8月12日的深圳順豐倉庫，自變量機器人開了一場全程直播的物流分揀實測。官方公布的成績很亮眼：一小時分揀隨機包裹1816件，成功率超98%，平均1.98秒一件。有報道指出，這個數字比具身公司FigureAI此前創下的1248件/小時行業標杆高出約45%，成本砍掉70%。

比掌聲來得更快的是爭議。抖音博主「機器人大偵探」發布拆解視頻：FigureAI的成績來自一場200小時不間斷直播，多台機器人輪換，累計分揀約24.9萬件，平均下來是1248件/小時，而自變量只播了1小時。另外，Figure用的是全尺寸人形機器人，自變量採用的是更簡單的雙機械臂+標準夾爪方案。

「相當於王潛騎着電動車和馬拉松世界冠軍比100米衝刺，贏了還要嘲諷對方跑鞋太貴。」博主「機器人大偵探」在視頻文案中說。

這場直播恰似自變量這家公司近半年密集操作的縮影，用最吸睛的行動去反覆講最宏大的故事，在資本催熟的快車道上全速狂奔。

從量化基金到具身「OpenAI」，兩年半孖展50億

自變量的故事，從一個叫王潛的年輕人開始。

王潛1988年出生，清華本碩，南加州大學博士，研究方向是機器人學習與人機交互。他有一個被反覆提及的標籤：全球最早在神經網絡中引入注意力機制的學者之一，成果與Google同期發表於國際會議。這也是自變量能夠持續獲得巨頭關注的原因：注意力機制是Transformer的核心模塊，而Transformer是今天所有大模型的地基。

博士畢業後，王潛沒有留在學術界，也沒有直接進大廠。他在美國創立了一隻量化基金，用AI做交易。2023年底，他解散基金回國，在深圳創立自變量機器人。

王潛的創業夥伴、自變量聯合創始人兼CTO王昊是北大計算物理博士，曾任IDEA研究院封神榜大模型團隊算法負責人，主導過國內首個多模態開源大模型「太乙」。一個懂底層架構，一個懂大規模訓練工程，這個搭配在自變量的創業初期很有說服力。

自變量的技術路和傳統機器人不同，沒有走感知、規劃、控制模塊拼接的路線，而是從第一天起就做端到端的統一預訓練模型，把視覺、語言、動作、物理預測放進同一個網絡聯合訓練，讓模型理解整個物理世界。2026年4月，公司發布基於「世界統一模型」架構的具身大模型WALL-B，聲稱打破了行業預訓練加後訓練的慣例。

自變量的產品也和其他公司不太一樣，在順豐倉庫的直播中亮相的機器人產品沒有走人形路線，也不是移動雙臂本體+靈巧手，而是利用一個固定工位+夾爪。自變量方面給出的解釋是，這樣的架構更接近人手的行為習慣，可以帶來更快的速度。

自變量選擇的這條技術路線的好處是天花板高，壞處也有，就是燒錢快。全棧自研意味着模型、數據、本體、靈巧手、數採系統全都要自己做，研發周期長，投入巨大。好在目前資本的耐心恰好足夠。自變量跑出了中國創投史上罕見的孖展速度。

2025年5月，美團戰投領投A輪，數億元。四個月後，阿里雲和國科投資接棒A+輪，近10億元。2026年1月，字節跳動聯合紅杉中國領投A++輪，10億元。4月20日，小米戰投和紅杉中國領投B輪，近20億元。5月到6月，B+、B++、C輪在兩個多月內密集交割，估值從100億直接跳上200億。

美團、阿里、字節、小米，四家互聯網巨頭分別出現在不同輪次的領投位置上。自變量成為國內唯一一家同時集齊這四家大廠的具身智能企業。紅杉中國從A+輪入場後每輪都跟投，IDG、源碼、達晨、中金等一線機構悉數參與。中國移動鏈長基金、國家人工智能產業投資基金、國開金融、中保投資、深投控等國家隊相繼入場。榮耀、奇瑞、58集團、瀋陽汽車等產業資本也出現在股東名單裏。

