對話自變量CEO王潛：國內唯一被四家大廠投資的具身智能企業，小米、字節、阿里、美團看中了什么？

自變量機器人公司創始人兼首席執行官 王潛

出品｜搜狐科技

作者｜鄭松毅

編輯| 楊 錦

4月21日，“獨角獸”機器人公司自變量發布新款具身智能基礎模型WALL-B，并宣布搭載這款模型的機器人將于5月25日正式入駐首批真實家庭。

這家2023年底成立于深圳的創業公司，已是具身智能賽道的現象級存在——國內唯一一家被小米、字節跳動、阿里巴巴、美團四家互聯網大廠投資的具身智能企業，兩年多的時間里累計融資金額超30億元，估值站上百億關口。

身為掌舵人的王潛，與多數創業者有些不同，這么說是因為他的經歷可謂十分豐富跳躍。

本科在清華電子工程系就讀的王潛，研究生為了研究神經網絡卻去學了生物醫學，博士選擇又在南加大攻讀機器人學習。早在2009年，王潛就開始做神經網絡研究，他曾提到，自己設計的架構距離transformer僅一步之遙。雖與“圖靈獎”失之交臂，卻成了他技術自信的支點。

沒有海內外大廠工作背景，也沒有影響力的學術頭銜，但絲毫不影響如今，王潛已是具身智能行業的領軍人物之一。

發布會后，自變量機器人公司創始人兼首席執行官王潛，與搜狐科技等媒體坐在一起，深度聊了聊對于機器人行業發展機遇與挑戰的看法。

以下為對話精編：

媒體：家庭與工業兩條線，你們怎么分配研發資源與期待？

王潛：家庭和工業是兩個極端場景。家庭是極致開放、極致復雜、極致要求泛化；工業相對封閉、固定，但對速度和準確率要求極高。技術上是兩個方向，家庭靠預訓練大模型基座，工業靠后訓練提升效率。

但兩者不是割裂的。基座模型是基礎，只有泛化、精度、任務復雜度足夠強，再去做垂直后訓練，才有可能突破以前做不到的事。我們的路徑很清晰：以開放復雜場景和預訓練模型為核心基礎，再延伸工業等垂直落地。

媒體：5月25日機器人就要進真實家庭，現階段通用性夠嗎？多久能真正獨立干活？

王潛：進家那天，理論上能做大部分你想讓它做的事。物理可達、工具不極端復雜的前提下，所有事都能使喚，不是只能擦桌、只能掃地的專機。但確實還不是100%全AI自主，需要人類遠程兜底、安全接管，類似自動駕駛的遠程支援。

媒體：家庭機器人定價會親民嗎？普通人用得起嗎？

王潛：廣泛進入家庭時，一定是追求普惠、技術平權。會像汽車市場，有基礎款小幾萬，也有高端款。

媒體：機器人進家，會沖擊就業和普通人生活嗎？

王潛：家務是巨大的未被滿足的市場，大概占整體GDP的20%，是巨大的隱性經濟。

機器人是替代人做不想做、低效的事，不是搶工作，而是解放勞動力、提升整體效率。我們叫它“新家庭成員”，希望它帶來新生活方式，而不是帶來焦慮。

媒體：行業很卷 “機器人馬拉松”，你們怎么看這種本體競速？

王潛：我們和跑馬拉松的機器人，是兩個完全不同的賽道。

媒體：為什么這么說？

王潛：他們更偏硬件，但其實中國硬件供應鏈沒有長期壁壘。我們做的是“基礎模型+軟硬一體”全鏈路，更像大模型邏輯，只是多了硬件載體。

媒體：大廠紛紛下場做具身智能，你們怕不怕？

王潛：不怕。第一，市場足夠大；第二，創業公司有大廠比不了的優勢。大模型時代，資源不構成壁壘。OpenAI早期資源遠不如谷歌，依然領先兩年。

機器人沒法“蒸餾”，技術門檻極高。我們的核心優勢一是軟硬一體全棧能力，二是技術第一性的極致專注。

媒體：有什么獨特優勢，能同時吸引小米、字節、阿里和美團的投資？

王潛：股東們自己做具身，依然投我們，是認可技術的絕對領先。他們要的不是短期財務回報，而是真正的技術壁壘。

模型架構好抄，但數據定義、采集、清洗、訓練、評測、迭代的完整工程體系最難復制。具身模型初創公司相較于大廠，我判斷技術壁壘能保持三年以上。

媒體：現在推進商業化，根本原因是什么？不是說不急于變現嗎？

王潛：我們一直是技術第一性，這一點沒變過，現階段商業化也是為技術突破服務。

家庭是最高質量、最開放的數據場景，不進家庭，就不知道物理限制和模型漏洞。實驗室里的東西，必須和真實世界碰撞，商業化是最高效的路徑。

先把技術做到“Aha Moment”，再談大模型變現，邏輯沒變。

媒體：今年資本市場對機器人賽道依然很熱，“熱錢”涌動。怎么看當前的熱度？

王潛：我反而覺得，這個賽道還沒有達到它應有的熱度，甚至是偏冷的。對比當年的移動互聯網、自動駕駛這種級別的歷史性機會，熱度遠遠不夠。

具身智能是能真正改變生產力的方向?，F在我們身邊幾乎沒有任何東西能完全靠機器自動生產出來，總有“人手”參與，把指數級發展拉成了線性發展。機器人一旦能自主完成生產，生產力會迎來指數級爆發，這是顛覆性的機會。

媒體：如何看待具身智能的行業拐點？離真正的通用還有多遠？

王潛：行業發展速度遠超大眾直覺。五年前機器人才第一次能隨機抓取物體，之前都是依賴預設軌跡的機器。

物理世界的基礎模型，必須從頭原生訓練。我們要捕捉摩擦、形變、非線性動力學這些精細物理規律，這些是機器人操作交互的核心難點。

真正的“Aha Moment”就在近兩年，會比大家想象的更近。

運營編輯 |曹倩審核｜孟莎莎