声明：文档由AI根据原文生成。
自变量机器人于近期完成10亿元A++轮融资。本轮融资由字节跳动、红杉中国、北京信息产业发展基金、深创投、南山战新投、锡创投等机构联合投资。这也是深创投AI基金成立以来的首笔投资。
此前，自变量已先后获得美团、阿里的投资，成为国内同时获得这三家互联网大厂投资的具身智能企业。
近两年，具身智能领域竞争焦点从"肢体"转向"大脑"。自变量提出的具身智能基础模型，独立于大语言模型、多模态模型等虚拟世界基础模型，以机器人的视觉、触觉、语音等感知信息为输入，直接输出动作、视觉及语言。
自变量机器人创始人兼CEO王潜认为，具身智能的下一阶段竞争，本质是数据闭环构建的基础模型与模型进化能力的竞争。
自变量自研的WALL-A模型，核心架构首创VLA（视觉-语言-动作）与世界模型深度融合的系统范式。该模型利用世界模型机制进行时空状态预测，协同视觉因果推理理解环境反馈，并通过可学习记忆机制从数据中内化物理常识。
依托大规模真机强化学习，模型在与真实物理世界的交互中获得高质量学习经验，自主解决长尾问题。
自变量自研了主从遥操、外骨骼、无本体等多种数采设备，搭建了模型驱动的数据管线，通过数据生成、过滤、增强、标注等环节持续产生规模化高质量数据。公司坚持通过基础模型给数据处理和硬件设计提供反馈，迭代更高质量的数据和更高效率的数采设备。
自变量的机器人已实现全球首个基于物理世界基础模型、成功跨越室外与室内场景的移动操作。在外卖配送与纸箱回收任务中，面对强风干扰或视线遮挡，机器人能依靠基础模型的泛化能力与世界模型的因果推演，脑补被遮挡物体全貌，并在遭遇卡顿时通过强化学习策略自主纠错。
在复杂物流场景中，机器人凭借基础模型的零样本泛化能力识别异形件，利用强化学习快速适应工作节拍。其基础模型的进化还解锁了高自由度灵巧手的潜力，机器人自主掌握了手内重定向等类人技能，可完成发牌等对指尖力控要求极高的精细动作。
2025年9月，自变量开源了其自研端到端具身基础模型WALL-OSS。
自变量坚持软硬件全栈自研，设计发布了"量子一号"、"量子二号"两款机器人本体，实现了机械臂、关节模组、动力驱动器、主控制器等核心零部件的全面自研与算法深度适配，促成整机成本大幅下降。
目前，自变量已进入工业制造、物流、养老等领域。王潜表示，自变量将持续深耕模型迭代、数据管线与机器人硬件三大核心领域，推动模型驱动具身智能在千行百业的规模化应用。