連融 4 輪，投資方群星閃耀，自變量估值突破 200 億

今年四月底，自變量機器人才對外宣布完成 B 輪融資，小米戰投領投。當時，這家成立僅僅兩年半的公司，估值早已越過了 100 億元。

然而這對于自變量以及蜂擁而至的投資人來說遠非結束，而是另一段的開始。

愛范兒獲悉，之后的兩個月里，自變量又安靜地連續完成了 B+、B++、C 輪三輪融資，并且悉數完成交割。截至目前，公司投后估值超過 200 億元，成為粵港澳大灣區第一家、也是唯一一家跨過這條線的具身智能公司。

這種節奏放在今天的一級市場不算稀奇，具身智能本來就是 2026 年最不缺錢的賽道。少見的是這幾輪投資方的名單。

錢，涌向一家公司

根據愛范兒了解，自變量成為了國內唯一一家被四家互聯網大廠分別領投過的具身智能公司：此前的 A 輪、A+、A++、B 輪的領投方分別為美團、阿里巴巴、字節跳動、小米。

互聯網大廠出手投硬科技，技術成色是審視重點。四家平時在牌桌上互為對手的公司，罕見地在同一家創業公司身上達成了共識，而且不止投一次，多輪加注：僅小米戰投一家就連著投了三輪，形成了對于自變量機器人的一種判斷。

到了這次的 B+ 到 C 輪，名單進一步鋪開、豪華化。

最重要的新趨勢，是國家隊的入場：國家人工智能產業投資基金、國投創新、中保投資、深投控、江蘇省高投、寶安區引導基金都在其中，國開科創、國科投資等老股東繼續加持，中國移動連著投了兩輪。

與此同時，產業資本也深度參與到自變量近期數輪融資當中：榮耀、奇瑞、沈陽汽車、58 集團、弘信電子這些名字，背后多是汽車、消費電子和本地生活的公司。它們掏錢圖的不只是財務回報，訴求反而更加具體：把具身智能接進自己的產業鏈——比如對于 58 到家來說，是能干家政的機器人，對于車企而言則是能上產線的機器人。

自變量機器人的風險資本支持者還包括紅杉中國、IDG 資本、源碼資本、達晨財智、中金資本、毅達資本等頭部機構。

互聯網巨頭、國家隊、產業資本、頭部 VC，一級市場上這四類錢性格迥異，平時很難湊到一張桌子上。這一次它們湊齊了，投的是同一家公司。

錢，涌向具身行業「最強大腦」

2026 年的具身智能賽道風起云涌，僅在今年一季度，國內具身智能領域就披露了五十多起融資，三十多家創業公司完成融資，同比增長接近六成，是有記錄以來最熱的一個季度。

熱到什么程度？如果你的估值低于 100 億元，恐怕再難被視為「頭部」。

賽道里熱鬧歸熱鬧，錢的確很多，但是開始往少數團隊的賬戶內聚集：這半年陸續跨過百億、甚至兩百億的公司，一只手數得過來：宇樹、銀河通用、智元、星海圖，加上現在的自變量。

強者恒強的馬太效應，已經擺在臺面上。

并且，這幾家走的路徑區別，還是足夠明顯的。

宇樹是本體派。它賣機器狗、賣人形機器人，2025 年就能規模出貨，今年六月 IPO 過會，是這批公司里離二級市場最近的一個。它的估值底下，墊著實打實的出貨量和現金流。

自變量則是站在另一極的「大腦派」。它從成立第一天就只做一件難事：自研具身大模型，走完全端到端的路線。機器人本體、數據采集雖然它也在做，但更多是為了喂養和驗證模型。

為什么資本現在愿意為一家「大腦公司」開出 200 億？因為瓶頸的位置發生了遷移，新的共識正在行業里成形：

機器人的本體技術已經卷到了極限，硬件層面所有人的差距都在縮小，真正決定一臺機器人能不能干活、能干多少種活的，是那顆大腦。本體決定它能做出動作，大腦決定它知不知道該做哪個動作。

資本的焦點，從過去廣撒網押本體，開始定向投注少數的模型領跑者。多種頂級資本在兩個月的時間里齊聚自變量，正是上述行業轉向的側面印證。

自變量 CEO 王潛，清華本碩，是全球較早研究神經網絡注意力機制的人之一，讀博期間在美國頂尖機器人實驗室做具身學習；CTO 王昊是北大計算物理博士，此前在 IDEA 研究院帶封神榜大模型團隊。一個底子在機器人，一個底子在大模型，這家公司從基因里就是「模型優先」。

這家公司也確實按這個路子在交付成果：最近，自變量發布了世界模型 WALL-WM，官方稱是全球第一個能做「事件級」預測的世界模型。別的世界模型按固定時間間隔切畫面，WALL-WM 改用「事件」來對齊畫面、語言和動作，在多項評測里分數壓過 DreamZero 這類同類模型。

今年 4 月，自變量發布了全球第一個基于「世界統一模型（WUM）」架構的具身大模型 WALL-B，把視覺、語言、動作、物理預測塞進同一個網絡里從零聯合訓練，而不像主流 VLA 那樣把幾個現成模塊拼起來。

前不久，自變量還開源了 WALL-OSS-0.5，按官方給的數據，在 17 個真機任務里不做后訓練，光靠預訓練就有 4 個任務自主完成率超過 80%，操作和推理任務上領先 Pi 0.5 這類主流開源模型。

它還自建數據采集工廠、自研數據管線，發布的 XR Zero 數采方案號稱能把訓練數據的采集成本壓到原來的二十分之一。

這些活又苦又重。但具身智能眼下最稀缺的就是真實世界的交互數據，誰的數據管線效率高，誰的模型迭代就快，這是一條難以繞行的艱難且唯一道路。

用更挑剔的眼光看，一家主營業務仍處于試點階段的模型公司，跟已經量產盈利、馬上要上市的宇樹放進同一個估值梯隊，對自變量未必公平，它手里還沒有宇樹那樣的出貨量和現金流。

但這恰恰是這幾輪融資耐人尋味的地方。高質量的頂級資本愿意共同托舉自變量機器人到 200 億元估值，押注的絕非機器人出貨量這種簡單的數字。

它們賭的是這枚大腦能不能從家政、產線這種單一場景繼續生長，最終能夠泛化到它尚未見過的千行百業當中。