自变量机器人完成10亿元A++轮融资
具身智能技术从“具备移动能力”迈向“具备实际作业能力”的关键，通常由两个核心要素共同驱动：一是基础模型能力的泛化提升，二是真实机器人系统中数据闭环的规模化构建。近期，多家媒体报道称，位于深圳的自变量机器人（X Square Robot）成功获得10亿元人民币（约合1.4亿美元）的A++轮融资。据公开信息显示，本轮资金由字节跳动、HSG、深圳市创新投资集团、北京信息产业发展基金、南山战新投及锡创投等联合注资。值得一提的是，这是深创投体系下的AI基金自成立以来首次对外披露的投资项目之一。
从投资组合来看，真正值得关注的并非是哪些投资者参与，而在于资金与应用场景之间的协同效应。此前，自变量机器人已获得来自美团与阿里云相关方的投资。而本轮引入字节跳动后，其股东结构呈现出一种较为罕见的模式——多家互联网平台企业同时入股。对于具身智能初创公司而言，这种资本结构通常反映了两方面的期待：一方面，有助于其快速进入高频、可复制的作业环境；另一方面，则是推动构建“数据采集—训练—验证—反馈”的完整工程闭环，从而应对机器人在复杂环境中的长尾挑战。
关于资金的具体用途，媒体报道指出，主要将用于通用具身智能基础模型的持续迭代、软硬件一体化产品开发，以及在更多高价值应用场景中的部署与交付。据披露，自变量机器人正在构建面向物理世界的基础模型WALL-A，该模型强调通过端到端架构实现“感知—理解—执行”的无缝衔接，并将视觉、语言和动作控制纳入统一的学习框架。此外，该公司已于2025年9月开源了具身基础模型WALL-OSS，旨在促进生态系统协作，拓展数据与工具链资源。
在“模型与本体协同进化”这一路径上，部分英文媒体进一步补充称，自变量机器人已推出Quanta X1与Quanta X2等机器人平台，作为采集真实数据、验证基础模型泛化能力的重要工具。该策略与当前行业主流观点一致：仅依靠仿真或小规模演示难以突破真实世界的干扰、材质差异和环境变化。真正决定模型可用性的，是其在真实工作场景中长期积累的高质量数据，以及将这些数据转化为可复用能力的训练与评估体系。
对外界而言，此次融资释放的信号更多指向“产业化”而非“概念炒作”。具身智能的商业化门槛，往往不在于“能否执行某个动作”，而在于“能否在多场景下稳定重复操作、具备可维护性与可量产性，并实现成本的持续优化”。当字节跳动、HSG与深创投等机构在同一轮次中联合加码，表明资本市场更看重企业是否具备将基础模型能力、真实数据闭环、硬件平台与交付体系同步推进的综合工程能力。