自变量受邀出席工信部具身智能“标准周”，倡议以开源与标准共建行业底座

声明：文档由AI根据原文生成。

工信部具身智能"标准周"绍兴举行，"十五五"首次将具身智能纳入未来产业

7月15日至17日，工业和信息化部人形机器人与具身智能标准化技术委员会2026年度全体会议暨"标准周"活动在浙江绍兴上虞举行。国家"十五五"规划纲要此前首次将具身智能纳入未来产业布局，标准制定成为这一阶段的关键议题。

自变量机器人作为专注通用具身智能基础模型的企业代表受邀出席，创始人兼CEO王潜作主题报告。该公司提出，具身智能走向成熟不能靠单点技术竞逐，而应以开源与标准共建行业底座。

动作模态特殊性催生"预训练、端到端通才模型"需求

王潜在报告中从人类脑功能类比切入，重点阐述了动作模态的高度特殊性。精细操作中物理接触的复杂度远超一般预期，难度甚至高于语言。这决定了具身智能难以简单沿用已有范式，而需要更为根本的技术路线——构建统一基础模型、打造与模型协同的"数据飞轮"和基础设施架构。

自变量判断，模型架构与训练方法正逐渐趋同，真正拉开差距的是底层基础设施与数据的共建水平。在基础设施层面，标准化、开源社区的方式已被行业历史反复验证为最有效路径。这一主张与活动主旨报告"以开源驱动共性技术演进、实现标准与开源良性互动与螺旋式上升"的判断高度一致。

三项核心成果无偿开源

会上，王潜介绍了近期面向全行业无偿开源的核心成果：

视觉-语言-动作模型WALL-OSS-0.5首次真正具备免微调零样本泛化能力，将此前仅存在于闭源模型中的能力开放给所有从业者。世界模型WALL-WM以"事件为中心"的非均匀预测替代均匀采样，按事件重要性分配资源，在视频生成与操作能力评估上取得更好效果。分布式优化器DMuon则是全球范围内（涵盖语言模型在内的各个领域）首个真正意义上实现分布式应用的优化器，使先进训练能力得以在大规模集群中普遍使用。

自变量表示，开源意味着行业其他企业、高校或实验室不必再从零重复投入即可直接部署使用。未来还希望在基础设施、系统层乃至更广泛领域推动更多标准与开源，形成完整统一的产业生态。

自研WALL-B模型进入真实家庭与产线

支撑上述判断的是自变量在自研基础模型上的持续实践。今年5月发布的WALL-B将视觉、语言、动作、物理预测等所有能力放在同一网络中从零开始联合训练，原生多模态使机器人具备更好的空间推理能力，能够理解物理规律、预测环境与事件演化，在与环境互动中自我进化。

技术验证已走出实验室。C端方面，自变量携手58到家推出家庭保洁服务，成为全球首个进入真实家庭的机器人保洁员，并以"X家庭成员计划"为用户提供长达一个月的常驻服务，在真实场景中加速模型迭代。B端方面，已进入华晨宝马一级供应商产线、头部物流企业快递分拣等环节，并延伸至养老照护、文旅体验等场景。

数据是"工业品"而非"石油"

数据是报告中另一重点议题。自变量提出，具身智能数据不应被简单类比为高度标准化的"石油"，而更接近高度异质、高度复杂的"工业品"，其价值不在于采集本身，而在于如何处理、定义数据，并将数据与模型彻底打通。

该公司已将其数据采集方案QUANXTA Zero系列开源，希望把对数据的理解沉淀为全行业可用的公共能力。同一套技术能力已在真实产业场景中得到验证。

王潜在报告最后表示："希望能够和产业界一起，依托开源、依托标准，来实现一个产业的共同发展。"