日前，赋能开源Dexmal原力灵机联合Hugging Face发起RoboChallenge后，自变组局迅速引发业界关注。量机智源研究院、器人智元机器人、创新Qwen、赋能开源星海图、自变组局自变量、量机清华大学、器人西安交通大学以及GOSIM等海内外机构积极参与，创新共推生态发展。赋能开源2025年11月20日，自变组局RoboChallenge组委会正式成立，量机标志着具身智能真机测评迈向开源协作的器人标准化新阶段。这不仅是创新测评平台的升级，更是一次行业协作模式的重要变革——从“各自为战”转向“共识共建”，以“开放共同体”的共创机制，为具身智能技术的落地与迭代注入新动能。

日前，在深圳 recently 举办的一场国际人工智能展览上，一台名为“小量”的机器人流畅完成了果味冰沙制作的全过程：取杯、加冰、投放小料，动作一气呵成且精准无误，仅用两分钟便制出一杯饮品。这一看似寻常的画面背后，是一家成立不足一年半的深圳初创企业——自变量机器人（Auto-Variable Robotics）的成果展现。

自变量机器人是国内首批实现端到端具身智能大模型商业化的公司之一。其自主研发的「WALL-A」系列视觉-语言-行动（VLA）操作大模型，建立了统一的认知与执行框架，使机器人不仅能够“看懂”，更可自主“动手”完成任务。

更具行业意义的是，自变量机器人近期正式开源了端到端具身智能基础模型「WALL-OSS」。与业内常见的局部开源不同，该公司推出了完整的、可复现的开源方案，涵盖模型权重、训练代码、数据集接口以及详尽的部署文档。

“我们希望真正把成果交到行业手中，让大家能够用起来，而不仅仅是停留在展示层面。”创始人兼CEO王潜表示。此举或有助于降低行业技术门槛，加速具身智能生态的发展进程。

01 信仰：连接理论与实践的“关键变量”

作为自变量（Autoscale）创始人兼CEO，王潜毕业于清华大学，是全球最早将注意力机制引入神经网络的学者之一。博士期间，他曾在美国顶尖机器人实验室参与多项前沿机器人学习研究。2023年，在大语言模型等领域取得重大突破之际，他迅速捕捉到机器人行业的新机遇，果断解散个人创办的基金，毅然回国开启创业之路。

回国并非一时兴起。王潜看重的是中国在硬件制造与供应链方面的独特优势。“美国的硬件人才大多被‘金手铐’束缚在大型企业里，”他表示，“而中国的供应链实力可能比美国领先一个数量级。”他特别指出，数据收集成本在中国仅约为美国的十分之一。

2023年12月18日，王潜首度抵达深圳，自变量机器人由此诞生。深圳的产业生态令他深感震撼：“那时我们实验室所用的机器人硬件与零部件，大多源自深圳。”“短短半日，便能集齐所有所需元件。”

02 坚守：迈向“大小脑统一”的孤独征程

自创立伊始，自变量便选定了一条别具一格的技术路径——“大小脑统一的端到端大模型”。这一选择在当时显得格外特立独行，甚至引来诸多质疑。数年前，当王潜首次提出端到端架构理念时，一位知名机器人教授曾当场反驳：“这很有趣，但或许永远只是一场玩具般的设想，难以真正落地。”

什么是端到端模型？与传统的分层架构不同，端到端模型旨在通过一个统一的架构，直接处理从感知、规划到控制的完整流程。传统分层架构将任务划分为感知、规划、控制等多个独立模块，每个模块各自运行专用模型；而端到端模型则采用单一、一体化的设计，实现全流程的联合建模与优化。

王潜解释说：“随着分层模型每增加一个分解步骤，便会引入更多额外误差与无法控制的噪声，导致难以实现真正可靠的执行；而端到端统一模型则能在‘感知—决策—执行’的全链条中维持连续性，从根源上克服这一难题。”

自变量机器人的技术理念可总结为“纵向统一”与“横向统一”。纵向统一指的是从视频、传感器等原始输入，直至机器人动作的最终输出，均由单一模型全程处理；横向统一则强调不同任务共享同一个模型，其训练与推理均在一致的架构下实现。

