2026年，機器人行業變得愈發熱鬧。從春晚舞台的武術表演，到引發全球關注的後空翻，機器人行業在技術突破、資本熱度和輿論方面都在持續升溫。但對於普通家庭而言，最關心的問題依然是：能真正走進家庭，實實在在幫人做家務的機器人，究竟何時才能到來？這個問題看似簡單，實則極難回答。因為在所有可落地場景中，家庭幾乎是業界公認最複雜、最難標準化、最難規模化複製的場景。與工廠、倉儲、物流等標準化場景相比，家庭的難點在於它幾乎不存在真正意義上的標準答案。不同戶型、不同收納習慣、不同生活節奏，讓機器人面對的是一個充滿隨機性和複雜問題的開放環境。它不僅要識別物體、理解指令，還要判斷那些能碰、那些不能碰，什麼時候該動、什麼時候該停，並在老人、小孩、甚至寵物共存的環境裡保證安全。也正因為家庭場景過於複雜，儘管全球機器人公司都在競逐通用智能和人形機器人，但真正把“進入家庭，承擔家務勞動”作為主戰場的企業並不多。從海外來看，特斯拉 Optimus 當前更明確的推進路徑仍是工廠內部驗證，家庭應用更多是遠期願景；Figure的商業化重心仍偏製造業與企業場景；即使明確瞄準家庭場景的1X，其NEO系列雖然強調家庭環境、安全性與居家輔助，也計畫進入家庭進行早期測試，但整體仍處於試點驗證和原型迭代階段，距離真正意義上的穩定服務還有不小距離。國內也同樣如此，無論是偏家庭陪伴方向的智元靈犀 X2，還是樂聚與海爾聯動智慧家庭生態的探索，整體都還處在展示、訓練、聯調、量產準備或小範圍試點階段。換句話說，目前大眾看到的疊衣服、擦桌子的機器人，還只是存在演示視訊裡，而真正能走進家庭、在真實服務流程中穩定承擔家務的機器人，仍然是空白。正因為如此，儘管機器人行業熱度空前，但此前，在全球範圍內，幾乎還沒有企業走進真實家庭並參與實際家務勞動。而現在，這個空白第一次被填補。今年3月，國內首款、也是全球首款真正進入家庭的“機器人保潔員”在深圳正式上崗。使用者通過58同城APP預約，即可體驗到由保潔阿姨與具身智慧型手機器人上門協同完成家庭清潔服務。這意味著，具身智慧型手機器人做家務這件事，開始從視訊演示和概念驗證，走向真實家庭，真實服務。“這次推出的機器人保潔員，是全世界第一個真正走進家庭，實實在在幫人類做家務的機器人。”自變數機器人創始人王潛向騰訊財經表示。在他看來，“這在人類歷史上也是第一次。具身智能技術首次走出實驗室，真正進入民生服務場景。”01機器人保潔員正式走進家庭服務從公開視訊來看，這款“機器人保潔員”不僅覆蓋地面清潔，還能參與雜物整理、餐桌清潔、沙發和床鋪整理，並能完成打包垃圾帶走等一系列家庭清潔收納整理的相關工作，甚至還能輔助照看寵物。它不是單點的清潔裝置，也不是固定動作的自動化工具，而是被放進了一個完整的家庭保潔流程中，開始承擔部分真正的家務任務。目前，該服務採用“保潔阿姨+機器人”的協同模式，而非機器人單獨完成。在王潛看來，這並不是妥協，而是現階段更現實的落地方式。“我們思考的核心，不是人會不會被替代，而是人手根本不夠。”他表示，相比讓機器人獨立上崗，人機協同模式更容易被市場接受，也更符合家政服務的現實節奏。更重要的是，這種模式能讓機器人盡快進入真實家庭，在一次次服務中收集長尾問題、積累高品質資料、持續迭代。“這確實是開天闢地頭一遭，我們此前根本無法預判機器人進入真實家庭後會遇到那些狀況。”王潛坦言，"現階段的家用服務機器人還遠不成熟，正因為不成熟，才需要讓它走進真實家庭打磨、歷練，在實踐中收集問題、積累資料，一步步走向成熟。"