“每一次融资，投资人对他的要求都会发生变化。他能否交付符合甚至超出市场预期的成果，才是核心。”

文｜《中国企业家》记者孔月昕

编辑｜马吉英

头图摄影｜佘贵森

两年前，当王潜决定回国投入机器人创业时，前同事认为他“是不是有点毛病”？当时他在美国做自己的量化基金，业务正处于规模即将起飞的关键阶段。

但他的选择仍然没有改变。

2023年12月，他在深圳创办自变量机器人，并选择“端到端统一VLA大模型”技术路线，致力于通过具身智能通用大模型实现通用机器人的愿景。成立不满两年，自变量机器人已完成8轮融资。2025年9月8日，自变量机器人宣布完成近10亿元A+轮融资，由阿里云和国科投资共同领投，也是阿里云首次布局具身智能赛道。

作为自变量创始人兼CEO，王潜毕业于清华大学，是全球最早在神经网络中引入注意力机制的学者之一。博士期间，他曾在美国顶级机器人实验室参与多项机器人学习研究，覆盖多个前沿方向。

自变量联合创始人兼COO杨倩是王潜的研究生校友。2023年，王潜邀请她共同创业。她回忆，王潜和纯学术出身的技术创业者略有不同，“不仅具备量化创业带来的成熟经验”，更令她触动的是，“他眼中那种对通用机器人事业坚持的光芒”。

受访者

王潜坦言，机器人创业与量化领域截然不同，作为创业公司一把手，他必须全面负责对外工作，尤其是融资，“否则公司难以生存”。因此，除了把握公司战略与技术大方向，他将最多的时间和精力都投入在了融资上。他也多次强调，公司早期发展面临的最大挑战，正是融资。

“客观来看，中国一级市场2023年的资金总量相比疫情前明显收缩，这并非我们一家所面临的困境。”他指出，以自变量为例，在技术水平上与美国同行并无多大差距，并在部分领域已实现超越。然而，在融资金额和估值层面，却存在数量级上的差异。

“这不是一家公司面临的问题，而是整个大环境的现象。因此，我们更需要耐心资本和具有战略眼光的‘大钱’，给予实质性的长期支持。”王潜说。

“他说的是大实话。”自变量Pre-A+++轮投资方、华映资本创始合伙人季薇说。在季薇看来，自变量作为初创企业，后续研发仍需大量资金支持，但她同时也指出，从长期来看，关键仍在于公司能否凭借技术领先性、产品与市场匹配（PMF）以及商业化落地能力，形成持续的正向闭环。“每一次融资，投资人对他的要求都会发生变化。他能否交付符合甚至超出市场预期的成果，才是核心。”

瞄准机器人的通用大脑

早在2021、2022年，还在美国做量化基金的王潜接触到OpenAI的GPT-3模型，意识到长期困扰机器人的问题特别是数据问题有了新的解决路径，这让他萌生了自己创业做机器人的想法。

王潜在美国考察后发现，凡是沾到硬件，在当地基本做不成。“美国在硬件供应链上，包括物料和人才都不够完善。硬件相关人才大多集中在苹果、特斯拉等大公司，他们不愿意轻易出来创业。此外，数据等其他成本差距巨大。”王潜认为，这件事还是得在要素更集中的地方做。

王潜 摄影：佘贵森

2023年夏天，王潜选择回国，并拉来了主要研究大模型的王昊（现任自变量CTO）开始组建团队。

杨倩回忆，当时王潜在一家咖啡厅向她展示了二三十页的项目PPT。当时刚回国的王潜因水土不服不得不几次中断聊天，但他在稍有恢复后立即继续，依然坚持把演示讲完。这种执着以及对具身智能创业的愿景打动了杨倩和其他几位联创，他们选择辞职加入创业，并开始寻求投资。

