henry 發自 凹非寺
量子位 | 公眾號 QbitAI

大灣區首個200億具身大腦來了！

剛剛，據可靠消息：自變量連續完成4輪融資，投后估值突破200億元，并且完成資本交割、融資款全部到賬。

這使得自變量，成為大灣區首家、也是唯一一家，估值超過200億元的具身大腦公司。

自4月下旬發布會上宣布完成由小米戰投領投的B輪融資后，僅僅兩個多月，自變量又連續完成B+、B++和C輪融資。

客觀來說，在具身智能賽道，宣布融資早已不算新聞；真正少見的是，內部人士稱，錢這么快、這么確定地全部到賬。

兩個多月、四輪融資、全部交割，即便放在如今融資最活躍的具身行業，也稱得上罕見。

更夸張的是投資方陣容。

已確認的投資機構超過30家，橫跨互聯網巨頭、產業資本、國家隊和頂級VC四大陣營。

中國移動、中保投資、紅杉中國、IDG資本、源碼資本、達晨財智、中金資本悉數在列，小米戰投更是連續三輪加注。

30多家機構、上百億元資本，集體押注、看好的其實都是同一個方向——

具身大腦

四大互聯網巨頭，集體滿貫

如果說自變量這波融資最值得關注的信號，那一定是互聯網巨頭們的集體看好。

在國內具身智能公司里，自變量是目前已知、唯一一家被四大互聯網廠商分別領投、并持續加注的企業。

美團領投A輪，阿里領投A+輪，字節跳動領投A++輪，小米戰投領投B輪，湊齊“大滿貫”。

其中，小米戰投更是連續參與B、B+、B++三輪融資，加注幾乎沒有停過。

產業資本方面，各方也在持續加注。

最近四輪融資中，58集團、沈陽汽車（沈陽汽車產業投資基金）、奇瑞集團（國海創新資本）、榮耀（深圳市人工智能終端基金）等產業方相繼入場，覆蓋家政服務、汽車制造、消費電子等多個領域。

