深圳2026年1月13日 /美通社/ -- 自變數機器人已於近期完成10億元A++輪融資。本輪融資由位元組跳動、紅杉中國、北京資訊產業發展基金、深創投、南山戰新投、錫創投等頂級投資機構及多元地方平臺聯合投資。這也是深創投AI基金成立以來的第一筆投資。 值得關注的是，除位元組外，自變數此前也曾先後獲得美團、阿里的投資，是國內唯一同時被這三家網際網路大廠投資的具身智慧企業。 跨領域資本的協同下注，既凸顯了資本市場對具身基礎模型重要性的集體共識，同時也印證了對自變數技術領先性與發展潛力的深度認可。 一、構建物理世界基礎模型，讓機器人真正能幹活 近兩年，具身智慧持續吸引市場目光，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、能靈活應對複雜多變場景的智慧「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。 具身智慧基礎模型是獨立於、平行於大語言模型、多模態模型等虛擬世界基礎模型的物理世界的基礎模型。基礎模型的核心在於突破泛化性與通用性瓶頸，物理現實世界的複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。自變數的具身基礎模型，以所有機器人的感知資訊（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。 自變數機器人創始人兼CEO王潛表示：「具身智慧的下一階段競爭，本質上還是資料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，全球正在從資料、模型、算力等多個方面加快投入，快速推進具身智慧的發展。 VLA與世界模型深度融合，真機強化學習自主進化 自變數WALL-A模型的核心架構首創VLA與世界模型深度融合的系統正規化。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，並透過可學習記憶機制從資料中內化物理常識。 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，依託於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互動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。 自變數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。…