界面新聞記者 | 陸柯言
界面新聞編輯 | 文姝琪
接連拿到阿里巴巴、美團、字節(jié)跳動三家互聯(lián)網巨頭投資之后，自變量機器人動作變得更加頻繁。
在剛剛結束的3月，自變量作為主辦方之一，舉辦了“首屆具身智能開發(fā)者大會（Embodied AI Developers Conference，EAIDC 2026），通過不限模型的方式，搭建線下真機評測競技平臺，吸引開發(fā)者并發(fā)掘人才。大賽期間，自變量CTO王昊接受了媒體采訪，披露了這家備受關注的機器人公司的最新進展。
自變量創(chuàng)始人兼CEO王潛是曾在美國機器人實驗室從事機器人學習與人機交互研究，也是全球最早提出Attention機制（Transformer結構核心）的研究者之一。回國創(chuàng)辦自變量之后，CTO王昊成為了他找到的第一個合伙人。王昊擁有IDEA研究院經歷，曾主導開發(fā)了多個知名開源模型。
兩位關鍵技術決策者的背景，讓自變量從一開始就成為了堅定的端到端技術路線推動者。2024年，自變量發(fā)布了其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在去年宣布開源。
王昊表示，自變量近期的一條工作主線，是將世界模型與VLA（Vision-Language-Action，視覺語言動作模型）融合為一個聯(lián)合框架，讓動作和視覺實現(xiàn)聯(lián)合建模，從而讓模型更好地理解物理定律?！岸唐趤碇v，我們希望引入更多多模態(tài)輸出架構，減少誤差累積，中期和長期來看，我們還是希望在基模上實現(xiàn)絕對意義的通用場景泛化?！?/span>
和宇樹等硬件為先的廠商不同，自變量更倡導做強基礎模型的重要性。因此，自變量從成立之初就在數(shù)據和算力上進行大規(guī)模投入。王昊認為，越早建立規(guī)模化效應，資源聚集效應就越明顯，后來者追趕要花數(shù)倍的資源。
“不是說你先把技術做到完全泛化，再去考慮場景。恰恰相反，場景給你迭代，迭代讓基模更強，更強的基模再反哺商業(yè)，才能形成完整的閉環(huán)。"王昊說。
今年，自變量的一個重要舉措是進軍家庭場景。同樣在3月，自變量宣布與58同城合作，由58到家平臺隨機調度阿姨與機器人組成搭檔，共同進行家政服務。目前這一服務已在深圳開啟，未來幾個月計劃進入更多城市。在家庭場景中，機器人已經可以承擔清理垃圾、收拾桌面等基礎工作。
家庭是公認標準化程度最低、最難落地的場景，業(yè)內普遍判斷家庭場景成熟應用需要等待5-10年。相比之下，多數(shù)廠商在現(xiàn)階段的商業(yè)化選擇上更傾向于工業(yè)場景，這是因為后者環(huán)境可控、任務單一、ROI（投入產出比）可核算，是落地的最佳切入點。廠商能拿到多少工廠訂單，甚至等同于在資本市場的認可度。
但在自變量看來，家庭場景才是機器人最終的目標。自變量CTO王昊在接受采訪時表示，家庭代表最開放的環(huán)境和最廣泛的任務，解決了家庭任務，就代表模型可以實現(xiàn)完全泛化。只有一開始就直面最復雜的場景，才能提升模型的智能化水平。
“不管從什么時候開始，越早開始越好，這是最重要的?！蓖蹶徽f。
當然，工廠同樣是自變量切入的場景之一。此前自變量創(chuàng)始人王潛曾在采訪中提到，今年內就能看到機器人以正ROI的方式實現(xiàn)商業(yè)化落地。
但王昊也提到了落地工業(yè)場景的桎梏：機器人本體的基模能力不足，但商業(yè)壓力要求快速落地，于是廠商會在工程上做許多彌補。例如發(fā)現(xiàn)機器人在視覺上有盲區(qū)，就疊加視覺小模型。短期來看這種做法可以加速落地，但長期來，基模得不到真正有價值的迭代反饋，能力也會陷入停滯。
這背后的事實是，即便各大廠商的工廠訂單量正在高歌猛進，但真正在工廠上規(guī)?；瘧玫娜诵螜C器人仍然有限。這是個老生常談的話題：現(xiàn)有的機器人缺乏足夠好用的“大腦”，不夠聰明，無法像人一樣絲滑思考。背后的核心原因，還是數(shù)據量不足。
當前業(yè)內有幾種主流的數(shù)據采集方式：真機遙操、仿真合成、互聯(lián)網挖掘等。其中真機采集的數(shù)據含金量最高，但成本高、效率低。王昊表示，自變量會堅持真機采集，這是最重要的數(shù)據來源。
但他也提到，隨著模型規(guī)模擴大，2026年會越來越依賴于Ego-Centric的方式采集數(shù)據，即通過在真人頭上佩戴攝像頭等傳感器，讓AI通過第一人稱視角來學習人類如何與真實世界交互?！斑@一定是個大趨勢，但要和真機采集形成很好的配比，這個數(shù)據策略會決定模型的上限。”
而模型的上限，或許也將決定這個行業(yè)的上限。