對於機器人產業而言，最危險的不是能力不完美，而是長期停留在實驗室裡，無法進入真實世界。02為什麼是自變數當全球機器人巨頭都在工業場景推進時，一家成立僅兩年多的中國創業公司為何能率先攻克家庭場景？首先在於它從一開始作出的戰略選擇。這家成立於2023年12月的公司，是國內較早採用完全端到端路徑研發通用具身智能大模型的企業之一，專注於物理世界通用大模型與家用服務機器人研發。成立至今，公司累計融資已超20億元，近期完成10億元A++輪融資，背後彙集了字節跳動、紅杉中國、深創投等頭部機構。更為關鍵的是，自變數從一開始押注的就是家庭場景，押注的也是機器人的“大腦”，而非單純會動的硬體。“如果我們能把家庭場景做好，理論上就能適配所有場景。”王潛用大語言模型的邏輯類比：它不是一點點變聰明，而是先爆發式具備通用能力，再逐步落地到各個場景。“當機器人學會處理大量不同任務時，它會學到這些任務背後共通的東西——邏輯、思考方式、物理定律。而家庭場景，恰恰包含了最多樣、最複雜的任務。讓機器人在最複雜的環境裡學習，他自然能學到最核心的能力，也會變得更聰明。”這背後的邏輯是，如果機器人能在家庭這種問題最多、任務最複雜、人與環境最不可控的場景裡穩定工作，那麼它所形成的能力，理論上也最有可能遷移到養老、物業、餐飲等其他民生服務場景。而決定這件事能否成立的，關鍵並不在機器人“身體”，而在機器人“大腦”。王潛認為，當前具身智能行業的核心痛點非常清晰：硬體日趨成熟，但機器人的智能大腦水平，仍遠遠跟不上市場需求和大眾期待。表面上看，機器人抓杯子、擦桌子、整理雜物，似乎只是機械臂和靈巧手的問題，但實際上，這背後涉及的是視覺感知、語言理解、任務拆解、動作生成、環境反饋和即時調整等多個環節的高度統一。也因此，自變數將核心技術路線錨定在具身智能原生多模態基礎模型上。一般的VLA模型，往往將動作作為唯一的輸出模態。而自變數打造的是一個真正的 Omni 架構，即“原生多模態”。它的核心突破在於，從底層設計開始就將多模態融合在一起，實現了真正的“多模態進，多模態出”。所謂“多模態進”，是指模型能夠直接且同時接收視覺、語言指令、本體感知等多種維度的輸入；而最關鍵的“多模態出”，絕不僅僅是像一般VLA那樣只輸出物理動作指令，而是同時輸出動作、語言、視覺等多種模態的預測。對家庭機器人來說，難點從來不是機械臂能不能抬起來，而是它能不能看懂一個雜亂的客廳、聽懂一句模糊的指令，並在動手之前先對物理世界的可能結果進行推演。基於原生的 Omni 模型，機器人不僅能對當前畫面做反應式執行，更具備了類似人類的“想像力”與“預判”能力——在動手之前，它的大腦就已經預測出了下一步的視覺畫面（如果抬手去拿這個物體，旁邊的東西會不會碰倒）、同步生成了互動語言，並輸出了精準的物理動作。從行業進展來看，端到端學習已成為行業共識，Figure AI、1X、自變數都選擇了這一方向，但自變數的差異化在於，將VLA與World Model深度融合，並率先把這套能力放進真實家庭服務場景中驗證，而不是停留在實驗室演示。03家庭之外養老是最具潛力的場景目前，機器人保潔員僅在深圳開啟限量體驗，團隊現階段核心目標是打磨產品，收集真實家庭場景的反饋資料，訓練機器人“大腦”模型，迭代最佳化機器人性能。王潛透露，後續將盡快推進全國範圍推廣，雖然距離全民普及仍需打磨，但他堅信，未來3-5年，家用機器人有望實現規模化普及，成為大眾生活的標配。談及未來，除了家庭保潔，王潛更看好具身智能在養老領域的落地價值。