“每一次融資，投資人對他的要求都會發生變化。他能否交付符合甚至超出市場預期的成果，才是核心。”
文｜《中國企業家》記者 孔月昕
編輯｜馬吉英
頭圖攝影｜佘貴森
兩年前，當王潛決定回國投入機器人創業時，前同事認為他“是不是有點毛病”？當時他在美國做自己的量化基金，業務正處于規模即將起飛的關鍵階段。
但他的選擇仍然沒有改變。
2023年12月，他在深圳創辦自變量機器人，并選擇“端到端統一VLA大模型”技術路線，致力于通過具身智能通用大模型實現通用機器人的愿景。成立不滿兩年，自變量機器人已完成8輪融資。2025年9月8日，自變量機器人宣布完成近10億元A+輪融資，由阿里云和國科投資共同領投，也是阿里云首次布局具身智能賽道。
作為自變量創始人兼CEO，王潛畢業于清華大學，是全球最早在神經網絡中引入注意力機制的學者之一。博士期間，他曾在美國頂級機器人實驗室參與多項機器人學習研究，覆蓋多個前沿方向。
自變量聯合創始人兼COO楊倩是王潛的研究生校友。2023年，王潛邀請她共同創業。她回憶，王潛和純學術出身的技術創業者略有不同，“不僅具備量化創業帶來的成熟經驗”，更令她觸動的是，“他眼中那種對通用機器人事業堅持的光芒”。
王潛坦言，機器人創業與量化領域截然不同，作為創業公司一把手，他必須全面負責對外工作，尤其是融資，“否則公司難以生存”。因此，除了把握公司戰略與技術大方向，他將最多的時間和精力都投入在了融資上。他也多次強調，公司早期發展面臨的最大挑戰，正是融資。
“客觀來看，中國一級市場2023年的資金總量相比疫情前明顯收縮，這并非我們一家所面臨的困境。”他指出，以自變量為例，在技術水平上與美國同行并無多大差距，并在部分領域已實現超越。然而，在融資金額和估值層面，卻存在數量級上的差異。
“這不是一家公司面臨的問題，而是整個大環境的現象。因此，我們更需要耐心資本和具有戰略眼光的‘大錢’，給予實質性的長期支持。”王潛說。
“他說的是大實話。”自變量Pre-A+++輪投資方、華映資本創始合伙人季薇說。在季薇看來，自變量作為初創企業，后續研發仍需大量資金支持，但她同時也指出，從長期來看，關鍵仍在于公司能否憑借技術領先性、產品與市場匹配（PMF）以及商業化落地能力，形成持續的正向閉環。“每一次融資，投資人對他的要求都會發生變化。他能否交付符合甚至超出市場預期的成果，才是核心。”
瞄準機器人的通用大腦
早在2021、2022年，還在美國做量化基金的王潛接觸到OpenAI的GPT-3模型，意識到長期困擾機器人的問題特別是數據問題有了新的解決路徑，這讓他萌生了自己創業做機器人的想法。
王潛在美國考察后發現，凡是沾到硬件，在當地基本做不成。“美國在硬件供應鏈上，包括物料和人才都不夠完善。硬件相關人才大多集中在蘋果、特斯拉等大公司，他們不愿意輕易出來創業。此外，數據等其他成本差距巨大。”王潛認為，這件事還是得在要素更集中的地方做。
2023年夏天，王潛選擇回國，并拉來了主要研究大模型的王昊（現任自變量CTO）開始組建團隊。
楊倩回憶，當時王潛在一家咖啡廳向她展示了二三十頁的項目PPT。當時剛回國的王潛因水土不服不得不幾次中斷聊天，但他在稍有恢復后立即繼續，依然堅持把演示講完。這種執著以及對具身智能創業的愿景打動了楊倩和其他幾位聯創，他們選擇辭職加入創業，并開始尋求投資。
2023年12月，融到來自聯想之星的天使輪融資后，王潛等人在深圳正式創立了自變量機器人。
