10亿元！自变量机器人完成2026年首笔融资

深圳商报·读创客户端首席记者 袁静娴

1月12日，记者从自变量机器人了解到，自变量机器人已于近期完成10亿元A++轮融资。本轮融资由字节跳动、红杉中国、北京信息产业发展基金、深创投、南山战新投、锡创投等顶级投资机构及多元地方平台联合投资。据悉，这也是深创投AI基金成立以来的第一笔投资。

值得关注的是，除字节外，自变量此前也曾先后获得美团、阿里的投资，是国内唯一同时被这三家互联网大厂投资的具身智能企业。自变量的上一轮融资完成于2025年9月，由阿里云、国科投资领投，国开金融、红杉中国、渶策资本跟投。据记者统计，自变量目前已经累计完成了9轮融资。

近两年，具身智能持续吸引市场目光，其“身体”——机器人的运动与控制能力已取得显著进步。行业竞争焦点也从“肢体”转向“大脑”。如何为机器人构建能理解物理世界、能操作、能灵活应对复杂多变场景的智能“大脑”，使其真正胜任多样化的实际物理世界的工作，成为突破的关键。

具身智能基础模型是独立于、平行于大语言模型、多模态模型等虚拟世界基础模型的物理世界的基础模型。基础模型的核心在于突破泛化性与通用性瓶颈，物理现实世界的复杂性要求机器人能够具备实时处理非结构化、动态及随机任务的能力。自变量的具身基础模型，以所有机器人的感知信息（例如视觉、触觉、语音等）为输入，直接输出机器人的动作、视觉，以及语言等。

自变量机器人创始人兼CEO王潜表示：“具身智能的下一阶段竞争，本质上还是数据闭环构建的基础模型与模型进化能力的竞争”。在这个判断下，全球正在从数据、模型、算力等多个方面加快投入，快速推进具身智能的发展。

自变量自研的WALL-A模型，核心架构首创VLA与世界模型深度融合的系统范式。作为原生的多模态输入输出架构，WALL-A率先实现了具身多模态思维链。WALL-A利用世界模型机制进行时空状态预测，协同视觉因果推理理解环境反馈，并通过可学习记忆机制从数据中内化物理常识。这一融合机制，显著提升了机器人执行非结构化环境中移动操作任务的零样本泛化能力。

目前，自变量已逐步进入工业制造、物流、养老等多个高价值领域，跨行业的应用证明自变量的机器人正以高泛化、低成本部署的能力，精准对接真实的市场商业需求。

王潜曾在多个场合明确表示，在具身智能这一前沿赛道，应争当引领者，而非跟随者。自变量持续深耕模型迭代、数据管线与机器人硬件三大核心领域，并通过扎实的技术积累与全栈自研能力，不断突破既有的能力边界。

（受访企业供图）