近日，具身智能公司自變量機器人（X Square Robot）完成 10 億元 A++ 輪融資，本輪融資由字節跳動、紅杉中國、北京信息產業發展基金、深創投、南山戰新投、錫創投等聯合投資。

據悉，這是深創投 AI 基金成立以來的第一筆投資。除字節外，自變量此前曾先后獲得美團、阿里的投資，是國內唯一同時被這三家互聯網大廠投資的具身智能企業。

2025 年 9 月，自變量機器人剛剛完成近 10 億元 A+ 輪融資，由阿里云、國科投資領投，國開金融、紅杉中國、渶策資本跟投，老股東美團戰投超額跟投，聯想之星、君聯資本持續追投。

一、構建物理世界的基礎模型，讓機器人真正能干活

近兩年，具身智能持續吸引市場目光，其 " 身體 " ——機器人的運動與控制能力已取得顯著進步。行業競爭焦點也從 " 肢體 " 轉向 " 大腦 "。如何為機器人構建能理解物理世界、能操作、能靈活應對復雜多變場景的智能 " 大腦 "，使其真正勝任多樣化的實際物理世界的工作，成為突破的關鍵。

具身智能基礎模型是獨立于、平行于大語言模型、多模態模型等虛擬世界基礎模型的物理世界的基礎模型。基礎模型的核心在于突破泛化性與通用性瓶頸，物理現實世界的復雜性要求機器人能夠具備實時處理非結構化、動態及隨機任務的能力。自變量的具身基礎模型，以所有機器人的感知信息（例如視覺、觸覺、語音等）為輸入，直接輸出機器人的動作、視覺，以及語言等。

自變量機器人創始人兼 CEO 王潛表示：" 具身智能的下一階段競爭，本質上還是數據閉環構建的基礎模型與模型進化能力的競爭 "。在這個判斷下，全球正在從數據、模型、算力等多個方面加快投入，快速推進具身智能的發展。

1、VLA 與世界模型深度融合，真機強化學習自主進化

自變量自研的 WALL-A 模型，核心架構首創 VLA 與世界模型深度融合的系統范式。作為原生的多模態輸入輸出架構，WALL-A 率先實現了具身多模態思維鏈。WALL-A 利用世界模型機制進行時空狀態預測，協同視覺因果推理理解環境反饋，并通過可學習記憶機制從數據中內化物理常識。

這一融合機制，顯著提升了機器人執行非結構化環境中移動操作任務的零樣本泛化能力。

同時，依托于大規模真機強化學習，基礎模型進一步在與真實物理世界的交互中獲得高質量學習經驗，自主解決長尾問題，實現機器人能力的持續進化。

自變量以完全端到端技術路線構建了物理世界基礎模型 - 真機自主進化的技術閉環。

2、高質量真機數據，構建模型進化引擎

數據是基礎模型進化的核心燃料，自變量自成立以來即重度投入，堅持硬件 - 數據 - 模型的閉環迭代。

作為國內最早規模化擴展真機數據采集的公司，自變量自研了主從遙操、外骨骼、無本體等多種數采設備，實現了各種數采設備上的數據驗證和模型突破。

公司還搭建了模型驅動的數據管線，通過數據生成、數據過濾、數據增強、數據標注等環節持續產生規模化的高質量數據。

自變量堅持通過基礎模型給數據處理和硬件設計等各個環節提供反饋，迭代更高質量的數據和更高效率的數采設備，進一步提升基礎模型的效果。

3、模型迭代驅動能力躍遷，自主在真實世界完成任務

模型的持續進化，讓自變量的機器人在真實場景中體現了極強的適應力。

作為全球首個基于物理世界基礎模型的、成功跨越室外與室內場景的移動操作范例，機器人在外賣配送與紙箱回收任務中，面對強風干擾或視線遮擋，均依靠基礎模型的泛化能力與世界模型的因果推演，不僅能像人類一樣腦補被遮擋物體的全貌，還能在遭遇卡頓時通過強化學習策略自主糾錯，無需人工干預即可完成任務閉環。

這種適應力也體現在復雜困難的真實物流場景中。面對堆疊混亂的包裹，機器人憑借基礎模型的零樣本泛化能力識別異形件，并利用強化學習快速適應工作節拍。

值得一提的是，自變量基礎模型的進化還解鎖了高自由度靈巧手的潛力，機器人自主掌握了手內重定向等類人技能——從使用工具，到發牌這類對指尖力控要求極高的精細動作，成功攻克了具身智能精細操作的最后一厘米。

在不斷突破技術邊界、專注探索前沿的同時，2025 年 9 月，自變量還開源了其自研端到端具身基礎模型 WALL-OSS，推動具身智能技術的開放普及。

二、從全棧自研到多業落地，打通模型驅動商業化的關鍵路徑

自變量堅持軟硬件全棧自研。從模型算法、數據驅動的需求出發，深度定義了機器人的硬件架構，設計發布了 " 量子一號 "、" 量子二號 " 兩款高性能的機器人本體，同步實現了機械臂、關節模組、動力驅動器、主控制器等核心零部件的全面自研與算法深度適配，促成了整機成本的大幅下降，為具身智能機器人的規模化量產與商業化落地奠定堅實的基礎。

目前，自變量已逐步進入工業制造、物流、養老等多個高價值領域，跨行業的應用證明自變量的機器人正以高泛化、低成本部署的能力，精準對接真實的市場商業需求。

王潛曾在多個場合明確表示，在具身智能這一前沿賽道，應爭當引領者，而非跟隨者。自變量持續深耕模型迭代、數據管線與機器人硬件三大核心領域，并通過扎實的技術積累與全棧自研能力，不斷突破既有的能力邊界。

未來，自變量將持續以領先的模型能力為支點，撬動具身變革的深層力量，讓具身智能的技術價值在產業應用中充分釋放，推動模型驅動具身智能在千行百業的規模化應用，為產業升級與生產力躍升注入新動能。

來源：獵云網