自公司成立之初，自變量機器人便堅定選擇了“端到端統一VLA大模型”的技術路線。在當時，這一路線屬于非共識方向，面臨多重質疑。首先在技術層面，行業內還有人提出分層或專用模型的方案，很多人認為專用系統可能在性能與效率上更優；其次在商業化層面，外界普遍認為分層模型更易快速落地，更適合創業公司突圍，而大模型或者端到端統一模型常被視為大廠的機會，初創企業難以承擔其風險與成本。
因此，當創始人王潛帶著這一理念進行早期融資時，投資人并未過多向他提出“靈魂拷問”，反而更多是在反復“拷問自己”：是否應該認可這條路徑、是否值得押注。他還透露：“最早一批投資我們的機構，未必完全buy in（認可）我們的idea（看法），有些人可能是看重團隊的潛力，或是出于在具身智能領域布局的戰略需要，覺得我們‘至少看起來靠譜’。”
作為天使輪+的投資方，九合創投創始人王嘯表示：“我認為他（王潛）是國內最早選擇做‘機器人大腦’路線的人，他率先提出用端到端模型構建大腦，而當時其他團隊大多先做本體，之后才意識到需要大腦。他的方向從一開始就很明確，瞄準機器人的‘操作系統’，也就是控制機器人的核心大腦。這一點非常獨特，當時幾乎沒有人在這方面布局。”
王潛表示，自己之所以堅持這一路線，是因為在多年實踐中嘗試過幾乎所有已知方法，但發現只有端到端模型是真正可行的方向。這一路徑并非盲目堅持，而是基于他過去長期研究學習經驗的理性判斷。
2024年10月，自變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研究員成立的Physical Intelligence（PI）也推出了其首個端到端VLA模型π0，這讓大家看到了端到端是一個大趨勢。“我覺得那個時候大家開始批量性地轉向我們的技術方向。我們公司本來就在這個方向，也因此受到了更多（尤其是資本市場）的關注和認可。”王潛說。
云啟資本合伙人陳昱回憶，第一次在自變量公司見到王潛時，他就對這位創始人印象深刻。當時他帶隊觀看了機器人演示，并聽取了王潛對技術路徑的闡述。團隊成員告訴他，這與一年前初次接觸時講述的內容完全一致，一年前王潛說的大量計劃中的內容也已成為現實，這意味著王潛從一開始就堅定選擇VLA路線，并持續付諸實踐。
這種高度一致性是一個重要加分項，陳昱非常欣賞這種“知行合一”的團隊。此外，陳昱發現當時自變量所做任務的復雜度明顯高于市場上多數同類項目，這也讓他下定了決心。在當晚會談結束后，他迅速作出決定，推動投資落地。
據了解，自變量的投資人都做了相當深入的技術評估，這在中國資本市場中并不常見。“國內投資機構普遍較少聚焦技術路線本身，即便是當前火熱的具身智能領域，很多項目也更關注技術以外的因素，真正關心‘如何實現’的是少數。”王潛說。
這種對技術實現的重視，也體現在華映資本的投資決策中。據季薇介紹，華映投資團隊早在2024年1月就與自變量建立了聯系，并深入了解了其技術路線。在隨后的一年中，團隊對其進行了持續追蹤。她指出，自變量所堅持的路線在當時市場上較為稀缺，團隊能力較為全面，尤其在自變量發布WALL-A模型后，季薇認為其在具身智能大模型研發上的實力符合他們的預期，最終項目于當年12月中旬通過投決會，并在次年1月順利完成交割。
軟硬交互，螺旋式進化
作為技術信仰派的典型代表，王潛始終將技術研發作為公司發展的核心驅動力。這一點團隊構成上也有所體現，自變量機器人目前研發團隊規模200余人，技術人員占比近90%。
模型層面，自變量以每2~3個月更新一版模型的速度推進研發。為了保證技術推演的穩步發展，自變量團隊也在逐步構建評價模型性能的標準。王潛介紹，他們目前主要從任務復雜性與泛化能力兩方面衡量模型的優劣。