30多家機構、超過50億元資金，在短短兩年半里湧向一家尚未形成規模化量產和銷售收入的公司。

瘋狂孖展50億，自變量的錢燒在哪裏？

一家尚未形成規模化量產和規模化銷售的公司，憑什麼能拿下50億元孖展，這筆錢又會燒向哪裏？

先看估值模型，同樣在具身智能賽道，宇樹賣的是成熟的產品，整個2025年賣出超5500台人形機器人，營收近17億元，這些機器人能跳舞，還會打拳，消費者和投資人對宇樹的產品力清晰可感。而自變量的賣點卻是它的模型能力和未來商業價值的想象空間，市場都在期待WALL-B模型的實際部署效果和數據工廠的規模化能力。

模型能力如此重要，自然也是自變量燒錢的大頭。全棧自研端到端大模型，需要持續的算力投入和人才成本。自變量的團隊來自清華、北大、USC和頭部硬件公司，薪酬水平不低。2026年4月發布WALL-B後，自變量又陸續開源了WALL-OSS-0.5基礎模型、推出XRZero-G0無本體數據採集方案、X-Tokenizer跨模態動作分詞器。產品線鋪得很開，每一條都需要持續投入。

支持模型研發的數據採集是第二個燒錢的地方。具身大模型和語言大模型最大的區別在於，語言模型可以從互聯網爬取海量文本，機器人必須在真實物理世界裏採集數據，而真實數據昂貴且採集速度慢。自變量在深圳建了國內首個大規模機器人數據工廠，又推出無本體數採方案，宣稱能降低約95%的數據採集成本。

自變量數據採集中的居家數採恰恰也是它又一個頗具爭議的點。近期有媒體報道，自變量正在開展「居家數採家庭招募」，要求房屋90平方米以上、三室一廳優先，家中有穩定網絡和真實濃厚的居家氛圍。每天9點到19點，操作員帶着一台機器人整機和一套配套操作台進家操控，住戶可全程監督。每月最高補貼3000元，最長連續兩個月，一戶家庭封頂6000元。

簡單來說就是，自變量花錢請用戶允許機器人進家門採集數據。

這與自變量此前的商業化嘗試形成了鮮明反差。2026年3月，自變量與58到家合作推出機器人保潔服務，149元/3小時，深圳和北京上線，形式是人機協同，保潔阿姨帶隊，機器人當實習生，幹疊衣服、收拾玩具、擦桌子、鏟貓砂、整理鞋子這些活，藉助「實習」的機會，去到真實世界場景中採集數據。

據媒體報道，58同城平台上的自變量智能保潔服務一天開放8單，預約訂單排到半個月後。看上去很火，但真實體驗並不靠譜。有博主花149元下單後發現，機器人疊一件衣服要花十分鐘，三個小時只整理了鞋櫃、餐桌和沙發，速度慢、噪音大。自變量合夥人甘如飴在接受每日經濟新聞採訪時承認，速度和噪音說明當前技術仍有提升空間，家庭場景遠比預想複雜。

但到了2026年下半年，這項149元機器人保潔服務已經淡出公司的宣傳口徑。

從讓用戶花149元請機器人進家，到公司每月貼3000元請用戶允許機器人進家，自變量用真金白銀驗證了，當前的機器人進家沒有太多服務價值，更多是對用戶的打擾。包裝成付費服務的模式走不通，不如直接把這筆賬算成數據採集成本。

