文｜王方玉

剪辑｜苏建勋

王潜有一副学问分子的长相，讲话语长入蔼，但一朝聊起具身智能，他便流表露"杀气腾腾"的一面：

"如果就奔着扈从别东谈主的念头，时间自然就落不才风，是很不生产的。"

"创业这件事是需要一些决心的，如果你从一启动就找好了退路，你的心态就分歧了。"

机器东谈主，是王潜最执着的事。他本硕毕业于清华大学，博士就读于好意思国南加州大学，曾在好意思国创立量化基金公司。但在作念量化之后，他却"好一阵子整晚睡不着，后悔没把机器东谈主做事作念下去"。

△图源：企业授权

2023 年，王潜驱散基金归国，在深圳创立"自变量机器东谈主"。

自建设起不到一年半时辰，自变量机器东谈主已完成 7 轮融资，累计融资金额超 10 亿元。5 月 12 日，智能涌现独家报谈其拿到好意思团独投的数亿元新一轮融资。

2023 年是国内具身智能赛谈肇兴之年，英伟达首创东谈主黄仁勋初次预言具身智能将是下一个科技波浪，星河通用、智元机器东谈主均在这一年建设。

相较于这两家，自变量机器东谈主前期并未取得很高声量。但跟着不停取得新融资，其正逐步走向具身智能舞台的中心。

一位双币机构投资东谈主告诉智能涌现，从融资金额看，现时国内东谈主形机器东谈主创业公司照旧变成了通晓的梯队。第一梯队的公司有三家：宇树科技、智元机器东谈主和星河通用，融资金额齐在 15 亿元以上。自变量机器东谈主融资金额越过 10 亿元，照旧从二线企业进入准一线之列。

和当初的 AI 大模子相通，国内具身智能鸿沟也存在着看好和看空两种截然对立的立场。一边是朱啸虎的看空——"现时是个东谈主形机器东谈主就会翻跟头，但营业化在那里？"。另一边，投资机构不时砸下重金，创业公司正不停加速量产圭表，并给出乐不雅的增长预期。

王潜是时间信仰派的典型代表。

他创立的自变量机器东谈主自 2023 年公司建设之日起就执意弃取了"端到端统一 VLA 大模子"的时间道路，并以每 2-3 个月更新一版模子的速率股东研发。

一年后，跟着好意思国公司 Physical Intelligence（PI）的模子发布，VLA 成为了行业的主流道路。

在大部分其他厂商的模子还在引申浮浅的 Pick&Place 操作（即 Pick 合手取、Place 舍弃）时，自变量机器东谈主研发的 WALL-A 模子照旧可让机器东谈主完成举例衣物料理、收纳整理、线束整理等多项复杂细巧操作。

△自变量的机器东谈主在 GAIE2025 展会现场自主制作刨冰 图源：企业授权

市面上看空的不雅点认为"通器用身智能还太早，营业化不明晰。"而王潜眼中的行业发展进程图则要快上许多。

他展望类 GPT-3 水平的具身智能大模子有望在一年控制出现。具身智能真确的营业化落地周期，也会在异日一到两年内缓缓张开。

现时具身机器东谈主的营业化场景主要来自于两个阛阓：科研诠释和迎宾扮演。但在王潜看来，这两个阛阓总体来讲鸿沟相对较小，关于行业的耐久发展预见有限，不成看成最终面向的办法阛阓。关于东谈主形机器东谈主进工场干浮浅重迭性职责，他更是直言"那其实便是一个 PR（公关）行动"。

王潜认为要竣事真确有价值的营业化，必须要依靠具身智能模子的泛化才调栽培。

脚下，自变量也并不急于股东营业化，而是把重点放在模子才调栽培上。公司有三分之二的开销投向模子过甚关系业务。

"不谦善地说，自变量便是处于国内具身智能模子最初地位的，投资东谈主关于第又名自然有一些优待。全球折服咱们或者达到格外高的 upside，但愿咱们愈加专注通器用身智能模子的大办法。"王潜自信地说谈。

以下是《智能涌现》和自变量机器东谈主首创东谈主王潜的对话。内容略经剪辑：

"一花式的端到端模子，发展天花板更高"

《智能涌现》：最近的半年时辰，公司在模子才调层面上有什么比较遑急的新进展？

王潜：咱们进展速率照旧很快的，平均每 2-3 个月会更新一版模子。

以前自变量的模子是一个纯正输出 action（动作）的模子，是多模态进，单模态出。从旧年 10、11 月启动，咱们启动作念 any-to-any 的模子，是多模态进，多模态出，除了输出 action（动作），也不错输出讲话和视觉等。