任務復雜性體現在操作對象的物理屬性和交互要求上，例如操作柔性物體比剛性物體更難，彈性物體則更具挑戰；接觸點越多，任務復雜度也越高。自變量的模型從早期的剛性物體操作（如拿杯子、橘子）逐步推進到純柔性物體處理（如疊衣服），不斷拓展技術邊界。
另一方面，泛化能力可分為多個層次：最基本的是應對光照、位置等環境變化；進一步需適應不同的場景和環境，如在茶室完成的任務能否在廚房中復現；更難的則是對未知物體的操作，最難的是完成完全未經訓練的新任務。
此外，團隊也致力于開發更復雜的推理，如2024年底起，就率先在多模態輸出和具身“思維鏈”（Chain of Thought，CoT）方面取得突破。
王潛表示，在過去一年中，自變量的模型在以上各方面均有所進步。尤其在2024年底，其模型已經能控制機器人完成如拉拉鏈、晾衣服等高復雜的操作任務。
2025年9月，自變量機器人正式開源其端到端具身智能基礎模型WALL-OSS。據楊倩透露，開源首日即吸引數百名具身智能領域開發者關注及技術咨詢。目前，團隊已建立起持續運營的開源社群，他們試圖通過這一舉措引領構建開發者生態、聚集培養人才，強化技術迭代。
公司成立初期，自變量主要依賴供應鏈企業的硬件設備支持模型研發與實驗。隨著公司的發展，團隊逐漸意識到，機器人真正落地與模型規模擴展，離不開硬件能力的支撐。軟件和模型決定了智能的上限，而硬件則決定了落地的基礎。
楊倩舉例，2024年9月，團隊已能用模型初步演示“刷馬桶”等任務，但在實際落地時，包括末端執行器的負載能力、執行頻率、移動底盤與上半身的協同控制、防水性能以及靈巧手操作硬件方面出現諸多問題，當時市場上也缺乏成熟的靈巧手產品，限制了模型的表現。
基于這些現實挑戰，自變量從2024年下半年起開始規劃自研硬件，量子1號機器人的框架初步搭建于同年11月，后續持續進行了升級迭代。在這期間，自變量團隊更加明確了軟硬一體協同發展的戰略方向。
對此，季薇表示，自變量團隊始終未將自身局限為純軟件公司，而是以大模型為核心競爭力，持續推動技術落地。“在我看來，他們從未在是否交付硬件這個問題上有過猶豫。”季薇說。
2025年春節期間，量子2號研發項目啟動，硬件團隊也在同期大規模組建。楊倩透露，為了抓住這個關鍵的技術窗口期，許多新加入的硬件工程師甚至主動放棄了原公司的年終獎加入進來。
8月，自變量發布新一代輪式仿人形機器人“量子2號”。在世界機器人大會（WRC 2025）現場，基于自變量自研的臂手一體外骨骼技術，“量子2號”不僅流暢完成了與觀眾打招呼、比心、猜拳等交互動作，還展示了其具體應用能力，通過夾持清潔刷與拖布頭，量子2號可以實現自旋轉及360度全方位清潔。
在追求技術快速迭代的同時，自變量乃至整個行業都面臨一個共同挑戰，即數據收集。
王嘯指出：“機器人與世界的交互，在以往并沒有被系統性地記錄和存儲。”他解釋道，“人在互聯網上的行為會留下大量痕跡和信息，但機器人與物理對象的交互則完全不同。一方面，機器人本身數量有限；另一方面，這類交互數據本身難以采集，我們不可能在拿一個杯子時，就把相關的電信號或其他傳感數據直接提取并上傳到互聯網。因此，過去這類數據確實非常稀缺。”
面對這一問題，王潛目前的解決方案是，主要通過自建數據工廠實現較大規模自主收集數據。未來也計劃拓展更多來源，比如在客戶實際場景或其他開放環境中持續采集。但他強調，“更為關鍵的是如何獲取高質量、多樣化的數據，實現數據的精細化管理，并高效用于模型訓練。”