“養老是極具價值且缺口巨大的核心場景。”無論是居家養老還是機構養老，儘管已有專人提供服務，但大眾對服務質量的滿意度依舊不高。王潛判斷，“機器人將成為支撐養老行業長期可持續發展的關鍵技術之一，也是未來的大勢所趨。”此外，餐飲、物業等存在服務非標準化痛點的生活服務場景，也都將是機器人潛在的重要應用場景。回望創業歷程，王潛坦言，最艱難的時刻並非技術突破本身，而是早期外界對“家用通用機器人”賽道的不認同。但他始終篤定“通用智能先行”的技術路線，也正是因為這份堅守，自變數才得以走到今天。對於這款機器人保潔員與整個行業，王潛滿懷期許：“今天就是一個新時代的開端。隨著技術的持續迭代，具身智能終將徹底改變生活服務格局，讓智能科技真正惠及每一個家庭。”對整個行業而言，這款機器人保潔員的意義，或許也不在於它今天是否足夠完美，而在於它第一次讓機器人真正以服務者的身份，進入普通人的家庭，開始承擔一部分真實勞動。過去幾年，機器人行業最不缺的是表演，最缺的是進入生活。而現在，這件事開始發生了。 (騰訊財經)

網際網路大廠、頂級VC和地方政府抱團下注。投中網獨家獲悉，自變數機器人已於近期完成10億元A++輪融資。本輪融資由字節跳動、紅杉中國、深創投、北京資訊產業發展基金、南山戰新投、錫創投等頂級投資機構及多元地方平台聯合投資。除字節外，自變數此前也曾先後獲得美團、阿里的投資，由此成為國內唯一同時被這三家網際網路大廠投資的具身智能企業。阿里和美團，此前都押注了不少具身企業。在這輪投資競賽中，字節倒是鮮少出手，畢竟具身和機器人看起來跟字節的主業關聯沒那麼大，這個小背景也為此次出資增添了看點。再捋捋本輪的其他投資方。紅杉也出現在去年9月公佈的那輪A+輪投資人名單裡，所以，此次算是頂級VC二次出手自變數。有別於在AI上的高出手頻率，紅杉在具身和機器人賽道上頗為謹慎，宇樹和智元之外，兩次押注自變數足以說明對這家公司的看好。另一家頂級VC深創投，去年10月聯合匯通金控和深圳市引導基金，成立專門的人工智慧和具身機器人基金，目標規模20億元。出手自變數，是深創投AI基金成立以來的第一筆投資。此外，南山戰新投也出現在此前和本輪披露的投資方中，這是深圳南山區的戰略直投平台，主要投向戰略新興產業和未來產業。與此同時，自變數也吸引了來自其他地方政府的資金，比如，此前的北京機器人產業投資基金，這一輪的北京資訊產業發展基金以及錫創投。成立於2023年的北京資訊產業發展投資基金，是北京市政府主導設立的四大百億級產業投資基金之一。錫創投，則是無錫當地管理規模最大的國有創投平台。總之，網際網路大廠、頂級VC和地方政府抱團下注，一方面說明，資本市場對具身基礎模型重要性已經達成集體共識，另一方面，也印證了資本對自變數這家公司技術和發展潛力的認可。正如我們此前在《具身智能創始人，找我面試了》裡寫過的，當下具身企業已經出現分層，投資人更多是在已經上牌桌的那幾家裡選擇自己相信的創始人和技術路徑。話說回來，具身模型這個方向的創業和資本熱度，其實要比人形機器人來得稍晚一點。近兩年，隨著具身智能持續吸引市場目光，機器人的運動與控制能力取得顯著進步，行業競爭焦點逐漸從“肢體”轉向“大腦”。如何為機器人建構能理解物理世界、能操作、能靈活應對複雜多變場景的智能“大腦”，使其真正勝任多樣化的實際物理世界的工作，成為突破的關鍵。自變數機器人創立於2023年12月，是國內最早一批聚焦自研具身模型的創業公司之一。創始人兼CEO王潛，本碩畢業於清華大學，博士在美國南加州大學從事機器人學習、人機互動及家庭服務機器人等前沿研究。