估值超200亿，连融4轮，自变量投资阵容曝光

作者 | 铅笔道 黄小贵

编辑 | 铅笔道 祝枝杉

封面图 | 自变量机器人

具身智能赛道又诞生一笔大额融资。

自变量机器人宣布，在两个多月内连续完成4轮融资，并且已经全部完成交割。公司投后估值超过200亿元，成为大湾区首家估值突破200亿元的具身智能企业。

这4轮融资从今年4月下旬开始。当时，自变量宣布完成由小米战投领投的B轮融资。此后，公司又连续完成B+轮、B++轮和C轮融资。

这轮融资最引人关注的，不只是估值。更关键的是豪华的投资方阵容。

据披露，目前已经确定的投资方包括中国移动、中保投资、红杉中国、IDG资本、源码资本、达晨财智、中金资本等30多家机构，也包括互联网公司资本、产业资本，以及国家和地方基金。其中，小米战投已经连续参与自变量三轮融资。

今年以来，在具身智能行业，大额融资频频出现，但在短时间内连续完成多轮融资，并且全部交割，并不多见。

钱开始向少数具备技术、数据、本体和落地能力的公司聚拢。

互联网巨头、产业资本和国资同时下注

自变量是国内具身智能企业中，少数获得多家互联网大厂分别领投并多次加注的公司。

此前，美团领投了自变量A轮融资，阿里领投A+轮，字节跳动领投A++轮，小米领投B轮。对于一家具身智能公司来说，这样的股东结构很少见。

互联网公司为什么关注具身智能？

原因并不复杂。过去几年，大模型主要存在于屏幕里。它能聊天，能写代码，能生成图片和视频。但下一步，AI要走进真实世界。机器人就是重要载体。

具身智能要解决的问题，是让AI不只会"说"，还会"做"。它要理解现实环境，判断物体位置，预测动作后果，并完成抓取、移动、整理、协作等任务。

这对模型能力要求很高。也正因为如此，互联网巨头对自变量的连续投资，被外界视为对其技术路线的一种认可。

除了互联网资本，产业资本也在进入。

仅这几轮融资中涉及的产业方，就包括58 集团、沈阳汽车（沈阳汽车产业投资基金）、奇瑞汽车（国海创新资本）、荣耀（深圳市人工智能终端基金）等。

这些投资方背后对应的是不同场景。

例如，58到家与家庭服务有关。汽车产业链与工业制造有关。荣耀相关基金则与智能终端生态有关。具身智能不是只做实验室演示，最终还是要进入家庭、工厂、仓库、门店等真实场景。

自变量目前已经有一些落地进展。公司机器人已经进入58到家的家政服务场景，也进入某德国豪华品牌汽车零部件供应产线，逐步在真实任务中验证能力。

众多“国字头”主体和地方资本也在密集下注：国投创新、中保投资、江苏高投、深投控资本、宝安区引导基金等新股东之外，国开科创、国科投资等老股东也再次加持；中国移动更是连续两轮重注。

这类投资方带来的不只是钱。对具身智能企业来说，地方产业资源、供应链资源、场景资源同样重要——零部件、生产制造、数据采集、部署运维，也需要足够多的真实场景来训练和迭代。

本次四轮融资中， VC 投资方同样值得关注：红杉中国、IDG资本、达晨财智、中金资本、源码资本、毅达资本等。自变量从成立之初就自研具身模型，是国内最早采用完全端到端路径、实现通用具身智能大模型的企业。

"具身大脑"成为投资热点

在具身智能行业，具身智能大模型的价值正在凸显。

今年4月，自变量发布了基于"世界统一模型"架构的具身大模型WALL-B。WALL-B试图把视觉、语言、动作、物理预测等能力，放到同一个网络中，从零开始联合训练。

WALL-B有三个特点：原生多模态，能够理解物理规律并预测变化，还能在与环境互动中自我进化。

这也是具身智能最难的地方。

机器人面对的不是固定屏幕，而是复杂现实世界。同样一个杯子，可能放在桌上，也可能放在水槽边；可能是空的，也可能装满水；旁边可能有盘子、刀叉、手机、宠物。每个细节都会影响机器人下一步动作。

所以，具身智能模型不只是要"识别物体"，还要理解现实世界会如何变化。

自变量还宣布了让搭载WALL-B模型的机器人常驻用户家庭的计划。家庭场景复杂、开放、变化多，被认为是检验机器人泛化能力的重要场景。

每个人家的户型不同，家具不同，物品摆放不同，生活习惯也不同。如果机器人能在家庭环境中稳定工作，说明它对真实世界的适应能力更强。

这也是自变量受到资本关注的重要原因之一。

模型、数据和本体都要自己做

最近几个月，自变量还连续发布了多个模型和技术成果。

今年6月，公司发布了开源模型WALL-OSS-0.5和世界模型WALL-WM。

其中，WALL-OSS-0.5在预训练阶段，就已经具备较强的任务完成能力。在17个真机任务中，无需后训练，有4个任务自主完成率超过80%，在操作类和推理类任务中领先部分主流开源模型。

另一个模型WALL-WM，则被称为具备"事件级预测能力"的世界模型。

所谓世界模型，可以简单理解为：让AI在行动前，对现实世界接下来会发生什么有一定判断。

比如，机器人要推一个盒子。它需要预测盒子会怎么移动，会不会撞到旁边物体，动作力度够不够。它不是看到一个画面就机械执行，而是要理解动作与后果之间的关系。

WALL-WM不是简单按照时间均匀采样，而是通过"事件"来对齐语言、视觉、动作等多模态数据。这样做的目标，是让模型更好理解不同信息之间的关系，并判断物理世界会如何演化。

除了模型，数据也是具身智能行业的核心难题。

大语言模型可以从互联网上获得大量文本数据。但机器人不一样。机器人需要的是现实世界里的动作数据、操作数据、交互数据。这类数据更难采，更贵，也更稀缺。

自变量不仅自建数采工厂，还研发了完整的数据管线，可以自动、大规模完成数据采集、清洗、标注和质量控制。

公司还发布了基于自研数采设备XR Zero G0的数据采集方案。按照材料说法，这一方案通过研究将训练模型所需数据成本降低95%。

这对具身智能公司很关键。

因为机器人能力提升，离不开大量高质量数据。如果数据成本太高，模型迭代速度就会受限。谁能更便宜、更稳定地获得真实世界数据，谁就可能在后续竞争中占据优势。

在机器人本体方面，自变量也在自研。

公司已经自研搭载不同模型的量子一号和量子二号。这些机器人既是模型载体，也进入数据采集工厂和实际落地场景。

自变量已经同时覆盖模型、数据和本体。

从这次融资看，资本押注自变量，押注的不是一个单独产品，而是一整套能力。

自变量在短时间内完成多轮融资，估值超过200亿元，至少说明一件事：在资本市场眼中，具身智能已经不只是一个远期概念，它正在进入头部公司争夺资源、场景和供应链的新阶段。

本文内容仅供参考，不构成投资建议。