在全模态交融的框架下，自变量也作念很长的 COT（想维链）。差未几就在这两次融资之间，咱们把想维链作念出来了。

本年 3 月，Google Gemini robotics 公布了他们的进展，亦然近似的作念法：any-to-any 和 COT。最近 Physical Intelligence（PI）新发布的 π 0.5 也作念了近似的事情。是以执行上咱们格外早地就预判到了时间逾越的标的，和 PI 等海外玩家作念这个事的时辰差未几。

是以咱们敢说咱们的模子水平基本上和 PI、和 google 在磨灭个水平线上。因为的确是在左近的时辰作念出了近似的事情，达到了近似的效果。而国内厂商深广才刚起步要往这个标的去作念，程度上就会差得比较多了。

《智能涌现》：现时统一的端到端 VLA 大模子 ( Vision-Language-Action Model ) 照旧成为主流时间道路了吗？

王潜：对，这很大程度是受到了旧年十月份 PI 的新模子发布的影响，全球会看到端到端是一个好的标的，是一个大趋势。

现时基本上不论信不信，全球至少会打这个旗帜。但执行上作念得好与坏，或者说有莫得真的去作念端到端，照旧有较大各异。同期，你会发现阛阓上有许多的所谓的"界说学"，从头"发明"什么叫端到端。

补充一下，端到端道路也有两种不同的作念法，一类是像 Figure 的两层模子旅途：high level 的 VLM 来作念 reasoning、planning，low level 的 VLA 来作念执行的动作生成部分；另一类作念法便是不作永别，一花式的端到端。

咱们早期也尝试过两层模子，但发现单层模子的天花板显豁高于两层的，是以自变量倾向于统一的端到端范式。

△图源：企业授权  

《智能涌现》：和端到端并行的时间道路是什么？

王潜：和它并行的就几种，现时其实全球照旧不何如作念了。主淌若通过三维视觉或者其他的设施作念感知，再加上一些传统罢休，作念一些 Pick&Place 操作（指合手取、舍弃）。

以上方式可能在某些场景，比如说止境浮浅的 Pick&Place 任务，包括上一代的工业自动化的场景，但这显豁不是咱们要追求的。Figure 和波士顿能源之前齐是这种方式，现时照旧转向端到端了。

《智能涌现》：现时自变量的具身智能模子才调，如果类比 AI 大模子，处于哪个阶段？

王潜：我认为还处于 GPT-2 的阶段，GPT-3 那时有一些显豁的特征，是在咱们今天的模子上莫得弥散的 scale 去达到的。业内像 PI 和 google 的程度也差未几，这是由 Scaling Law 的客不雅规矩决定的。

《智能涌现》：国内具身智能大模子要竣事营业化还需要多永劫辰。

王潜：其实基本上快的话便是一年控制的时辰点，慢的话可能便是两年控制。我指的是真确的营业化，或者执行预见上的让用户昂扬去付费。自然营业化也分不同阶段，要进入 C 端，比如家庭的保姆机器东谈主或者室内做事机器东谈主，时辰要更慢一些，可能是 3-5 年。

全球深广是会高估短期的时间逾越，低估中耐久的时间逾越——它比全球设想的会快一些。

《智能涌现》：提到具身模子稽查，全球齐会说数据枯竭是个瓶颈，你们的数据够吗？

王潜：数据是一个有时辰线的问题。比如一启动对具身模子莫得任何感知、莫得瓦解的情况下，多数齐集数据惟恐是正解，可能齐集到的大部分数据是莫得用的，或是低质地的。是以对具身智能有几许了解，其实就应该匹配多大的数据鸿沟。

栽培数据齐集鸿沟仅仅一方面，何如把数据质地作念好，深化地瓦解需要什么样的数据则是另一方面。自变量之前作念了许多后者的职责，这样是更高效的方式。

现时一些开源的数据集、第三方数据，数据质地深广不外关，如果执行去用此类数据稽查，模子效果不会止境好，这些数据不错作为补充，但不成完全依赖，现时咱们的数据主要靠我方齐集。

《智能涌现》：这一波具身智能激越，国内创企深广费钱还挺严慎的，好像在为迂延期作念储备，你何如看？

王潜：起先自变量费钱照旧比较严慎的，不该花的钱完全不花。咱们作念的是长线的大事，需要为行业可能的波动作念准备。

但另一方面，该花的钱照旧要花，不费钱的确作念不出东西来。如果一直等海外的开源后果来 follow 或抄功课，委果不生产，况兼根蒂无法竣事通用机器东谈主的最终办法。

信心问题、过冬问题，其实反应出来的是才调不及，是以信心不及。如简直的有弥散的才息争判断，是不会这样去想这个问题的，最初的团队基因和才调水平会决定许多政策上的判断和看问题的方式。

说到底，行业的波谷为什么会来？是因为行业莫得作念出执行后果来，作念出来了，就自然会有一个波峰。为什么不去作念引颈波峰的公司，引颈投资激越，而要被迫的适合环境呢？我认为这才是一个创业者应该有的心态。