這些產業資本投的不是概念，而是未來真正能走進自己業務場景的機器人。

58集團對應家政服務，奇瑞和沈陽汽車代表汽車制造，榮耀則代表消費電子。它們看中的，是具身智能能否真正落地，解決真實場景里的問題。

目前，自變量已經進入58到家的家政服務場景，以及某德國豪華汽車品牌的零部件產線，開始從實驗室走向家庭服務和工業生產。

與此同時，國家隊也在持續加碼。

除了國投創新、中保投資、江蘇高投、深投控資本、寶安區引導基金等新股東之外，國開科創、國科投資等老股東也再次跟投，中國移動更是連續兩輪加注。

背后釋放的信號并不難理解。

隨著具身智能被寫入“十五五”規劃未來產業核心賽道，國資、地方基金和國央企的資金正加速向頭部具身企業集中。

這些投資帶來的不僅是資金，也意味著未來地方產業資源、供應鏈協同等方面的長期支持。

另一邊，市場化VC也沒有缺席。

紅杉中國、IDG資本、達晨財智、中金資本、源碼資本、毅達資本等頭部機構紛紛押注。其中，紅杉中國更是從去年9月A+輪一路跟投至今，幾乎沒有缺席過任何一輪。

算上更早期的融資，自變量成立兩年半累計完成十余輪融資。

互聯網巨頭、產業資本、國家隊、頭部VC四類資本持續重倉同一家公司，這樣的融資結構，在國內具身智能賽道幾乎找不到第二家。

那么，這么多挑剔的資本，到底在押注什么？

集體押注大腦

押的，其實就是具身智能的“大腦”。

自變量創始人王潛很早就提出過一個判斷：具身智能模型，并不是語言模型的延伸，而是與之平行的另一類基礎模型。

原因也很簡單。

機器人想真正進入現實世界，光會執行指令遠遠不夠。它還要理解環境、預測變化，提前知道下一步可能發生什么。

過去一年，這幾乎已經成為整個具身智能行業的共識，而承擔這一能力的，正是世界模型（World Model）。

簡單來說，世界模型就是一個專門預測“接下來會發生什么”的AI。

如果說大語言模型預測的是下一個詞，那么世界模型預測的，就是下一幀畫面，以及畫面中的物理變化。對于機器人而言，它就像一顆能夠提前“腦補”未來的大腦。

今年4月，自變量發布了全球首個基于世界統一模型（World Unified Model，WUM）架構的具身大模型——WALL-B。

與傳統把感知、決策、動作拆成多個模塊、再串聯起來的方案不同，WALL-B把視覺、語言、動作和物理預測統一放進同一個網絡，從零開始聯合訓練。

模塊之間不再需要層層傳遞信息，模型能夠直接學習不同能力之間的關聯。

因此，WALL-B同時具備了原生多模態理解、物理世界預測，以及通過與環境交互持續學習這三項核心能力。

不過，比模型本身更受關注的，是自變量為它設定的目標。

發布會上，自變量宣布，希望讓搭載WALL-B的機器人長期生活在真實家庭中。

相比實驗室，一個普通家庭才是真正復雜的環境：物品擺放每天都在變化，家庭成員行為難以預測，幾乎沒有兩天是完全一樣的。

能不能在這樣的環境里長期穩定工作，也成為外界檢驗WALL-B泛化能力最直接、也最嚴苛的一場考試。

具身大腦快速迭代

資本愿意一輪接一輪加注，也離不開自變量幾乎沒有停下來的技術迭代節奏。

僅是最近一個多月，自變量就連續發布了兩款核心模型。

第一款是開源具身基礎模型WALL-OSS-0.5。它只完成了預訓練，沒有針對具體任務做后訓練，就跑出了接近不少同行成品模型的效果。

在17項真實機器人任務中，有4項自主完成率超過80%，在操作和推理任務上均超過了海外明星公司Physical Intelligence開源的Pi 0.5等主流模型。

另一款則是世界模型WALL-WM，也是全球首個具備事件級預測（Event-level Prediction）能力的世界模型。

過去，大多數世界模型都是按時間均勻采樣，把視頻切成一幀一幀來學習；WALL-WM則換了一個思路——

按事件來理解世界，把語言、視覺、動作等不同模態圍繞同一件事進行對齊，讓模型更容易學到它們之間真正的因果關系，從而更準確地預測物理世界接下來會發生什么。

模型之外，具身行業真正稀缺的，其實是數據。

為此，自變量專門搭建了自己的數據工廠，并自研了一整套數據生產管線，從采集、清洗、標注到質量控制，都實現了自動化和規模化。

基于自研數采設備XR Zero G0，其方案能夠將具身訓練數據的采集成本降低95%。

再往下，還有機器人本體。

量子一號、量子二號兩代機器人，為模型提供了持續迭代和真實驗證的平臺。

至此，模型、數據、本體三塊拼圖，自變量都握在了自己手里，也形成了一個能夠持續自我迭代的閉環。

兩個早早押注獨立模型的人

把時間撥回起點，自變量從一開始押的，就是一條和大多數公司不太一樣的路線。

創始人兼CEO王潛，清華本碩，后在美國南加州大學讀博，研究方向是Robotics Learning，也是較早把注意力機制引入神經網絡體系的研究者之一。

聯合創始人兼CTO王昊，則是北京大學計算物理博士，曾在IDEA研究院負責大模型團隊，主導發布多個開源大模型。

“獨立基礎模型”這個判斷，王潛從公司成立第一天起就沒有動搖過。

所謂獨立，并不是應用場景不同，而是它面對的是一個完全不同的問題——

真實物理世界里的連續狀態、因果關系和動作反饋。因此，它的建模目標、訓練方式和評估體系，都不能照搬服務于虛擬世界的語言模型。

基于這一判斷，自變量始終堅持自研全端到端通用具身大模型，把模型、數據和機器人本體三件事一起做。

因為通用具身智能走到最后，拼的不只是模型，也不是本體，而是模型、數據和硬件能否形成持續迭代的閉環。任何一塊短板，都可能成為最終的天花板。

這意味著，比起站在現成基礎設施之上，自變量選擇了一條更重、更慢，也更難走的路，從底層開始，把每一塊積木都握在自己手里。

過去，具身智能賽道的資金更喜歡廣撒網，押注各種機器人本體；如今，越來越多資本開始把籌碼集中投向“大腦”。

30多家機構擠進同一家公司，賭的已經不是又一臺機器人，而是它腦子里的那套世界模型，能不能真正走進工廠，也走進千家萬戶。

這個答案，還需要時間驗證。

但愿意提前為它下注的資本，已經把答案寫到了——

200億元。