2023年12月，融到来自联想之星的天使轮融资后，王潜等人在深圳正式创立了自变量机器人。

自公司成立之初，自变量机器人便坚定选择了“端到端统一VLA大模型”的技术路线。在当时，这一路线属于非共识方向，面临多重质疑。首先在技术层面，行业内还有人提出分层或专用模型的方案，很多人认为专用系统可能在性能与效率上更优；其次在商业化层面，外界普遍认为分层模型更易快速落地，更适合创业公司突围，而大模型或者端到端统一模型常被视为大厂的机会，初创企业难以承担其风险与成本。

因此，当创始人王潜带着这一理念进行早期融资时，投资人并未过多向他提出“灵魂拷问”，反而更多是在反复“拷问自己”：是否应该认可这条路径、是否值得押注。他还透露：“最早一批投资我们的机构，未必完全buy in（认可）我们的idea（看法），有些人可能是看重团队的潜力，或是出于在具身智能领域布局的战略需要，觉得我们‘至少看起来靠谱’。”

作为天使轮+的投资方，九合创投创始人王啸表示：“我认为他（王潜）是国内最早选择做‘机器人大脑’路线的人，他率先提出用端到端模型构建大脑，而当时其他团队大多先做本体，之后才意识到需要大脑。他的方向从一开始就很明确，瞄准机器人的‘操作系统’，也就是控制机器人的核心大脑。这一点非常独特，当时几乎没有人在这方面布局。”

王潜表示，自己之所以坚持这一路线，是因为在多年实践中尝试过几乎所有已知方法，但发现只有端到端模型是真正可行的方向。这一路径并非盲目坚持，而是基于他过去长期研究学习经验的理性判断。

2024年10月，自变量推出具身智能通用操作大模型Great Wall系列（GW）的WALL-A模型。同月底，由斯坦福、伯克利教授及前Google研究员成立的Physical Intelligence（PI）也推出了其首个端到端VLA模型π0，这让大家看到了端到端是一个大趋势。“我觉得那个时候大家开始批量性地转向我们的技术方向。我们公司本来就在这个方向，也因此受到了更多（尤其是资本市场）的关注和认可。”王潜说。

云启资本合伙人陈昱回忆，第一次在自变量公司见到王潜时，他就对这位创始人印象深刻。当时他带队观看了机器人演示，并听取了王潜对技术路径的阐述。团队成员告诉他，这与一年前初次接触时讲述的内容完全一致，一年前王潜说的大量计划中的内容也已成为现实，这意味着王潜从一开始就坚定选择VLA路线，并持续付诸实践。

这种高度一致性是一个重要加分项，陈昱非常欣赏这种“知行合一”的团队。此外，陈昱发现当时自变量所做任务的复杂度明显高于市场上多数同类项目，这也让他下定了决心。在当晚会谈结束后，他迅速作出决定，推动投资落地。

据了解，自变量的投资人都做了相当深入的技术评估，这在中国资本市场中并不常见。“国内投资机构普遍较少聚焦技术路线本身，即便是当前火热的具身智能领域，很多项目也更关注技术以外的因素，真正关心‘如何实现’的是少数。”王潜说。

这种对技术实现的重视，也体现在华映资本的投资决策中。据季薇介绍，华映投资团队早在2024年1月就与自变量建立了联系，并深入了解了其技术路线。在随后的一年中，团队对其进行了持续追踪。她指出，自变量所坚持的路线在当时市场上较为稀缺，团队能力较为全面，尤其在自变量发布WALL-A模型后，季薇认为其在具身智能大模型研发上的实力符合他们的预期，最终项目于当年12月中旬通过投决会，并在次年1月顺利完成交割。

软硬交互，螺旋式进化

作为技术信仰派的典型代表，王潜始终将技术研发作为公司发展的核心驱动力。这一点团队构成上也有所体现，自变量机器人目前研发团队规模200余人，技术人员占比近90%。

模型层面，自变量以每2~3个月更新一版模型的速度推进研发。为了保证技术推演的稳步发展，自变量团队也在逐步构建评价模型性能的标准。王潜介绍，他们目前主要从任务复杂性与泛化能力两方面衡量模型的优劣。

