自变量：35天后机器人入驻真实家庭，复杂且随机性数据“必须采集”

机器人正式进入家庭提上日程。

4月21日，自变量机器人举行发布会，推出新一代机器人进家庭计划，宣布35天后，机器人将搭载新一代自研具身智能基础模型WALL-B入驻真实家庭。

自变量创始人兼CEO王潜在发布会上表示，当前机器人的核心瓶颈不在本体，而在智能。家庭环境中的每一秒都可能出现全新事件：猫何时跳上桌子、孩子把玩具扔在哪里、地毯的摩擦力与实验室地板完全不同。现有技术无法处理这种随机性和碎片化，机器人进入家庭也被视为“这个时代最难的技术问题之一”。

自变量创始人兼CEO王潜在发布会上

解决数据损耗：世界模型并非外挂模块

据自变量联合创始人兼CTO王昊介绍，WALL-B定位为基于世界统一模型架构（WUM，World Unified Model） 的具身智能基础模型，设计思路类似于Apple Silicon的统一内存架构，在苹果M1芯片之前的Mac上，CPU、GPU、内存各自独立，数据搬运产生的延迟和损耗成为性能瓶颈，苹果通过统一内存架构让所有处理单元共享同一块内存，性能由此大幅提升。

在机器人领域，VLA（视觉-语言-动作模型）就类似于M1之前的笔记本电脑架构，视觉模块、语言模块、动作模块各自为政，数据在模块之间搬来搬去，每搬一次就丢一次信息。WALL-B将视觉、语言、动作、物理预测等所有能力，放在同一个网络中从零开始联合训练、融为一体，消除了模块间的边界和数据搬运损耗。

王昊强调，世界模型并非一个单独的外挂模块，而是一种对物理世界未来的预测能力。“要解决数据损耗问题，不能简单累加模块，而是要补上预测能力。”

“糖水”与“牛奶”：看似最难的路反而可能最简单

“这个行业最大的秘密，不是算法，不是架构，不是硬件，数据才是。”王昊将来源于实验室的干净、稳定、可预测的数据比作“糖水数据”，用此类数据训练的模型，就像在泳池里学了10年游泳的人，一旦被丢进大海就会淹死。“它很甜，但除了甜并不会增加抵抗力，也不会提升体质。喝多了有可能还会增加患糖尿病的风险”，训练出的模型几乎不具备零样本泛化能力。

与之相对，源自真实家庭、复杂不可控且充满随机性的数据则是具身智能的“牛奶数据”。尽管采集过程“很苦、很慢、很贵”，但王昊认为，要想要做出真正具备零样本泛化能力的基础模型，这条看似最难的路反而可能是最简单的。为此，自变量团队进入了超过100个志愿者的家庭去训练模型。

自变量联合创始人兼CTO王昊在介绍WALL-B

完整工程闭环：机器人领域领先窗口或达三年以上

王潜在接受澎湃新闻等媒体采访时表示，机器人进家庭目前并非百分百只靠AI模型去做，有时候还是得有人去在安全性等方面兜底和接管，但除了地形限制、工具太过复杂等情况外，所有能够在物理上实现的事情，其实机器人都能做，“只要进入家庭，你就可以使唤它，不需要再考虑有什么是能做的，有什么是不能做的”。

王潜认为，企业长久的竞争力在于建立一个真正统一的闭环体系。相较于算法架构，模型背后的数据定义、采集、改造、后处理以及训练测评调整等完整的工程体系，才是最难被复制的部分。他以大模型行业为例称，OpenAI曾领先谷歌近两年，而在机器人领域，这样的领先时间窗口会更长，可能达到三年以上。

值得一提的是，在发布会上，王潜也正式宣布自变量于近日完成了B轮融资，由小米战投领投。此前有报道称，自变量完成了近20亿元的B轮融资，也成为国内公开披露的唯一一家被四家互联网大厂（字节、美团、阿里、小米）投资的具身智能企业。