半年四次融資，產(chǎn)業(yè)資本紛紛押寶，當(dāng)錢不再成為技術(shù)的制約因素，機器人企業(yè)應(yīng)該把數(shù)據(jù)、算法和場景的飛輪滾向哪里？

9月8日，自變量機器人（以下簡稱“自變量”）宣布完成近10億元的A+輪融資，并開源具身大模型WALL-OSS。第一財經(jīng)記者注意到，在這一輪參投的股東名單中，除了領(lǐng)投的阿里云之外，自變量A輪股東美團也進行了跟投。

這是兩家老牌互聯(lián)網(wǎng)大廠首次在人形機器人企業(yè)的同一輪融資股東名單中出現(xiàn)，也是阿里云在人形機器人領(lǐng)域的首次下注。

自變量的創(chuàng)始人兼CEO王潛告訴第一財經(jīng)記者，團隊的大模型迭代周期已經(jīng)縮短至每2-3個月就會更新一個新的版本。在模型高速迭代的另一面，企業(yè)仍然會面臨巨量算力以及硬件落地的挑戰(zhàn)。此次開源WALL-OSS，或許也是自變量嘗試的另一種解法。

2-3個月模型就有新版本，阿里云出手

第一財經(jīng)記者注意到，本次自變量融資股東中，除了國科投資、國開金融、紅杉中國等國資和美元背景的機構(gòu)參與之外，美團、阿里云、聯(lián)想這類產(chǎn)業(yè)投資方也同時出手。

這并不是產(chǎn)業(yè)投資方第一次押注自變量。今年年中，自變量完成了數(shù)億元的A輪融資。由美團戰(zhàn)略投資部（戰(zhàn)投）獨家領(lǐng)投、產(chǎn)業(yè)基金美團龍珠跟投。聯(lián)想之星和君聯(lián)資本分別在天使輪、Pre-A++輪就有參與過自變量的融資。

資金之外，產(chǎn)業(yè)投資方帶來了真實的應(yīng)用場景?！澳壳拔覀兊漠a(chǎn)品還在POC（Proof of Concept，概念驗證）階段?！蓖鯘撏嘎丁?/p>

一位接近阿里云的相關(guān)人士向第一財經(jīng)記者透露，本次出手自變量，是因為對其模型的發(fā)展比較樂觀，且該人士透露當(dāng)前阿里云的投資決策均經(jīng)過核心管理層“反復(fù)斟酌”。據(jù)王潛透露，自去年11月實現(xiàn)端到端具身智能大模型WALL-A之后，每2-3個月，自變量都會迭代出一個新的模型版本。

2-3個月一個新的模型版本，意味著需要大量真實數(shù)據(jù)的輸入訓(xùn)練?！爱?dāng)前真實數(shù)據(jù)和仿真數(shù)據(jù)在機器人大腦實際訓(xùn)練過程中的優(yōu)先性還沒有達成共識?！毙露Y本董事長張弛在談及機器人大腦模型時告訴第一財經(jīng)記者，他認為當(dāng)前機器人行業(yè)對于數(shù)據(jù)的標準、定義、量級等等方面都沒有明確的標準，“有些企業(yè)自己都已經(jīng)更改了技術(shù)路線，這也是部分投資人‘看不清’具身智能大模型的原因”。

去年3月，自變量發(fā)布了國內(nèi)最早的統(tǒng)一端到端VLA大模型（Vision-Language-Action Model，視覺語言動作大模型）。八個月后，WALL-A發(fā)布。在迭代過程中，WALL-A已經(jīng)展現(xiàn)出了零樣本以及長序列多模態(tài)的輸入和輸出能力。

模型的迅速迭代背后，是數(shù)據(jù)、算法和場景的驅(qū)動飛輪已經(jīng)“滾起來了”。團隊成立以來，自變量就采用了大量的真實數(shù)據(jù)進行模型訓(xùn)練。據(jù)王潛透露，自變量已經(jīng)自建大規(guī)模數(shù)據(jù)采集工廠，以解決數(shù)據(jù)質(zhì)量、規(guī)模等問題。