任务复杂性体现在操作对象的物理属性和交互要求上，例如操作柔性物体比刚性物体更难，弹性物体则更具挑战；接触点越多，任务复杂度也越高。自变量的模型从早期的刚性物体操作（如拿杯子、橘子）逐步推进到纯柔性物体处理（如叠衣服），不断拓展技术边界。

另一方面，泛化能力可分为多个层次：最基本的是应对光照、位置等环境变化；进一步需适应不同的场景和环境，如在茶室完成的任务能否在厨房中复现；更难的则是对未知物体的操作，最难的是完成完全未经训练的新任务。

此外，团队也致力于开发更复杂的推理，如2024年底起，就率先在多模态输出和具身“思维链”（Chain of Thought，CoT）方面取得突破。

王潜表示，在过去一年中，自变量的模型在以上各方面均有所进步。尤其在2024年底，其模型已经能控制机器人完成如拉拉链、晾衣服等高复杂的操作任务。

2025年9月，自变量机器人正式开源其端到端具身智能基础模型WALL-OSS。据杨倩透露，开源首日即吸引数百名具身智能领域开发者关注及技术咨询。目前，团队已建立起持续运营的开源社群，他们试图通过这一举措引领构建开发者生态、聚集培养人才，强化技术迭代。

公司成立初期，自变量主要依赖供应链企业的硬件设备支持模型研发与实验。随着公司的发展，团队逐渐意识到，机器人真正落地与模型规模扩展，离不开硬件能力的支撑。软件和模型决定了智能的上限，而硬件则决定了落地的基础。

杨倩举例，2024年9月，团队已能用模型初步演示“刷马桶”等任务，但在实际落地时，包括末端执行器的负载能力、执行频率、移动底盘与上半身的协同控制、防水性能以及灵巧手操作硬件方面出现诸多问题，当时市场上也缺乏成熟的灵巧手产品，限制了模型的表现。

基于这些现实挑战，自变量从2024年下半年起开始规划自研硬件，量子1号机器人的框架初步搭建于同年11月，后续持续进行了升级迭代。在这期间，自变量团队更加明确了软硬一体协同发展的战略方向。

对此，季薇表示，自变量团队始终未将自身局限为纯软件公司，而是以大模型为核心竞争力，持续推动技术落地。“在我看来，他们从未在是否交付硬件这个问题上有过犹豫。”季薇说。

2025年春节期间，量子2号研发项目启动，硬件团队也在同期大规模组建。杨倩透露，为了抓住这个关键的技术窗口期，许多新加入的硬件工程师甚至主动放弃了原公司的年终奖加入进来。

受访者

8月，自变量发布新一代轮式仿人形机器人“量子2号”。在世界机器人大会（WRC 2025）现场，基于自变量自研的臂手一体外骨骼技术，“量子2号”不仅流畅完成了与观众打招呼、比心、猜拳等交互动作，还展示了其具体应用能力，通过夹持清洁刷与拖布头，量子2号可以实现自旋转及360度全方位清洁。

在追求技术快速迭代的同时，自变量乃至整个行业都面临一个共同挑战，即数据收集。

王啸指出：“机器人与世界的交互，在以往并没有被系统性地记录和存储。”他解释道，“人在互联网上的行为会留下大量痕迹和信息，但机器人与物理对象的交互则完全不同。一方面，机器人本身数量有限；另一方面，这类交互数据本身难以采集，我们不可能在拿一个杯子时，就把相关的电信号或其他传感数据直接提取并上传到互联网。因此，过去这类数据确实非常稀缺。”

面对这一问题，王潜目前的解决方案是，主要通过自建数据工厂实现较大规模自主收集数据。未来也计划拓展更多来源，比如在客户实际场景或其他开放环境中持续采集。但他强调，“更为关键的是如何获取高质量、多样化的数据，实现数据的精细化管理，并高效用于模型训练。”