"部分营业化场景的价值和预见存疑"

《智能涌现》：投资东谈主齐是何如评估自变量的时间才调？靠 DEMO 视频吗，照旧现场真机演示？

王潜：咱们齐是真机演示，自变量从建设第一天，就宝石真机演示是第一位的。视频有太多不错作秀的方式了。现场才或者看到模子真实的发扬，致使于需要去现场和机器东谈主互动，进行一些东谈主为干涉，望望模子在千般各样的极限情况下会有什么样的发扬，这才真确能体现模子的水平。

《智能涌现》：到现时这个估值体量，投资东谈主现时会对自变量有营业化的条目吗？

王潜：分投资东谈主。有的投资东谈主比较敬重具身智能模子才调不错达到多高的上限，另一部分投资东谈主比较敬重营业化，不同投资东谈主的偏好格调差距照旧挺大的。

自变量有些罕见，不谦善地说，咱们便是处于国内具身智能模子最初地位的，投资东谈主关于第又名自然是有一些优待。全球折服咱们或者达到格外高的 upside，是以不会条目咱们为营业化而营业化，全球更但愿咱们去作念"有价值"的营业化，但愿咱们愈加专注通器用身智能模子的大办法。

《智能涌现》：你们现时还莫得发布内容产物吧，何如达到另一部分投资东谈主营业化的条目。

王潜：咱们其竣事在照旧有内容产物了，仅仅还没慎重对外大鸿沟发布。况兼咱们的内容产物照旧有执行的销售和落地了，主要愚弄在偏工功课的场景。除了现时的型号以外，咱们还会再推出新的内容。

《智能涌现》：现时具身智能进入工功课时间熟识了吗？

王潜：咱们和种子客户现时还处于 POC（见解考据）的阶段，本年年底到来岁年头照旧很有但愿，自然现时也还需要作念多数的工程职责。况兼咱们不会局限于浮浅的 Pick&Place 操作（即 Pick 合手取和 Place 舍弃）。

过于浮浅的 Pick&Place 操作，关于具身智能模子的进一步稽查和发展莫得匡助，上一代时间其实也完全不错竣事，致使纯自动化的时间也能中意。自变量照旧但愿或者作念一些以前通盘时间齐没办法阴私的，弥散千般、弥散复杂、弥散怒放的场景。

《智能涌现》：本年底或来岁头就完成 POC 进入执行愚弄的话，会是一个什么样的利润率水平。

王潜：传统的做事机器东谈主能作念的事情比较单一，而咱们的机器东谈主是通用的，机器东谈主才调不同，创造的价值不同，阛阓竞争态势和客户的付费意愿也不同。自然早期阶段盈利并不是最遑急的办法，主要照旧但愿通过瓦解执行场景的需求打磨产物。

《智能涌现》：同业出货更多的在科研诠释和商城迎宾这俩场景，这两个场景更熟识吧。

王潜：诚然这亦然在作念营业化，但这两个场景营业化的价值和预见还有待斟酌，嗅觉更多可能是为了中意投资东谈主关于营业化的条目，而不是真的折服这件事情不错通往真确想要去的大的办法（通器用身智能）。

科研和迎宾这两个场景本人阛阓总鸿沟不大，不可能看成念具身智能最终面向的办法阛阓。这两个场景不错作为"系数下蛋"的产物，但如果把它作为一段时辰的主要标的，就可能偏离最终的办法。

《智能涌现》：这两个场景照实鸿沟不大，但是不是也有可能和其他小场景共同造出一个不大不小的阛阓来，弥散让一家公司作念到上市体量，比如某公司的投资方说过，"仅来自股东方的需求可能就创造出几万台机器东谈主的销量"。

王潜：问题是这种上市有什么预见呢？这几万台作念收场之后呢？不成说这几万台的需求作念完之后，就不作念生意了。

《智能涌现》：如果具身智能比 AGI 更难，弥远竣事不了，收拢科研和迎宾这种小阛阓，是不是一种求实？

王潜：我认为大可不消，如果创业者不折服具身智能，为什么要去作念呢？如果认为具身智能诟谇常远处、几十年后才会出现的事情，那根蒂就不应该现时进入这一鸿沟。

《智能涌现》：你何如看工场场景？最近 Figure 被外媒报谈，Figure 的东谈主形机器东谈主在良马工场里打工的事情有夸大的嫌疑。

王潜：现时东谈主形机器东谈主进工场，能落地的事情格外有限，其实便是一个 PR（公关）行动。

执行工场对速率和准确率有很高的条目，许多公司现时在作念的任务其实照旧更符合用上一代时间来竣事。

比如活水线相对来说，照旧一个比较阻滞、固定的环境，反而不利于说明具身大模子所追求的复杂操作，怒放、立时、动态环境和场景、泛化性的条目等，具身机器东谈主在一般的工场场景里也学不到什么，场景太浮浅了，关于模子才调栽培匡助格外有限。