他還曾創立量化基金，希望用賺到的錢支援自己的機器人研究。直到AI浪潮起勢，2023年年底，王潛解散基金回國，創立自變數機器人。聯合創始人兼CTO王昊，為北京大學計算物理學博士，其學術研究橫跨物理、自然語言處理及人工智慧等多個領域。他曾在粵港澳大灣區數字經濟研究院（IDEA研究院）擔任大模型團隊演算法負責人。曾有投資人告訴我，如果把當下的具身創業團隊按背景劃分類別，自變數大體屬於偏AI大模型背景的團隊，在行業內並不多見，這樣的履歷和人才配置或許有助於探索出解決實際問題的技術範式。具身智能這兩年在資本市場熱度非凡，但無法否認，這還是一個新興的概念，尚無統一、明確的定義。不妨來看看自變數是怎麼定義的。在他們給出的解釋中，具身智能基礎模型是獨立於、平行於大語言模型、多模態模型等虛擬世界基礎模型的物理世界的基礎模型。劃重點，這個定義強調“獨立於”“平行於”，落點是“物理世界的基礎模型”。強調獨立地位，意味著這個領域有一套不同於大語言模型和多模態模型的規則和設計邏輯。這點倒是不難理解，機器人畢竟不是只負責聊天，而要在真實世界裡完成任務，因此純粹以語言為基底的設計邏輯與物理世界的實際互動規律可能存在隔閡。無論是李飛飛的“空間智能”，楊立昆的“世界模型”，還是黃仁勳的“物理AI”，大體指向的都是這一點。另外，基礎模型的核心目標，在於突破泛化性與通用性瓶頸，物理現實世界的複雜性要求機器人能夠具備即時處理非結構化、動態及隨機任務的能力，自變數的具身智能基礎模型以所有機器人的感知資訊（例如視覺、觸覺、語音等）為輸入，直接輸出機器人的動作、視覺，以及語言等。在此背景下，自變數自研的WALL-A的核心架構，深度融合了VLA與世界模型。WALL-A，首先是一個原生多模態輸入輸出架構，能夠實現具身多模態思維鏈。此外，WALL-A利用世界模型機制進行時空狀態預測，協同視覺因果推理理解環境反饋，並通過可學習記憶機制從資料中內化物理常識。這一融合機制，能夠顯著提升機器人執行非結構化環境中移動操作任務的零樣本泛化能力。當中的關鍵一環，基礎模型進化的燃料，是資料。都知道大語言模型性能快速提升依託的是scaling law法則，但大語言模型所需要的文字類資料可以從網際網路上直接獲得，具身智能模型所需的真實物理互動資料則較難收集。對此，全球科技精英們正在從資料、模型、算力等多個方面加快投入。自變數機器人創始人兼CEO王潛也表示：“具身智能的下一階段競爭，本質上還是資料閉環建構的基礎模型與模型進化能力的競爭”。在資料採集的方法上，行業內大體分成真機採集、模擬生成和視訊學習幾種派系。作為國內最早規模化擴展真機資料採集的公司之一，自變數自研了主從遙操、外骨骼、無本體等多種數采裝置，實現了各種數采裝置上的資料驗證和模型突破。自變數還搭建了模型驅動的資料管線，通過資料生成、資料過濾、資料增強、資料標註等環節持續產生規模化的高品質資料。理想狀態下，硬體-資料-模型可以實現閉環迭代。基礎模型能夠給資料處理和硬體設計等各個環節提供反饋，從而迭代更高品質的資料和更高效率的數采裝置，如此又進一步提升了基礎模型的效果。2025年9月，自變數還開源了其自研端到端具身基礎模型WALL-OSS，推動具身智能技術的開放普及。模型的進化，讓自變數的機器人在真實場景中展現出對環境的適應力。據自變數介紹，在跨越室外與室內場景的移動操作場景裡，比如在外賣配送與紙箱回收中，面對強風乾擾或視線遮擋，機器人不僅能像人類一樣腦補被遮擋物體的全貌，還能在遭遇卡頓時通過強化學習策略自主糾錯，無需人工干預即可完成閉環。