还没大规模赚钱，估值先上200亿，自变量为何急着秘密上市？

8月12日的深圳顺丰仓库，自变量机器人开了一场全程直播的物流分拣实测。官方公布的成绩很亮眼：一小时分拣随机包裹1816件，成功率超98%，平均1.98秒一件。有报道指出，这个数字比具身公司FigureAI此前创下的1248件/小时行业标杆高出约45%，成本砍掉70%。

比掌声来得更快的是争议。抖音博主“机器人大侦探”发布拆解视频：FigureAI的成绩来自一场200小时不间断直播，多台机器人轮换，累计分拣约24.9万件，平均下来是1248件/小时，而自变量只播了1小时。另外，Figure用的是全尺寸人形机器人，自变量采用的是更简单的双机械臂+标准夹爪方案。

“相当于王潜骑着电动车和马拉松世界冠军比100米冲刺，赢了还要嘲讽对方跑鞋太贵。”博主“机器人大侦探”在视频文案中说。

这场直播恰似自变量这家公司近半年密集操作的缩影，用最吸睛的行动去反复讲最宏大的故事，在资本催熟的快车道上全速狂奔。

从量化基金到具身“OpenAI”，两年半融资50亿

自变量的故事，从一个叫王潜的年轻人开始。

王潜1988年出生，清华本硕，南加州大学博士，研究方向是机器人学习与人机交互。他有一个被反复提及的标签：全球最早在神经网络中引入注意力机制的学者之一，成果与Google同期发表于国际会议。这也是自变量能够持续获得巨头关注的原因：注意力机制是Transformer的核心模块，而Transformer是今天所有大模型的地基。

博士毕业后，王潜没有留在学术界，也没有直接进大厂。他在美国创立了一只量化基金，用AI做交易。2023年底，他解散基金回国，在深圳创立自变量机器人。

王潜的创业伙伴、自变量联合创始人兼CTO王昊是北大计算物理博士，曾任IDEA研究院封神榜大模型团队算法负责人，主导过国内首个多模态开源大模型“太乙”。一个懂底层架构，一个懂大规模训练工程，这个搭配在自变量的创业初期很有说服力。

自变量的技术路和传统机器人不同，没有走感知、规划、控制模块拼接的路线，而是从第一天起就做端到端的统一预训练模型，把视觉、语言、动作、物理预测放进同一个网络联合训练，让模型理解整个物理世界。2026年4月，公司发布基于“世界统一模型”架构的具身大模型WALL-B，声称打破了行业预训练加后训练的惯例。

自变量的产品也和其他公司不太一样，在顺丰仓库的直播中亮相的机器人产品没有走人形路线，也不是移动双臂本体+灵巧手，而是利用一个固定工位+夹爪。自变量方面给出的解释是，这样的架构更接近人手的行为习惯，可以带来更快的速度。

自变量选择的这条技术路线的好处是天花板高，坏处也有，就是烧钱快。全栈自研意味着模型、数据、本体、灵巧手、数采系统全都要自己做，研发周期长，投入巨大。好在目前资本的耐心恰好足够。自变量跑出了中国创投史上罕见的融资速度。

2025年5月，美团战投领投A轮，数亿元。四个月后，阿里云和国科投资接棒A+轮，近10亿元。2026年1月，字节跳动联合红杉中国领投A++轮，10亿元。4月20日，小米战投和红杉中国领投B轮，近20亿元。5月到6月，B+、B++、C轮在两个多月内密集交割，估值从100亿直接跳上200亿。

美团、阿里、字节、小米，四家互联网巨头分别出现在不同轮次的领投位置上。自变量成为国内唯一一家同时集齐这四家大厂的具身智能企业。红杉中国从A+轮入场后每轮都跟投，IDG、源码、达晨、中金等一线机构悉数参与。中国移动链长基金、国家人工智能产业投资基金、国开金融、中保投资、深投控等国家队相继入场。荣耀、奇瑞、58集团、沈阳汽车等产业资本也出现在股东名单里。

30多家机构、超过50亿元资金，在短短两年半里涌向一家尚未形成规模化量产和销售收入的公司。

疯狂融资50亿，自变量的钱烧在哪里？

一家尚未形成规模化量产和规模化销售的公司，凭什么能拿下50亿元融资，这笔钱又会烧向哪里？

先看估值模型，同样在具身智能赛道，宇树卖的是成熟的产品，整个2025年卖出超5500台人形机器人，营收近17亿元，这些机器人能跳舞，还会打拳，消费者和投资人对宇树的产品力清晰可感。而自变量的卖点却是它的模型能力和未来商业价值的想象空间，市场都在期待WALL-B模型的实际部署效果和数据工厂的规模化能力。

模型能力如此重要，自然也是自变量烧钱的大头。全栈自研端到端大模型，需要持续的算力投入和人才成本。自变量的团队来自清华、北大、USC和头部硬件公司，薪酬水平不低。2026年4月发布WALL-B后，自变量又陆续开源了WALL-OSS-0.5基础模型、推出XRZero-G0无本体数据采集方案、X-Tokenizer跨模态动作分词器。产品线铺得很开，每一条都需要持续投入。

支持模型研发的数据采集是第二个烧钱的地方。具身大模型和语言大模型最大的区别在于，语言模型可以从互联网爬取海量文本，机器人必须在真实物理世界里采集数据，而真实数据昂贵且采集速度慢。自变量在深圳建了国内首个大规模机器人数据工厂，又推出无本体数采方案，宣称能降低约95%的数据采集成本。