高質(zhì)量的自有數(shù)據(jù)也進一步推動了模型的迭代。一位接近阿里云的相關(guān)人士向第一財經(jīng)記者表示，阿里云之所以選擇出手，是因為看好自變量在大模型上的迭代節(jié)奏和技術(shù)路徑?！昂Ｍ庖灿袡C器人企業(yè)與AWS、微軟Azure等云廠商合作的先例，但從投資角度看，更重要的是誰能真正把迭代能力轉(zhuǎn)化為行業(yè)話語權(quán)?！?/p>

燒錢邏輯失效，開源不是堆參數(shù)

半年四輪融資，王潛向第一財經(jīng)記者坦言： “現(xiàn)階段，錢已經(jīng)不是制約公司發(fā)展的因素了”。自變量的產(chǎn)品負責(zé)人向第一財經(jīng)記者解釋，無論是軟件還是硬件的開發(fā)，都存在客觀規(guī)律，單純砸錢并不能無限提速。

“就像在大模型領(lǐng)域有scaling law，硬件打樣也同樣有固定的周期，你不可能花三倍的錢讓打樣的速度快三倍?！蓖鯘摳嬖V記者，自己會在客觀規(guī)律允許的范圍內(nèi)，把資源堆到“沒有邊際效應(yīng)為止”，不會盲目加碼。

這也是自變量在進入硬件領(lǐng)域后，王潛的感受。在他看來，人形機器人要做硬件還是軟件，從來都不是一個單選題?！拔覀兿Ｍ麖哪Ｐ陀?xùn)練的角度出發(fā)，去定義硬件，讓軟硬件耦合得更加緊密?！苯刂聊壳埃宰兞恳呀?jīng)發(fā)布了人形機器人量子2號和20個自由度的自研靈巧手。王潛預(yù)計，今年年底，自變量的硬件將會有小范圍出貨。

值得一提的是，團隊也希望用開源的方式來帶動行業(yè)生態(tài)的建設(shè)。這是自變量更大的野心，也是行業(yè)顯現(xiàn)的趨勢。9月初，星海圖正式開源了快慢雙系統(tǒng)具身智能模型G0。此前，智元宣布發(fā)布世界模型開源平臺Genie Envisioner。國際范圍內(nèi)，具身大模型公司Physical Intelligence（PI）開源了大模型π0的基礎(chǔ)模型，支持微調(diào)代碼。

不過，開源浪潮之下，也不乏“只開源不真用”的情況，一些模型名義上開放，卻因數(shù)據(jù)量有限、缺乏硬件匹配或接口不全，難以真正落地。更現(xiàn)實的困境是，作為一個軟件和硬件高度耦合的智能體，人形機器人的大模型開源，并不是“萬能”的。一位機器人工程師對第一財經(jīng)記者直言：“別看開源的那么多，但真正能用的不多?！彼硎荆?的開放程度相對更高，但由于缺乏相匹配的硬件，在落到具體機器人時，模型能力不可避免會被削弱。

記者了解到，本次自變量開源的WALL-OSS是WALL-A的一個分支，開源內(nèi)容還包括完整模型參數(shù)、訓(xùn)練與推理代碼及優(yōu)化方案，并配套工具鏈。“我們選擇了更成熟和穩(wěn)定的WALL-A模型的分支版本，希望它成為更多開發(fā)者一個開箱即用的大腦，讓大家真正用起來。”王潛說。

同時，由于團隊在開源模型中加上了“專家分流（FNN）”的架構(gòu)，語言、視覺和動作在對齊后由不同“專家”進行處理，避免出現(xiàn)了單一模態(tài)“拖后腿”的狀況，開發(fā)者的部署周期也會相應(yīng)減少。

與此同時，王潛表示“目前已經(jīng)有開發(fā)者和教育用戶在咨詢我們的本體訂單”。自變量希望開源能夠成為加速行業(yè)生態(tài)成熟的催化劑。畢竟，只有當(dāng)“開源”變成能跑得起來、落得下去的工具，行業(yè)才有望真正迎來通用具身智能的時刻。