工業場景的進展同樣有限。公司披露模型進入華晨寶馬座椅與內飾供應商產線，與順豐合作物流分揀。這些試點距離規模化量產交付還有明顯距離。

祕密遞表的背後，高估值的枷鎖

8月5日，南華早報援引兩位知情人士報道稱，自變量已向港交所祕密遞交IPO申請。此外，其第三代機器人計劃2026年第四季度發布。此時距離公司成立僅兩年半。

這個時間點耐人尋味。不久前，宇樹科技剛以150.8元發行價完成A股申購，總市值一度飆升至4000億元，坐享A股「人形機器人第一股」之名。同行開始用出貨量和營收說話，自變量必須用新的方式證明自己。

高估值是一把雙刃劍。30多家機構用真金白銀把自變量推上200億，他們容忍前期瘋狂燒錢建數據工廠、搞預訓練，但耐心有限。孖展消息的熱度散去，投資人將開始審視自變量的財務報表。

接下來有一系列十分具體的問題需要自變量一一回應：模型能力最終通過什麼收入形態兌現？是本體銷售、解決方案、軟件服務，還是數據授權？每增加一個新客戶，需要多少工程師駐場調試？如果每進一個場景都要重新採集數據、重新微調模型，那它就不是平台公司，而是項目制外包公司。項目制公司沒有邊際成本遞減效應，累死累活也撐不起200億估值。

具身智能行業的競爭格局也在時刻變化。同城對手智平方同樣估值200億，已拿到近5億元訂單，被業內稱為「最像特斯拉」的具身智能企業。宇樹用17億營收和盈利證明了機器人本體可以是一門生意。智元第1.5萬台通用具身機器人下線。樂聚帶着2.58億營收申請創業板。當同行紛紛交出營收和出貨量的答卷，自變量的成績還是個未知數。

技術路線的風險同樣真實存在。端到端統一預訓練模型投入大、周期長，行業內有觀點指出，多數所謂自研模型其實是將開源模型做後訓練後重新包裝。自變量反覆強調完全從零開始預訓練，這是技術差異化，也是市場姿態的區隔。全棧自研本身不會自動變成壁壘，只有當它能減少新任務的訓練數據、壓縮部署周期、降低交付成本時，纔會產生經濟價值。

一位具身賽道從業者向鳳凰網科技表示，「我不認為國內目前的環境可以支撐去做一個完全對標Figure的企業，過去的經驗來看，還是更適合先做單點打透」，這意味着，全都要的自變量當前顯著面臨着更大的壓力。

據多位社交媒體發文的自變量離職員工反饋，公司內部正承擔着極大的工作壓力。有人發文稱，因為工作強度大、加班多，導致身體不適，但即便是休病假，也會被上級問詢「是否真的生病了」，該名人士認為，入職自變量對其職業發展產生了一定影響，據其向鳳凰網科技表述，入職自變量兩個月，目前已離開。

8月那場分揀直播，某種程度上是自變量焦慮的集中暴露。它需要一個足夠有傳播力的數字來支撐200億估值的敘事，於是選擇了用1小時短跑對標200小時馬拉松、用固定機械臂對標人形機器人。「超越FigureAI45%」的成績看起來很吸睛，但拆開來看是否有精心設計的成分在？仍需要自變量用更強的實力來回答。

FigureAI的估值是390億美元，約合2800億人民幣。自變量的200億人民幣估值，約為Figure的十四分之一。這場對標本身，就說明自變量需要一個足夠大的參照物來錨定自己的想象空間。

兩年半時間，王潛把自變量從深圳一間辦公室帶到了200億估值的牌桌上。四大互聯網巨頭的背書、30多家機構的真金白銀、端到端大模型的技術路線，這些都是真實的。

在這些事實的背面，同樣要看到，具身智能是一條長坡厚雪的賽道，模型能力最終要翻譯成客戶願意持續付費的生產力。自變量已經把模型、數據、本體和資本拼到了同一張圖上，第三代機器人和未來公開的經營數據，將檢驗這幾個環節能否形成閉環。

200億估值買的是未來。當未來需要用營收來兌現時，自變量的答卷，才啱啱開始寫。