自变量数据采集中的居家数采恰恰也是它又一个颇具争议的点。近期有媒体报道，自变量正在开展“居家数采家庭招募”，要求房屋90平方米以上、三室一厅优先，家中有稳定网络和真实浓厚的居家氛围。每天9点到19点，操作员带着一台机器人整机和一套配套操作台进家操控，住户可全程监督。每月最高补贴3000元，最长连续两个月，一户家庭封顶6000元。

简单来说就是，自变量花钱请用户允许机器人进家门采集数据。

这与自变量此前的商业化尝试形成了鲜明反差。2026年3月，自变量与58到家合作推出机器人保洁服务，149元/3小时，深圳和北京上线，形式是人机协同，保洁阿姨带队，机器人当实习生，干叠衣服、收拾玩具、擦桌子、铲猫砂、整理鞋子这些活，借助“实习”的机会，去到真实世界场景中采集数据。

据媒体报道，58同城平台上的自变量智能保洁服务一天开放8单，预约订单排到半个月后。看上去很火，但真实体验并不靠谱。有博主花149元下单后发现，机器人叠一件衣服要花十分钟，三个小时只整理了鞋柜、餐桌和沙发，速度慢、噪音大。自变量合伙人甘如饴在接受每日经济新闻采访时承认，速度和噪音说明当前技术仍有提升空间，家庭场景远比预想复杂。

但到了2026年下半年，这项149元机器人保洁服务已经淡出公司的宣传口径。

从让用户花149元请机器人进家，到公司每月贴3000元请用户允许机器人进家，自变量用真金白银验证了，当前的机器人进家没有太多服务价值，更多是对用户的打扰。包装成付费服务的模式走不通，不如直接把这笔账算成数据采集成本。

工业场景的进展同样有限。公司披露模型进入华晨宝马座椅与内饰供应商产线，与顺丰合作物流分拣。这些试点距离规模化量产交付还有明显距离。

秘密递表的背后，高估值的枷锁

8月5日，南华早报援引两位知情人士报道称，自变量已向港交所秘密递交IPO申请。此外，其第三代机器人计划2026年第四季度发布。此时距离公司成立仅两年半。

这个时间点耐人寻味。不久前，宇树科技刚以150.8元发行价完成A股申购，总市值一度飙升至4000亿元，坐享A股“人形机器人第一股”之名。同行开始用出货量和营收说话，自变量必须用新的方式证明自己。

高估值是一把双刃剑。30多家机构用真金白银把自变量推上200亿，他们容忍前期疯狂烧钱建数据工厂、搞预训练，但耐心有限。融资消息的热度散去，投资人将开始审视自变量的财务报表。

接下来有一系列十分具体的问题需要自变量一一回应：模型能力最终通过什么收入形态兑现？是本体销售、解决方案、软件服务，还是数据授权？每增加一个新客户，需要多少工程师驻场调试？如果每进一个场景都要重新采集数据、重新微调模型，那它就不是平台公司，而是项目制外包公司。项目制公司没有边际成本递减效应，累死累活也撑不起200亿估值。

具身智能行业的竞争格局也在时刻变化。同城对手智平方同样估值200亿，已拿到近5亿元订单，被业内称为“最像特斯拉”的具身智能企业。宇树用17亿营收和盈利证明了机器人本体可以是一门生意。智元第1.5万台通用具身机器人下线。乐聚带着2.58亿营收申请创业板。当同行纷纷交出营收和出货量的答卷，自变量的成绩还是个未知数。

技术路线的风险同样真实存在。端到端统一预训练模型投入大、周期长，行业内有观点指出，多数所谓自研模型其实是将开源模型做后训练后重新包装。自变量反复强调完全从零开始预训练，这是技术差异化，也是市场姿态的区隔。全栈自研本身不会自动变成壁垒，只有当它能减少新任务的训练数据、压缩部署周期、降低交付成本时，才会产生经济价值。

一位具身赛道从业者向凤凰网科技表示，“我不认为国内目前的环境可以支撑去做一个完全对标Figure的企业，过去的经验来看，还是更适合先做单点打透”，这意味着，全都要的自变量当前显著面临着更大的压力。

据多位社交媒体发文的自变量离职员工反馈，公司内部正承担着极大的工作压力。有人发文称，因为工作强度大、加班多，导致身体不适，但即便是休病假，也会被上级问询“是否真的生病了”，该名人士认为，入职自变量对其职业发展产生了一定影响，据其向凤凰网科技表述，入职自变量两个月，目前已离开。

8月那场分拣直播，某种程度上是自变量焦虑的集中暴露。它需要一个足够有传播力的数字来支撑200亿估值的叙事，于是选择了用1小时短跑对标200小时马拉松、用固定机械臂对标人形机器人。“超越FigureAI45%”的成绩看起来很吸睛，但拆开来看是否有精心设计的成分在？仍需要自变量用更强的实力来回答。

FigureAI的估值是390亿美元，约合2800亿人民币。自变量的200亿人民币估值，约为Figure的十四分之一。这场对标本身，就说明自变量需要一个足够大的参照物来锚定自己的想象空间。

两年半时间，王潜把自变量从深圳一间办公室带到了200亿估值的牌桌上。四大互联网巨头的背书、30多家机构的真金白银、端到端大模型的技术路线，这些都是真实的。

在这些事实的背面，同样要看到，具身智能是一条长坡厚雪的赛道，模型能力最终要翻译成客户愿意持续付费的生产力。自变量已经把模型、数据、本体和资本拼到了同一张图上，第三代机器人和未来公开的经营数据，将检验这几个环节能否形成闭环。

200亿估值买的是未来。当未来需要用营收来兑现时，自变量的答卷，才刚刚开始写。

本文源自：凤凰网科技