作者 Dale

編輯 董雨晴

“家庭確實(shí)是具身智能的圣杯。”2026年3月30日上午，深圳零一學(xué)院，自變量機(jī)器人聯(lián)合創(chuàng)始人兼CTO王昊在包括鳳凰網(wǎng)科技在內(nèi)的一場(chǎng)訪談中給出了這個(gè)判斷。彼時(shí)正值首屆具身智能開發(fā)者大會(huì)（EAIDC 2026）舉辦期間，進(jìn)入決賽的20支頂尖隊(duì)伍在此集結(jié)，參賽者只有三天時(shí)間從零完成數(shù)據(jù)采集、模型訓(xùn)練到真機(jī)部署的全流程。

在幾乎所有同行都在優(yōu)先拿下工業(yè)場(chǎng)景訂單的2026年，自變量選擇了一條更具冒險(xiǎn)性的道路。今年3月，自變量宣布與58同城合作，由58到家平臺(tái)隨機(jī)調(diào)度阿姨與機(jī)器人組成搭檔，共同進(jìn)行家政服務(wù)，已在深圳開啟試點(diǎn)。家庭，這個(gè)標(biāo)準(zhǔn)化程度最低、環(huán)境最開放的場(chǎng)景，正在成為自變量心中“通往通用機(jī)器人”的關(guān)鍵戰(zhàn)場(chǎng)。

01 一場(chǎng)把機(jī)器人拉回真實(shí)世界的比賽

本次EAIDC 2026的賽制設(shè)計(jì)頗有玄機(jī)，所有參賽隊(duì)伍使用同一套硬件平臺(tái)，三天之內(nèi)從初次接觸具身智能基座模型及真機(jī)調(diào)試的狀態(tài)，完成從數(shù)據(jù)采集到真機(jī)部署的全流程。通常情況下，專業(yè)研究實(shí)驗(yàn)室完成類似搭建至少需要6個(gè)月。

在王昊的觀察中，比賽開始的第一天下午就出現(xiàn)了顯著分化。“第一天下午開營(yíng)，到了晚上有的選手還在調(diào)試環(huán)境，有的選手已經(jīng)有成績(jī)了，這是很大的差別?！焙髞硭l(fā)現(xiàn)，那些頻繁評(píng)測(cè)、仔細(xì)觀察數(shù)據(jù)和硬件的團(tuán)隊(duì)，相比不動(dòng)手的選手更加突出。“整個(gè)具身是交互學(xué)習(xí)，讓機(jī)器在測(cè)試、以及人對(duì)它的觀察中找到問題，越有可能找到真正物理世界復(fù)雜性的解法?！?/p>

一位參賽選手后來回憶，他們?cè)谧畛趺鎸?duì)“將環(huán)套在柱子上”的任務(wù)時(shí)，成功率只有20%到30%，經(jīng)過不斷迭代才逐步提升至60%到70%。

比賽還設(shè)置了A榜和B榜——A榜環(huán)境可控，供選手快速驗(yàn)證模型能力；B榜則是完全黑盒，考驗(yàn)?zāi)Ｐ驮诠庹铡⒈尘?、操作?duì)象和操作位置變化下的泛化能力。王昊說，這是他們做比賽的初衷：“想通過這次比賽真正讓整個(gè)開源項(xiàng)目可以降低對(duì)開發(fā)者的使用門檻，建立一個(gè)相對(duì)比較通用和標(biāo)準(zhǔn)的接口”。

在長(zhǎng)期依賴仿真評(píng)測(cè)的具身智能行業(yè)，仿真環(huán)境雖然可以加速迭代，卻難以還原真實(shí)世界的復(fù)雜性，sim2real（指從模擬環(huán)境到現(xiàn)實(shí)世界的技術(shù)遷移方法）的差距始終存在。王昊坦言：“長(zhǎng)期依賴仿真評(píng)測(cè)，不可避免會(huì)掩蓋模型能力的真實(shí)邊界”。而EAIDC這場(chǎng)“真機(jī)演武場(chǎng)”，試圖將評(píng)測(cè)、訓(xùn)練和數(shù)據(jù)采集三者重新拉回到同一個(gè)真實(shí)世界中。

