（圖片拍攝于2025年世界機器人大會）

阿里云首次入局具身智能賽道。

9月8日消息，筆者獲悉，具身智能機器人公司“自變量機器人”今天宣布，公司近日完成近10億元A+輪融資。

本輪由阿里云、國科投資領(lǐng)投，國開金融、紅杉中國、渶策資本跟投，老股東美團戰(zhàn)投超額跟投，聯(lián)想之星、君聯(lián)資本持續(xù)追投。本輪資金將用于自變量全自研通用具身智能基礎(chǔ)模型的持續(xù)訓練和硬件產(chǎn)品的研發(fā)迭代。

本輪融資中，引發(fā)關(guān)注的是“阿里云首次出手投資具身智能公司”。自變量機器人方面表示，阿里云將為自變量提供多維度支持。

據(jù)了解，此前，阿里集團已經(jīng)陸續(xù)投資逐際動力、星動紀元、宇樹科技股份、星海圖、靈心巧手等多家具身智能及機器人產(chǎn)業(yè)鏈企業(yè)。

自變量機器人成立于2023年12月。本輪融資前，公司已完成7輪融資，總金額超10億元。

創(chuàng)始團隊方面，自變量機器人創(chuàng)始人兼CEO王潛本碩畢業(yè)于清華大學，博士在美國USC（南加州大學）；聯(lián)合創(chuàng)始人兼CTO王昊是北京大學計算物理博士，曾任粵港澳大灣區(qū)數(shù)字經(jīng)濟研究院（IDEA）認知智能與自然語言中心的大模型團隊算法負責人，負責開發(fā)的開源模型累計下載超百萬。

技術(shù)產(chǎn)品方面，成立至今，自變量確立以端到端統(tǒng)一大模型實現(xiàn)通用具身智能的技術(shù)路徑，并于近期發(fā)布適配多模態(tài)大模型控制的全自研輪式雙臂仿人形機器人“量子2號”（Quanta X2），這款機器人全身具備62個自由度，有觸覺感知能力，可觸及0-2米的工作空間；軟件層面，自變量自主研發(fā)“WALL-A”系列VLA（Vision-Language-Action）操作大模型，構(gòu)建統(tǒng)一的認知與行動框架，同時處理感知、推理和行動，直接進行跨模態(tài)的因果推理和行動決策，目前該模型在部分完全未訓練過的新任務(wù)類型中展現(xiàn)出零樣本泛化能力。

8月底，自變量宣布開源其面向開發(fā)者的具身基礎(chǔ)模型“Wall-OsS”，并公開相關(guān)訓練代碼，便于全球開發(fā)者們在自有本體上快速微調(diào)和實際應(yīng)用。

過去不到半年時間內(nèi)，自變量機器人實現(xiàn)了機器人本體整機、高自由度靈巧手、外骨骼遙操數(shù)采設(shè)備等全棧自研。

今年2025世界機器人大會期間，王潛對筆者表示，自變量機器人暫時沒有研發(fā)雙足機器人計劃，未來較長時間，尤其是在室內(nèi)場景將以輪式機器人為主。

商業(yè)化層面，王潛表示，自變量有明確的商業(yè)打法，目前團隊的短期目標是攻下商業(yè)服務(wù)和公共服務(wù)的場景，如酒店和養(yǎng)老院等。在更貼近C端的場景完成足夠復雜的任務(wù)，有助于其展現(xiàn)WALL-A模型的長程推理優(yōu)勢。

“我們并不局限于某個單點技能，而是希望他能夠在真實的世界里做一些傳統(tǒng)自動化無法替代的工作?！蓖鯘撜J為，通用具身大模型是獨立于數(shù)字世界的基礎(chǔ)模型，它不是大語言模型的延伸，而是平行于大語言模型的物理世界中的基礎(chǔ)模型。

在王潛看來，公司走“軟硬一體”路徑，直接面向終端提供完整的產(chǎn)品或解決方案。未來，只要能成功擊穿一個標桿場景，就證明了具身智能技術(shù)路線的商業(yè)價值，屆時企業(yè)撬動的將是一個千億元甚至萬億元級別的巨大市場，實現(xiàn)規(guī)?；虡I(yè)落地將會水到渠成。

自變量機器人創(chuàng)始人兼CEO王潛（圖片拍攝于世界機器人大會期間）

今年以來，具身智能領(lǐng)域呈現(xiàn)融資熱的趨勢，除自變量外，宇樹、銀河通用、千尋智能、星動紀元、逐級動力、它石智航等企業(yè)實現(xiàn)單筆超過5億元融資。

同時，阿里、京東、美團、螞蟻等大廠也在密集布局具身智能——京東投資千尋智能、眾擎機器人、逐際動力；美團投資宇樹、銀河通用、它石智航、星海圖、自變量機器人等。

據(jù)Pitchbook數(shù)據(jù)顯示，自2024年初以來，全球風險投資機構(gòu)已向人形機器人初創(chuàng)公司投資了超過50億美元（約合人民幣356億元）。

王潛強調(diào)，具身智能模型應(yīng)用場景復雜，未來會有一個比較平滑的過渡過程，它不會像自動駕駛技術(shù)發(fā)展一樣“突變”，因此，距離具身智能機器人的“ChatGPT時刻”還需未來3-5年。

“要達到ChatGPT水平，關(guān)鍵首先是Scaling Law可以持續(xù)發(fā)揮作用，這也是我們已經(jīng)確定的，然后需要足夠多的數(shù)據(jù)、足夠大的具身模型，同時模型架構(gòu)和訓練方法等方面還需要持續(xù)向前演進。我認為這條路徑已經(jīng)相對清晰。”王潛稱。

（本文首發(fā)于鈦媒體App，作者｜林志佳，編輯｜蓋虹達）