這種適應力也體現在複雜困難的物流場景。面對堆疊混亂的包裹，機器人憑藉基礎模型的零樣本泛化能力識別異形件，並利用強化學習快速適應工作節拍。從模型演算法、資料驅動的需求出發，自變數也定義了機器人的硬體架構。在過去一年，自變數設計發佈了“量子一號”、“量子二號”兩款高性能的機器人本體，同步實現了機械臂、關節模組、動力驅動器、主控製器等核心零部件的全面自研與演算法深度適配。全端自研硬體促成了整機成本的大幅下降，為具身智慧型手機器人的規模化量產與商業化普及奠定了基礎。我瞭解到，自變數已逐步進入工業製造、物流和養老等多個場景之中探索商業化落地。剛剛喜迎新年，可以預見的是，今年具身和人形機器人的大額融資還會不斷刷新。去年年底，投中嘉川CV Source統計了具身智能在2025年的投融資資料，得出的結論是：前10家公司，拿下了40%的融資。巧的是，當時的統計結果中，拿到最多融資的正是自變數機器人。除去當前這一輪，在兩年的時間內，自變數已連續完成8輪融資。去年9月份的A+融資中，阿里雲、國科投資、國開金融、美團、君聯資本、紅杉中國等頂級機構聯手注資近10億元，直接將其去年的融資總額推高到數十億。資本市場的青睞，可見其技術實力和團隊進化能力。錢，正在流向不缺錢的頭部企業，這對於剩下的具身公司來說未必是個好消息。2026年，在階段性的demo秀之後，這個行業到底有多少泡沫和水分，也將進一步在真實的商業場景中進行驗證。在我們此前的交流中，有投資人認為，2026 年行業可能會慢慢進入交成績單的階段，PMF（產品市場匹配）會逐漸成型，真正有商業價值的訂單會慢慢湧現出來。 (投中網)

本輪融資由美團獨家投資，在具身大腦側以及應用落地，產業巨頭正加速佈局。近期，自變數機器人宣佈完成數億元A輪融資，由美團戰投領投、美團龍珠跟投。公司表示，本輪融資將用於持續加速全自研端到端通用具身智能大模型與機器人本體的同步迭代，以及未來多個應用場景的智慧化方案合作和落地。《科創板日報》記者注意到，自成立起不到一年半時間內，自變數機器人已完成7輪融資，累計融資金額超10億元。談及公司為何堅持“大小腦統一的端到端大模型”路線，自變數機器人創始人兼CEO王潛對《科創板日報》記者介紹，公司自主開發的Great Wall操作大模型系列的WALL-A模型具備多模態資訊融合能力，能整合視覺、語言與運動控制訊號，實現從感知到執行的完整閉環。與“分層分步”架構不同，WALL-A是“端到端的統一模型”，“ WALL-A已在多個未見過的物理場景中展現出零樣本泛化能力，這是通用機器人能力的關鍵門檻之一，特別是在長序列、複雜動作控制中具有明顯優勢。”他還透露，商業養老是自變數瞄準的一個重要落地方向。本輪融資由美團獨家投資，這意味著，在具身大腦側以及應用落地，產業巨頭正在加速佈局。美團獨家投資自變數機器人成立於2023年12月，聚焦“通用具身大模型”的研發，以真實世界資料為主要資料來源，建構具備精細操作能力的通用機器人。自變數機器人目前已完成7輪融資，集齊了光速光合、君聯資本、華映資本、雲啟資本、廣發信德等多家機構。本輪獨家投資商美團在機器人領域的佈局頗為廣泛。早在2017年，美團就開始涉足無人機、酒店機器人等應用；2021年，美團正式提出“零售+科技”戰略，持續佈局機器人領域，核心在於加速服務場景的無人化處理程序，提升配送與營運效率；2022年12月，美團成立了機器人研究院，採用自研+投資的方式，投資了立鏢機器人、未來機器人、九識智能等多家企業，涵蓋物流自動化、人形機器人、末端配送等領域。