02 端到端的“新故事”？

自變量從一開始就選擇了“大小腦統(tǒng)一的端到端大模型”路線。在技術(shù)架構(gòu)上，團(tuán)隊(duì)正嘗試將世界模型與VLA（視覺-語言-動(dòng)作）模型融合在一個(gè)聯(lián)合框架下。

王昊解釋了這個(gè)路線的底層邏輯。“大語言模型這個(gè)訓(xùn)練基礎(chǔ)還是要用，只是我們要把語言、動(dòng)作拉到一個(gè)空間當(dāng)中，而不是像以前那樣讓所有視覺都服務(wù)于語言?！闭Z言描述的信息很宏觀，而物理世界的交互發(fā)生在厘米級(jí)和秒級(jí)尺度上，兩者之間存在巨大的信息鴻溝?！叭绻覀兡懿捎迷嗄B(tài)的方式，動(dòng)作可以同時(shí)在宏觀和微觀上都有非常清晰的表現(xiàn)，它能把視覺從以前靜態(tài)的觀察變成讓視覺理解運(yùn)動(dòng)?！?/p>

這與當(dāng)前不少VLA模型的簡(jiǎn)化設(shè)計(jì)形成對(duì)比。有行業(yè)觀察者指出，許多具身模型仍偏向簡(jiǎn)化，多數(shù)VLA模型仍依賴單幀圖像輸入。

王昊認(rèn)為，端到端模型最大的挑戰(zhàn)在于訓(xùn)練復(fù)雜度和規(guī)模要求。“如果沒有具備這兩個(gè)條件，你選擇端到端不一定有選擇垂類小模型或分層模型的效果好。端到端意味著必須要有規(guī)模效應(yīng)，數(shù)據(jù)量、模型參數(shù)量要上去?！贝送猓呱碇悄艿脑u(píng)測(cè)也比語言大模型更棘手，“語言大模型可以看loss曲線，對(duì)具身來說往往不是這樣，loss不能反映你在真實(shí)世界的表現(xiàn)，因?yàn)檎鎸?shí)世界是閉環(huán)的系統(tǒng)?！?/p>

自變量的另一個(gè)核心策略是堅(jiān)持真實(shí)世界的真機(jī)數(shù)據(jù)采集。王昊說，所有交互式學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，最重要的數(shù)據(jù)都來自真機(jī)，“這個(gè)數(shù)據(jù)采集不會(huì)停，還會(huì)繼續(xù)做?！钡餐嘎叮?026年會(huì)有一個(gè)大的變化——“越來越依賴于人的穿戴式或Ego-Centric的方式采集數(shù)據(jù)”。

數(shù)據(jù)閉環(huán)的構(gòu)建是自變量的另一個(gè)關(guān)鍵命題。王昊說：“盡早用人機(jī)協(xié)作的方式，讓閉環(huán)跑起來。首先用高質(zhì)量數(shù)據(jù)、大規(guī)模訓(xùn)練構(gòu)建一個(gè)基礎(chǔ)模型，雖然不能解決所有任務(wù)，但應(yīng)該把它放到真實(shí)環(huán)境中開始做。它有做不好的地方，人就接管它，幫它從錯(cuò)誤中恢復(fù)，這樣的數(shù)據(jù)也會(huì)作為非常寶貴的來源。”他描述的是一套評(píng)測(cè)、訓(xùn)練和數(shù)據(jù)采集在同一過程中完成的系統(tǒng)。

03 為什么是家庭？

事實(shí)上，業(yè)內(nèi)人士普遍判斷家庭場(chǎng)景成熟應(yīng)用需要等待5到10年，多數(shù)廠商在商業(yè)化上更傾向于工業(yè)場(chǎng)景——環(huán)境可控、任務(wù)單一、ROI可核算。2026年初，一批估值百億的機(jī)器人公司涌現(xiàn)，而在家庭服務(wù)這個(gè)方向上，目前尚無真正意義上的成熟玩家。

王昊給出了不同的解題思路：“家庭代表最開放的環(huán)境和最廣泛的任務(wù)，解決了家庭任務(wù)，就代表模型可以實(shí)現(xiàn)完全泛化。只有一開始就直面最復(fù)雜的場(chǎng)景，才能提升模型的智能化水平。不管從什么時(shí)候開始，越早開始越好，這是最重要的。”

