机器人“实习生”要住家了！自变量机器人CEO王潜：具身智能的“Aha Moment”或在2至3年内出现

机器人真正进入家庭帮助人类做家务还需要多久？4月21日，自变量机器人给出的答案是：35天。

当天，自变量机器人（以下或简称自变量）举行发布会，推出新一代机器人进家庭计划，宣布35天后搭载WALL-B的新一代机器人将首批入驻真实家庭。

发布会现场，自变量机器人创始人兼CEO（首席执行官）王潜站在舞台中央，一台白色轮式双臂机器人缓缓滑上台，机械臂夹着垃圾桶，另一只机械臂精准夹起了他演讲途中随手扔下的纸团。这不是提前编好程序的演示，而是机器人自主决策的结果。正是这个人类看似简单的自主决策的动作，对于机器人能否真正进入复杂的真实家庭，至关重要。

王潜和自变量机器人CTO（首席技术官）王昊会后接受了包括《每日经济新闻》在内的媒体记者采访，王潜表示，具身机器人的硬件已经到位了，双足、灵巧手、力控关节都很好，但大脑没有跟上，当前，机器人的核心瓶颈不在本体，而在数据和技术。

王潜还提到，无论是用于数据收集，还是驱动整体技术进步，商业化都是一件非常自然的事，因此为了把技术做好，自变量一定要把商业化做好。“我们希望在2至3年里，实现真正意义上的、物理世界的Aha Moment（顿悟时刻），就像当年ChatGPT所做的事一样。希望Aha Moment，是我们第一个能做出来的。”王潜表示。

自变量机器人创始人兼CEO王潜 受访者供图

谈机器人驻家：Aha Moment，在未来非常近的地方

“早上七点，闹钟响了。你从床上爬起来，走到客厅。拖鞋不知踢到哪里，厨房的碗还没洗，孩子的书包扔在地上，猫打翻了一杯水。”王潜用这段描述开场，揭示了家庭环境的实际情况：随机、碎片、不断变化。

王潜表示，目前，全球没有任何一台机器人可以在无遥控操作的情况下，独立完成上述场景中的综合整理任务。他和团队所做的，是把机器人送进最复杂的真实家庭。

《每日经济新闻》记者了解到，自变量机器人成立之初，便聚焦于为机器人构建“大脑”，即端到端的具身智能基础模型。2024年底，公司发布基于VLA（视觉—语言—动作）架构的第一代具身基础模型——WALL-A。

今年3月，自变量与58同城合作，将搭载WALL-AS模型的机器人送入真实家庭，与保洁阿姨协同作业。不过，正是在这些真实家庭的部署，让自变量及其团队看到了VLA架构的“天花板”。因此，自变量推出了全球首个基于世界统一模型架构（World Unified Model，WUM）的具身智能基础模型，标志着具身基础模型从VLA架构向原生多模态融合架构演进。

王昊提到，在机器人领域，VLA面临的最大问题是，视觉、语言、动作三个模块各自为政，数据在模块间逐级传递，每过一次模块边界就发生一次信息损耗。

“视觉学到的丰富信息，传到动作模块时，只剩一个模糊的摘要。”王昊解释称，更根本的问题在于，VLA模型只能模仿训练数据中的轨迹，无法真正理解物理世界的规律，它不知道杯子为什么会掉，不知道盘子悬在桌边会摔碎。因此，自变量最新官宣的WALL-B，具备WUM架构，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，消除了模块间的边界和数据搬运损耗。

王昊将搭载新架构的机器人认识世界的方式，类比为人类学习使用筷子的过程：筷子掉了无数次，但每一次失败都在调整手上的控制，最终形成稳定的技能。这种自我迭代机制，使机器人能在真实环境中持续进化。

王潜表示，“等到5月份机器人驻家时，理论上，它应该能处理所有我们让它做的事情。所有在物理上可触及范围内的事情，它都能做。当然，这不代表100%自主完成，必要时还是需要人进行远程兜底监管，以保证安全”。

“我觉得，机器人进家庭的发展速度，某种意义上要超过大家一般的预期。我还是毫不犹豫地认为，具身智能真正意义上的Aha Moment，应该就在未来非常近的地方，可能比大家想的要近。”王潜进一步指出。