在應用場景落地方面，美團做了諸多嘗試，比如，在2024年9月，美團和銀河通用機器人簽署戰略合作協議，聯手打造全球首個人形機器人智慧藥房解決方案，在北京目前已有兩家藥店在試點營運；在外賣配送上，美團與雲跡科技合作，利用機器人解決了外賣配送“最後100米”的問題。由此可見，美團的投資策略是雙重的，既希望通過投資來降低風險，又希望通過與不同技術路徑的企業合作實現更多可能性。一位機器人產業鏈相關投資人告訴《科創板日報》記者，美團投資佈局了不同技術路徑的機器人企業，涵蓋硬體、軟體、演算法等層面，意圖是建構從感知、決策到執行的全端式技術體系，並實現機器人技術與自身業務深度融合，提升服務效率和使用者體驗，在機器人行業技術尚未統一的情況下，利用投資賦能生態，為未來發展增添動力。打造“具身大腦”目前，機器人行業發展逐漸細分進化，具身智能賽道的初創公司就有做本體的、有做大腦的、還有整機等多種路線。“本體公司”備受資本青睞，而“具身大腦”則正逐漸在市場上獲得更多關注。根本原因在於，國內“具身大腦”發展有限，缺少一個面向機器人行業、產品級的“具身大腦”。而大腦能力的缺失會使機器人自主決策的智能能力飽受限制。作為國內最早採用完全端到端路徑實現通用具身智能大模型的公司之一，自變數機器人致力於建構統一感知、規劃與控制的一體化系統架構。王潛介紹，目前，具身智能大模型領域還存在不少無人區。在國內，首批百億級大語言模型和機器人的結合還較淺，常常只侷限在簡單的語音互動與感知規劃。與此同時，全球範圍內尚未出現能真正解決物理世界複雜的操作問題的通用大模型。傳統機器人通常基於特定場景和任務，很難根據環境和任務的變化自主調整策略。因此，自變數訓練具有高泛化性的具身智能通用大模型，也就是統一大模型，為具身智能接入一個通用的底層模型。據悉，該模型實現了端到端的縱向統一。從最原始的視訊、感測器訊號，到最後機器人的速度、位姿、力矩，完全用一個模型解決；公司在通用性、泛化性上可以做到用極少的樣本，完成各種物理環境變數、動作模式的泛化和遷移，同時在長序列複雜操作上有一定優勢；從任務複雜度層面來說，能夠做例如拉拉鏈、扣扣子、整理衣物等精細、隨機且涉及複雜拓撲結構的任務，體現精細操作和處理複雜環境的能力。硬體層面，公司自主研發並持續最佳化適配多模態大模型控制的機器人本體，更好地滿足開放環境中的精細操作和穩定運行需求。目前，自變數的機器人本體已在多步驟複雜任務場景中落地應用。王潛認為，具身智能的發展短期有賴於模型演算法優勢，中期依靠資料優勢，長期核心在於產品優勢。自變數圍繞這三大方向加深積累，探索不同場景下的服務閉環。王潛本碩畢業於清華大學，後前往美國南加州大學攻讀博士，2023年12月，其回國在深圳創立自變數機器人，擔任公司創始人兼CEO。據《科創板日報》記者不完全統計，與自變數機器人處於同一賽道的企業遍佈國內外，國外企業包括Skild AI、GoogleDeepMind、Physical Intelligence（PI）等，這些公司在具身智能大模型領域積極佈局，採用端到端路線進行技術研發。國內企業主要則有千訣科技，其致力於打造具身智能大模型，為傳統機器人公司提供“一腦多形”解決方案；智平方，目前已簽約多家國內外一線車企、高端製造企業及網際網路巨頭，在具身大模型研發與商業化應用方面有一定進展；穹徹智能亦專注於具身智能大腦的研發。 (財聯社AI daily)