多是在已经上牌桌的那几家里选择自己相信的创始人和技术路径。
话说回来，具身模型这个方向的创业和资本热度，其实要比人形机器人来得稍晚一点。近两年，随着具身智能持续吸引市场目光，机器人的运动与控制能力取得显著进步，行业竞争焦点逐渐从“肢体”转向“大脑”。如何为机器人构建能理解物理世界、能操作、能灵活应对复杂多变场景的智能“大脑”，使其真正胜任多样化的实际物理世界的工作，成为突破的关键。
自变量机器人创立于2023年12月，是国内最早一批聚焦自研具身模型的创业公司之一。创始人兼CEO王潜，本硕毕业于清华大学，博士在美国南加州大学从事机器人学习、人机交互及家庭服务机器人等前沿研究。他还曾创立量化基金，希望用赚到的钱支持自己的机器人研究。直到AI浪潮起势，2023年年底，王潜解散基金回国，创立自变量机器人。
联合创始人兼CTO王昊，为北京大学计算物理学博士，其学术研究横跨物理、自然语言处理及人工智能等多个领域。他曾在粤港澳大湾区数字经济研究院（IDEA研究院）担任大模型团队算法负责人。曾有投资人告诉我，如果把当下的具身创业团队按背景划分类别，自变量大体属于偏AI大模型背景的团队，在行业内并不多见，这样的履历和人才配置或许有助于探索出解决实际问题的技术范式。
具身智能这两年在资本市场热度非凡，但无法否认，这还是一个新兴的概念，尚无统一、明确的定义。不妨来看看自变量是怎么定义的。在他们给出的解释中，具身智能基础模型是独立于、平行于大语言模型、多模态模型等虚拟世界基础模型的物理世界的基础模型。
划重点，这个定义强调“独立于”“平行于”，落点是“物理世界的基础模型”。强调独立地位，意味着这个领域有一套不同于大语言模型和多模态模型的规则和设计逻辑。这点倒是不难理解，机器人毕竟不是只负责聊天，而要在真实世界里完成任务，因此纯粹以语言为基底的设计逻辑与物理世界的实际交互规律可能存在隔阂。无论是李飞飞的“空间智能”，杨立昆的“世界模型”，还是黄仁勋的“物理AI”，大体指向的都是这一点。
另外，基础模型的核心目标，在于突破泛化性与通用性瓶颈，物理现实世界的复杂性要求机器人能够具备实时处理非结构化、动态及随机任务的能力，自变量的具身智能基础模型以所有机器人的感知信息（例如视觉、触觉、语音等）为输入，直接输出机器人的动作、视觉，以及语言等。
在此背景下，自变量自研的WALL-A的核心架构，深度融合了VLA与世界模型。WALL-A，首先是一个原生多模态输入输出架构，能够实现具身多模态思维链。此外，WALL-A利用世界模型机制进行时空状态预测，协同视觉因果推理理解环境反馈，并通过可学习记忆机制从数据中内化物理常识。这一融合机制，能够显著提升机器人执行非结构化环境中移动操作任务的零样本泛化能力。
当中的关键一环，基础模型进化的燃料，是数据。
都知道大语言模型性能快速提升依托的是scaling law法则，但大语言模型所需要的文本类数据可以从互联网上直接获得，具身智能模型所需的真实物理交互数据则较难收集。对此，全球科技精英们正在从数据、模型、算力等多个方面加快投入。自变量机器人创始人兼CEO王潜也表示：“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”。
在数据采集的方法上，行业内大体分成真机采集、仿真生成和视频学习几种派系。作为国内最早规模化扩展真机数据采集的公司之一，自变量自研了主从遥操、外骨骼、无本体等多种数采设备，实现了各种数采设备上的数据验证和模型突破。自变量还搭建了模型驱动的数据管线，通过数据生成、数据过滤、数据增强、数据标注等环节持续产生规模化的高质量数据。
理想状态下，硬件-数据-模型可以实现闭环迭代。基础模型能够给数据处理和硬件设计等各个环节提供反馈，从而迭代更高质量的数据和更高效率的数采设备，如此又进一步提升了基础模型的效果。2025年9月，自变量还开源了其自研端到端具身基础模型WALL-OSS，推动具身智能技术的开放普及。
模型的进化，让自变量的机器人在真实场景中展现出对环境的适应力。据自变量介绍，在跨越室外与室内场景的移动操作场景里，比如在外卖配送与纸箱回收中，面对强风干扰或视线遮挡，机器人不仅能像人类一样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，无需人工干预即可完成闭环。这种适应力也体现在复杂困难的物流场景。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拍。
从模型算法、数据驱动的需求出发，自变量也定义了机器人的硬件架构。在过去一年，自变量设计发布了“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。全栈自研硬件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普及奠定了基础。我了解到，自变量已逐步进入工业制造、物流和养老等多个场景之中探索商业化落地。
刚刚喜迎新年，可以预见的是，今年具身和人形机器人的大额融资还会不断刷新。去年年底，投中嘉川CV Source统计了具身智能在2025年的投融资数据，得出的结论是：前10家公司，拿下了40%的融资。
巧的是，当时的统计结果中，拿到最多融资的正是自变量机器人。除去当前这一轮，在两年的时间内，自变量已连续完成8轮融资。去年9月份的A+融资中，阿里云、国科投资、国开金融、美团、君联资本、红杉中国等顶级机构联手注资近10亿元，直接将其去年的融资总额推高到数十亿。资本市场的青睐，可见其技术实力和团队进化能力。
钱，正在流向不缺钱的头部企业，这对于剩下的具身公司来说未必是个好消息。2026年，在阶段性的demo秀之后，这个行业到底有多少泡沫和水分，也将进一步在真实的商业场景中进行验证。在我们此前的交流中，有投资人认为，2026年行业可能会慢慢进入交成绩单的阶段，PMF（产品市场匹配）会逐渐成型，真正有商业价值的订单会慢慢涌现出来。