谈企业融资：具身机器人融资热度，仍相对欠缺

备受关注的是，王潜当日同时对外证实了公司刚完成近20亿元的B轮融资，这轮融资由小米战投与红杉中国联合领投。至此，自变量机器人成为国内唯一一家同时获得字节跳动、美团、阿里巴巴、小米四家互联网巨头投资的具身智能企业。

公开数据显示，2026年以来，国内具身智能及机器人赛道已披露融资总额接近200亿元，百亿元估值公司增至13家，热钱确实在涌入。但在王潜看来，与移动互联网、自动驾驶等大级别的技术浪潮相比，具身智能仍处在早期阶段，“我觉得影响还是弱的，和之前的大级别机会相比，热度还是欠缺的”。

即便是在这样一个尚未真正“热起来”的赛道上，自变量实现了行业内罕见的被四家互联网巨头集体押注。从融资历程来看，自变量几乎走了一条“一轮一个巨头”的独特路径：A轮美团、A+轮阿里、A++轮字节、B轮小米。

“为什么能够吸引这些大厂投资？我很难给出一个行业通用性的回答。”王潜在接受采访时坦言，“所有这些投资人投我们的逻辑，其实非常简单，就是投技术上的领先性。这几家大厂也在做大W模型，应该是全世界做大模型最好的几家公司之一，他们自己的技术判断力很强，他们需要投某种意义上的技术第一性、技术驱动的事情。”

对于未来可能面临的和巨头竞争等问题，王潜表示：“大厂投资我们，也恰恰说明了创业公司的独特优势。市场足够大，创业公司在软硬一体的能力、技术本身的壁垒上，具有优势。”

在王潜看来，资源不构成壁垒，技术才是最大的壁垒。大模型历史上，Google等大厂投入巨量资源，但追赶OpenAI依然用了很长时间。“为什么大家会认为，在大模型的时代技术门槛变低了，因为有蒸馏，蒸馏做得太多了，以至于忘了什么是真正的技术差距了，但机器人没法蒸馏，技术壁垒会更高。”王潜表示。

谈商业化落地：是数据来源，更是技术迭代的加速器

值得注意的是，从一直以来的发展路径看，自变量给外界的印象是不急于商业化变现。当被问及为何在此时推出家庭产品时，王潜表示，“我们一直都秉承技术第一性，核心目标还是首先要达到大模型那样的里程碑。这个阶段的商业化，是为这个目标服务”。

“为了把技术做好，我们一定要把商业化做好。”王潜总结称，在他看来，商业化不仅是数据来源，更是技术迭代的加速器。

“在真实场景里，有很多物理上的限制，你不去做就不可能会知道。”王潜说，从硬件设计到数据，再到模型，都会有这种反馈。在他看来，一个产品之所以不只是实验室里的研究品，是因为它终究要和足够大、足够广阔的世界交互。

在数据策略上，王昊做了一个生动的比喻：行业内大多数训练数据来自实验室，固定光照、固定位置、无干扰环境，他称之为“糖水数据”，干净但脱离真实。而自变量的团队进入数百个真实家庭采集的数据，则被比喻为“牛奶数据”，嘈杂、多变、充满随机性。自变量的策略是以实验数据打底、真实场景提质，让模型学会在不确定环境中生存。

关于机器人进家庭会涉及的隐私问题，王潜也给出了明确的解决方案：视觉脱敏，据他介绍，机器人在设备端会对原始图像进行实时打码处理，同时，机器人在用户主动按下同意键后方可开机，不存在“默认同意”的情况。而对于机器人在家庭中采集的图像，王潜表示，系统绝不共享第三方，机器人只认一个主人，发现可疑指令立即锁定。

不过，尽管对技术前景保持乐观，王潜依然将现在的机器人定位为“实习生”。这意味着机器人进入家庭，前期可能会犯错，需要人类远程协助。它可能把拖鞋放到厨房，擦桌子可能擦到一半停下来“思考”。但它的优势是24小时不间断工作，每工作一天都会因新数据而变得更聪明。

“进入家庭的机器人，现在还很笨，走得很慢，经常犯错。但人类从婴儿时期迈出的第一步也是如此。每一个伟大的旅程，都是从踉踉跄跄的第一步开始。如今，机器人已经在最复杂的地方开始了它学习和进化的征程。”王潜表示。