这一技术路径的优势在WALL-A模型中得到充分展现：该模型让机器人仅凭二指夹爪即可实现拉拉链、叠衣服、浇花等复杂动作，数分钟级别的任务成功率达95%以上。

03 进化：WALL-A 模型激活泛化潜能

自变量的产品迭代充分展现了其技术路径的活力，关键进展集中体现于三个维度。

首先，具备出色的泛化能力。该模型可在某些未曾接触过的物理场景中运行，即便不为新场景进行额外训练，也已展现出一定程度的零样本泛化性能。

其二，具身思维链（CoT，Chain of Thought）。模型借助多步逻辑推演，将抽象任务分解为一系列可操作的子步骤，并能依据实时动态灵活调整行动方案。

其三，统一体系架构。将视觉、语言、动作等各类模态的信息统一转换为token序列，并输入单一的Transformer核心进行处理，实现端到端的联合学习。这一设计使系统在应对新任务时，能够像人类一样进行综合推理与决策，摆脱对模块间信息传递的依赖。

04 选择：真实设备数据，夯实模型持续优化的基础

在数据策略上，自变量坚持使用“高质量真机数据”，与依赖仿真或网络视频数据的同行形成鲜明对比。王潜明确指出：“所有涉及复杂物理交互（如丰富的手部操作）不应完全依赖仿真数据。我们探索了十几年，基本结论是：手部复杂操作无法通过仿真数据实现有效进化。”

数据主要源自三大途径：集中式采集场地、分布式现实场景采集，以及机器人部署后回传的数据。自变量将泛化能力划分为四个层级：基础条件（如光照变化、位置变动）、跨环境适应、跨对象处理（应对未见过的同类物体），以及跨任务执行（解决全新任务）。当前模型在前三个层次已展现出优异的通用性与泛化表现。

05 野心：资本加持下的赛道争夺

自变量在资本市场的表现极为亮眼。成立不足两年即完成8轮融资，累计融资额超20亿元。2025年9月，自变量机器人宣布完成近10亿元的A+轮融资，由阿里云、国科投资联合领投，国开金融、红杉中国、渶策资本共同参与投资。老股东美团战投实现超额跟投，联想之星、君联资本继续加码，其中联想之星亦为公司天使轮投资者。此次融资不仅是阿里云首次涉足具身智能领域，也标志着美团第二次投资该企业。

06 明确的商业变现模式

面对商业化这一行业核心质疑，王潜思路明确。他指出：“家庭是机器人最大的市场，预计3-4年内将出现早期产品。”有经济学测算显示，未计入GDP的家务劳动价值约占总量四分之一，表明家庭机器人市场前景广阔，潜力甚至可能超越工业及其他所有应用领域。

自变量的商业化将首先聚焦于To B场景，随后逐步向To C拓展。王潜指出，公司今年将在多个功能应用场景中推进落地，致力于实现机器人在开放且动态环境中自主完成复杂任务的能力。针对当前部分企业将人形机器人引入工厂执行简单重复性工作的情况，他明确表示“这更像是公关行为”。他认为，真正具有价值的商业化，离不开具身智能模型泛化能力的持续提升。（）

价格方面，王潜预测，消费者可接受且产业具备支撑能力的价格区间或在1万至2万美元（约人民币10万元上下），不过这仍依赖产业链持续优化成本。他预计，达到类GPT-3水平的具身智能大模型有望在一年内出现，而人形机器人的“ChatGPT时刻”则可能要等到3到5年后。

07 未来的挑战与生态系统建设

虽然进展可观，王潜依然清醒地意识到，通向通用机器人的道路依然充满难题。他指出，当前制约产业化的关键在于机器人的“大脑”，而非硬件本身。“展会中不少机器人运动表现良好，但实际应用价值有限，更多停留在‘形式价值’层面。”

为此，自变量正积极推进生态建设。2025年9月，公司在合肥发布《具身智能生态建设计划》，致力于依托自研基础模型，打造全球领先的具身智能创新与产业枢纽。此前，公司已开源自研端到端具身智能基础模型WALL-OSS，该模型是当前唯一面向物理世界交互、具备真实落地能力的开源方案。

在王潜看来，从长期商业模式看，机器人将朝着软硬融合的方向发展。“机器人具有独特性，很难像Windows或Android那样实现纯粹的软件盈利模式。由于必须依赖软硬件的高度协同，因此采用一体化解决方案才是最合适的路径。”

在2025年世界机器人大会上，配备自变量WALL-A模型的机器人从容完成制香囊、整理客厅等任务，吸引大量观众驻足围观。曾经遥不可及的通用机器人走进寻常百姓家的梦想，如今正以“深圳速度”逐渐成为现实。