7月初，在接受《中国企业家》采访时，王潜表示，“公司整体的战略重心并未改变，依然把技术突破与核心模型发展放在第一优先级。但与此前相比，自变量已具备相当的自研硬件基础，包括机器人本体及灵巧手等关键部件已逐步成形。因此，在确保不影响技术主线和长期发展的前提下，团队对商业化持开放态度，并愿意借助现有硬件及模型能力，探索一些可实现的商业应用。”

从资本输血到自我造血

陈昱预测，行业可能在明年迎来一轮洗牌。“今年具身智能企业都在积极融资、储备弹药，因为到了明年，企业的估值攀升和商业场景尚未完全成熟。届时，就到了见真章的市场淘汰赛了。”

这种环境下，中国创投市场的“+轮次”现象越来越普遍，IT桔子数据显示，2025年上半年，共有571家公司获得“+轮次”投资，其中至少19家公司获得两次及以上“+轮次”投资。

自变量机器人也是其中的一员。

对此，季薇解释，有些团队执着于拼凑所谓的A轮、B轮，总想一次性融到5亿或10亿，但自变量采取的是“小步快跑”的融资策略，这与其产品开发思路一致——迭代快、不追求一步到位。

季薇认为，企业在融资过程中应该考虑到投资机构的多样性。市场化民营机构、产业投资和财务投资等的决策流程不同，如果硬要把所有机构凑到一起完成一轮融资，很可能耽误企业三到六个月的时间。而自变量选择成熟一批、交割一批、宣布一批，在连续融资中实现估值逐步成长，这对各方都更为公平。“这种方式让公司能够及时将资金投入研发和产品迭代，快速扩编团队。”季薇认为，王潜具备强大的顶层思维和战略规划能力，对什么事该做、何时做、如何做，都有明确安排。

在把握融资节奏的同时，自变量团队也积极推进商业化探索。杨倩表示：“我们始终以技术收敛为核心，有选择地切入某些场景，集中资源打爆点。我们更希望将少数几个场景做深做透，推动具身智能真正有价值的商业化，建立起自我造血能力。”

杨倩介绍，量子2号目前还处于快速迭代阶段，预计将在今年12月进入小规模量产阶段，到明年上半年将逐步实现批量量产；灵巧手也有望在2025年年底实现小规模量产。

硬件产品的推出，显著改变了团队对商业化的思考方式。

王潜指出：“有了硬件之后，我们看待问题的方式完全不同了——它不再只是技术demo，而是一个可以直接销售的产品。”但他也强调，硬件推向市场的节奏仍将保持理性：“我们计划正式将其作为完整产品推向市场，但具体规模将严格根据实际需求调整。纯粹卖硬件，市场的整体容量其实是有限的。”

在商业化路径上，目前自变量将市场划分为科研和商业两大方向。杨倩解释：“在科研市场，我们主要销售硬件本身和综合性解决方案，用户可以根据自身需求调模型、做实验，我们提供的是底层能力。而在行业市场，我们必须带着实际功能进入，真正解决客户的具体问题。”

目前，自变量团队重点关注工业物流和服务业中的半开放场景。杨倩坦言，短期内，自变量进入C端市场并不现实：“目前几乎没有家庭愿意花费数十万元购买一个功能尚不完备的机器人。但我们相信，随着机器人能做的事情越来越多，成本逐渐下降，在两三年内一定会走向C端。因此，我们将经历一个从to B再到to C的渐进过程。”

不过，自变量的长期目标仍指向C端市场。“我们更大的愿景是打造真正通用的家庭机器人——它应该像保姆一样，能够处理基础家务，比如整理房间、收拾衣物。做饭也许是最难的一关，但我们可以一步步去实现。”杨倩说。

王潜同样对C端市场抱有极高期待，他表示，自变量的目标是成为最早一批进入C端领域的企业，同时，“我们也希望到时候B端业务已经具备真正自我造血能力”。