然而，進(jìn)入家庭有幾個(gè)關(guān)鍵難點(diǎn)。一是零樣本泛化能力——模型必須通過推理探索成功路徑，而非依靠預(yù)先訓(xùn)練?！斑M(jìn)入家庭一開始沒有多少機(jī)會(huì)訓(xùn)練模型，這時(shí)候需要激發(fā)模型的推理能力，讓它在家庭場(chǎng)景中通過推理探索出成功的例子?！倍情L(zhǎng)程操作的精細(xì)度?！艾F(xiàn)在基模進(jìn)入家庭，在很多任務(wù)上有完成的趨勢(shì)或動(dòng)作意圖，比如可以在任何物體上有伸過去抓它的趨勢(shì)，但精細(xì)度不夠，導(dǎo)致復(fù)雜長(zhǎng)程任務(wù)時(shí)錯(cuò)誤累積就會(huì)失敗?！?/p>

王昊介紹，解決長(zhǎng)程精細(xì)度問題有兩個(gè)關(guān)鍵。第一是激發(fā)模型的推理能力，“讓語言結(jié)合視覺進(jìn)行推理，語言、視覺、動(dòng)作在同一個(gè)水平下形成思維鏈，讓機(jī)器人自己規(guī)劃和反思?！钡诙窃诖笠?guī)模真機(jī)情況下做強(qiáng)化學(xué)習(xí)，“保持在基模標(biāo)準(zhǔn)下達(dá)到更高標(biāo)準(zhǔn)的空間精度。”

王昊預(yù)估“普通清潔、收納這類任務(wù)，可以在1到2年時(shí)間實(shí)現(xiàn)完全自主。但要在所有家庭任務(wù)中實(shí)現(xiàn)閉環(huán)，時(shí)間可能要再長(zhǎng)一點(diǎn)。”

這與自變量CEO王潛的表述形成呼應(yīng)。王潛曾在采訪中提到，今年內(nèi)就能看到機(jī)器人以正ROI的方式實(shí)現(xiàn)商業(yè)化落地。而家庭場(chǎng)景的推進(jìn)節(jié)奏顯然更慢，但也更長(zhǎng)遠(yuǎn)。

回到當(dāng)下具身智能賽道最關(guān)心的爭(zhēng)議性話題，技術(shù)路線選擇與商業(yè)化孰輕孰重？

“在具身這個(gè)事情上，為了商業(yè)而犧牲技術(shù)而取得的成績(jī)天花板不會(huì)高，真正高的天花板是商業(yè)與技術(shù)協(xié)同，由技術(shù)逐步推動(dòng)商業(yè)的發(fā)展?！蓖蹶徽J(rèn)為，自變量的主線是讓基模不停向前迭代，“但有一點(diǎn)，不要在垂直場(chǎng)景做太多模型系統(tǒng)，為了落地而做很多工程上的彌補(bǔ)。比如發(fā)現(xiàn)機(jī)器人在視覺上有盲區(qū)，就搞一個(gè)小模型來檢測(cè)。短期來看可以幫助加快落地，但長(zhǎng)期來看對(duì)基模的提升是危害的?！?/p>

這種堅(jiān)持對(duì)應(yīng)著自變量在場(chǎng)景選擇上的邏輯——選場(chǎng)景的第一個(gè)依據(jù)是看它能否反哺基模能力?！安皇钦f你先把技術(shù)做到完全泛化，再去考慮場(chǎng)景。恰恰相反，場(chǎng)景給你迭代，迭代讓基模更強(qiáng)，更強(qiáng)的基模再反哺商業(yè)，才能形成完整的閉環(huán)。”

他透露，做基礎(chǔ)模型的投入一直很高，公司從成立第一天起就在數(shù)據(jù)、算力和基礎(chǔ)設(shè)施上大規(guī)模投入?！耙坏┙⒁?guī)模化效應(yīng)，當(dāng)你投入10倍資源取得領(lǐng)先的時(shí)候，資源聚集效應(yīng)會(huì)越來越明顯，你會(huì)以數(shù)量級(jí)的優(yōu)勢(shì)在速度上超越別人。越早開始越有優(yōu)勢(shì)，越晚開始就越難做成?！?/p>