7月初，在接受《中國企業家》采訪時，王潛表示，“公司整體的戰略重心并未改變，依然把技術突破與核心模型發展放在第一優先級。但與此前相比，自變量已具備相當的自研硬件基礎，包括機器人本體及靈巧手等關鍵部件已逐步成形。因此，在確保不影響技術主線和長期發展的前提下，團隊對商業化持開放態度，并愿意借助現有硬件及模型能力，探索一些可實現的商業應用。”
從資本輸血到自我造血
陳昱預測，行業可能在明年迎來一輪洗牌。“今年具身智能企業都在積極融資、儲備彈藥，因為到了明年，企業的估值攀升和商業場景尚未完全成熟。屆時，就到了見真章的市場淘汰賽了。”
這種環境下，中國創投市場的“+輪次”現象越來越普遍，IT桔子數據顯示，2025年上半年，共有571家公司獲得“+輪次”投資，其中至少19家公司獲得兩次及以上“+輪次”投資。
自變量機器人也是其中的一員。
對此，季薇解釋，有些團隊執著于拼湊所謂的A輪、B輪，總想一次性融到5億或10億，但自變量采取的是“小步快跑”的融資策略，這與其產品開發思路一致——迭代快、不追求一步到位。
季薇認為，企業在融資過程中應該考慮到投資機構的多樣性。市場化民營機構、產業投資和財務投資等的決策流程不同，如果硬要把所有機構湊到一起完成一輪融資，很可能耽誤企業三到六個月的時間。而自變量選擇成熟一批、交割一批、宣布一批，在連續融資中實現估值逐步成長，這對各方都更為公平。“這種方式讓公司能夠及時將資金投入研發和產品迭代，快速擴編團隊。”季薇認為，王潛具備強大的頂層思維和戰略規劃能力，對什么事該做、何時做、如何做，都有明確安排。
在把握融資節奏的同時，自變量團隊也積極推進商業化探索。楊倩表示：“我們始終以技術收斂為核心，有選擇地切入某些場景，集中資源打爆點。我們更希望將少數幾個場景做深做透，推動具身智能真正有價值的商業化，建立起自我造血能力。”
楊倩介紹，量子2號目前還處于快速迭代階段，預計將在今年12月進入小規模量產階段，到明年上半年將逐步實現批量量產；靈巧手也有望在2025年年底實現小規模量產。
硬件產品的推出，顯著改變了團隊對商業化的思考方式。
王潛指出：“有了硬件之后，我們看待問題的方式完全不同了——它不再只是技術demo，而是一個可以直接銷售的產品。”但他也強調，硬件推向市場的節奏仍將保持理性：“我們計劃正式將其作為完整產品推向市場，但具體規模將嚴格根據實際需求調整。純粹賣硬件，市場的整體容量其實是有限的。”
在商業化路徑上，目前自變量將市場劃分為科研和商業兩大方向。楊倩解釋：“在科研市場，我們主要銷售硬件本身和綜合性解決方案，用戶可以根據自身需求調模型、做實驗，我們提供的是底層能力。而在行業市場，我們必須帶著實際功能進入，真正解決客戶的具體問題。”
目前，自變量團隊重點關注工業物流和服務業中的半開放場景。楊倩坦言，短期內，自變量進入C端市場并不現實：“目前幾乎沒有家庭愿意花費數十萬元購買一個功能尚不完備的機器人。但我們相信，隨著機器人能做的事情越來越多，成本逐漸下降，在兩三年內一定會走向C端。因此，我們將經歷一個從to B再到to C的漸進過程。”
不過，自變量的長期目標仍指向C端市場。“我們更大的愿景是打造真正通用的家庭機器人——它應該像保姆一樣，能夠處理基礎家務，比如整理房間、收拾衣物。做飯也許是最難的一關，但我們可以一步步去實現。”楊倩說。
王潛同樣對C端市場抱有極高期待，他表示，自變量的目標是成為最早一批進入C端領域的企業，同時，“我們也希望到時候B端業務已經具備真正自我造血能力”。