自变量更倾向于弃取复杂的场景，复杂场景才能真确促进模子才调灵验栽培，亦然真确预见上存在客户需求、用户昂扬买单、替代完成东谈主类不肯意作念的事情的鸿沟。

经济学中一直有所谓是需求创造供给，照旧供给创造需求的争议，在具身智能这一 Moonshot 鸿沟，是很显豁的供给创造需求。

"关于大部分软硬一体的东西来说，开源齐是很差的一种模式。"

《智能涌现》：好意思国同业的估值更高，资金更多，中好意思之间的具身智能模子水平是不是有差距？

王潜：国内的全体水平比较于海外细目照旧差的，况兼差得不少。咱们重点存眷的海外同业包括 Physical Intelligence（PI）、google、特斯拉。

但就现时来说，咱们照旧有很大的契机或者和好意思国在磨灭个水平线上去发展。致使咱们有契机在本年或者来岁越过他们。

我认为全球会有认为国内作念的不如好意思国的心态，可能和往时耐久处于"扈从者"的变装连系。但在具身智能的发展执行中，没必要过于自我怀疑。以自变量为例，咱们能作念到的模子水平照旧或者和 PI 等国际顶级团队在磨灭个水平线上，在部分蓄意上致使竣事了超越。

《智能涌现》：第一梯队的 PI 照旧开源了机器东谈主通用基础模子 π 0，这会不会把全球的水平拉平？

王潜：PI 开源到现时差未几半年的时辰，国内有一些企业也尝试在其基础上进行微调，但从执行效果来看，并不会显豁优于其他开源决策，更无法圆善复现 PI 团队在其自有机器东谈主内容上的发扬。执行上，跨内容适配的问题依然是一个遑急挑战。

《智能涌现》：PI 的 π 0 微调之后，不错应酬什么样的营业化场景？

王潜：现时来看，在新内容上微调后 π 0 的才调会有比较大的蚀本，在营业化场景中的执行愚弄比较有限。执行上 PI 之是以弃取开源，很大程度上在于其自身难以径直营业落地。PI 本人并不作念硬件，需要依赖其他企业将模子和硬件集聚来落地，是以它才会遴荐开源模子这样的方式。

《智能涌现》：和 AI 大模子创业相通，不贸然参加，等海外先进模子开源后再扈从，是不是也不失为一种好策略？

王潜：这乍听上去像是一个好策略。但是第一，靠抄能不成抄得到是个问题，具身智能不像讲话模子不错蒸馏，它复现的难度很大。复现开源模子经由中，由于之前没作念过，该踩的坑照旧要踩，其实并莫得从简几许时辰。

其次，这样作念系数公司的精气神儿就莫得了。如果我方齐不折服我方能作念成，那凭什么让和你一起作念这件事的东谈主折服公司不错。

去作念一件有预见的事情，是需要专注、信仰和创造力的。如果靠恭候和抄功课，在科技蜕变鸿沟，就只然而作念一些很平常的事情，弥远建立不了一家伟大的公司。

《智能涌现》：具身智能有可能跟 AI 大模子相通变成开源和闭源两个阵营吗？

王潜：本质上，关于软硬一体的鸿沟来说，开源是一个伪命题，至少不是营业化的命题。之前的无东谈主机、自动驾驶等，在发展的经由中齐有多数的开源，但最终通盘的开源齐没能到手。

全球现时对开源会有一些期待，或者说比较明锐，本质上是因为东谈主们看到在讲话模子赛谈，开源会有一些好的效果。但软硬一体的东西和纯软件不相通，软件如讲话模子，模子本人即产物，部署后不错坐窝使用，很自然地取得 C 端的影响力。

但是具身智能模子还需要搭配硬件才能成为产物，和东谈主交互的界面、愚弄的实体是硬件，是以很难取得平常预见上的声量，现时只可影响学术界、极客圈子以及行业内群体。

比如 π 0 模子在旧年发布的时辰点完全是那时天下最初的模子，但它在内行端并莫得激起什么水花。是以具身智能的营业化细目不成靠开源来竣事。

第二，具身智能这个鸿沟照旧有罕见性。比如 A 实验室开源了一个具身智能模子，全天下莫得任何一个实验室或者 100% 的复现出来开源实验室在他们我方环境下能作念到的东西。不要说圆善的复现，哪怕是大部分的复现也齐很难竣事。讲话模子不错去蒸馏，但在硬件鸿沟开云体育，不可能脱离机器东谈主把数据蒸馏出来。