10億，開年第一筆機器人融資，字節紅杉都出手了

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)