henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

具身智能，2026年開年依舊火熱。

剛剛，自變量機器人官宣完成10億元A++輪融資。

這輪融資由字節(jié)跳動、紅杉中國領投，北京信息產(chǎn)業(yè)發(fā)展基金、深創(chuàng)投、南山戰(zhàn)新投、錫創(chuàng)投等頂級機構與多元地方平臺聯(lián)合參與。

其中，紅杉中國在去年9月A+輪后選擇繼續(xù)加碼；而字節(jié)跳動，則少見地在具身智能投資領域直接出手。

值得一提的是，除字節(jié)外，自變量此前已先后獲得美團、阿里投資，成為國內唯一同時被這三家互聯(lián)網(wǎng)大廠押注的具身智能公司。

從A+到Pre-A++：一年內的連續(xù)加碼

在本輪A++輪融資之前，自變量在過去的2025年內已連續(xù)完成多輪融資，覆蓋A+輪、A輪、Pre-A+++輪及Pre-A++輪。

從時間順序來看，這是一條清晰的、隨技術與產(chǎn)品推進而不斷放大的融資曲線。

2025年9月8日，自變量完成近10億元A+輪融資。

該輪由阿里云與國科投資領投，國開金融、紅杉中國、渶策資本跟投，美團戰(zhàn)投作為老股東選擇超額加碼，聯(lián)想之星、君聯(lián)資本持續(xù)追投。

融資資金主要用于全自研通用具身智能基礎模型的持續(xù)訓練、硬件產(chǎn)品研發(fā)迭代，以及開源具身大模型WALL-A的推進。

這一輪融資也有兩個顯著信號：一是阿里云首次明確布局具身智能賽道；二是，這是自變量第五次完成億元級融資。

時間再往前，2025年5月12日，自變量完成數(shù)億元A輪融資，由美團戰(zhàn)投領投，美團龍珠跟投。

該輪資金主要用于端到端通用具身智能大模型與機器人本體的同步迭代，并加速應用場景的實際落地。

在A輪之前，自變量還完成了數(shù)億元Pre-A+++輪融資，由華映資本領投，云啟資本、廣發(fā)信德跟投。

截至這一階段，公司成立不到一年半，已累計完成7輪融資，融資總額超過10億元。

更早的2025年2月17日，自變量完成數(shù)億元Pre-A++輪融資，由光速光合、君聯(lián)資本領投，北京機器人產(chǎn)業(yè)投資基金、神騏資本跟投。

資金用于下一代統(tǒng)一具身智能通用大模型的訓練與場景落地。

截止目前，自變量成立兩年多以來，已完成9輪融資，累計融資已超30億元，體現(xiàn)資本對其 “具身智能獨立基礎模型” 技術路線的高度認可。

自變量機器人是誰？

自變量機器人(X Square Robot)成立于2023年12月，聚焦自研“通用具身智能大模型”。

創(chuàng)始人兼CEO王潛，本碩畢業(yè)于清華大學，后在美國南加州大學攻讀博士，研究方向為 Robotics Learning。他在神經(jīng)網(wǎng)絡注意力機制相關研究領域較早開展探索，是較早將Attention思想引入神經(jīng)網(wǎng)絡體系的研究者之一。

聯(lián)合創(chuàng)始人兼CTO王昊，為北京大學計算物理博士，曾任職于粵港澳大灣區(qū)數(shù)字經(jīng)濟研究院（IDEA研究院），擔任大模型團隊負責人，主導發(fā)布過多個開源大模型，在基礎模型與系統(tǒng)工程層面具備深厚積累。

在技術路徑上，自變量從一開始就給出了相對明確的判斷。王潛曾多次強調：具身智能模型是平行于語言模型的獨立基礎模型

所謂獨立，并不只是應用層面的區(qū)分，而是指具身智能需要直接面對真實物理環(huán)境中的連續(xù)狀態(tài)、因果關系與動作反饋，其建模目標、訓練方式與評估標準，都與服務于虛擬世界的語言模型、多模態(tài)模型存在本質差異。

圍繞“具身智能是物理世界獨立基礎模型”這一觀點，自變量自研了「WALL-A」系列VLA操作大模型。

該系列將感知、理解、決策與動作輸出統(tǒng)一納入端到端模型之中，試圖解決傳統(tǒng)模塊化架構在長序列復雜操作任務中的推理斷層與泛化瓶頸。

2024年10月，自變量發(fā)布WALL-A模型，在當時成為全球參數(shù)規(guī)模最大的端到端統(tǒng)一具身智能大模型之一。

2025年9月，自變量進一步開源具身基礎模型WALL-OSS，并在近期的 RoboChallenge 榜單中排名全球第三，在統(tǒng)一評測框架下展示了模型的泛化能力與穩(wěn)定性。

在硬件側，自變量同步推進量子一號量子二號兩代具身機器人。

其中，量子一號為輪式雙臂機器人（“小量”），搭載端到端具身基座模型 WALL-A，支持多模態(tài)遙操作，主要用于高頻操作任務中的數(shù)據(jù)采集、模型驗證及科研教學場景。

量子二號升級為輪式仿人形結構，具備更高自由度與精細力控能力，用于采集復雜操作與高質量物理交互數(shù)據(jù)。

整體來看，自變量并未急于給出“最終形態(tài)的機器人答案”，而是選擇先搭建一套可持續(xù)進化的具身智能底座： 模型在真實物理世界中學習，硬件為模型服務，數(shù)據(jù)反哺模型迭代，形成閉環(huán)。

也正是在這一技術與工程邏輯下，自變量逐步獲得了資本市場與產(chǎn)業(yè)側的持續(xù)關注與加碼。

[1]https://www.x2robot.com

[2]https://mp.weixin.qq.com/s/92U2n8wyDxzXCxz8JHGoFQ