李力耘加入众擎，全栈智驾大脑与顶级人形本体的双向奔赴
上周末，人形机械人在马拉松上的精彩体现，让外界叹息一年时间具身智能的高速进化。但关于公共来说，除了舞蹈、打拳和跑步，何时能够走进家庭，才是最为体贴的事情。" 我们和赛马拉松的机械人，是两个完全差别的赛道 "，自变量 CEO 王潜指出，" 他们更偏硬件，但着实中国硬件供应链没有恒久壁垒。我们做的是‘基础模子 + 软硬一体’全链路，更像大模子逻辑，只是多了硬件载体。"就在前几日，自变量宣布完成了由小米战投领投的 B 轮融资。至此，其也成为海内唯逐一家同时拿到字节、美团、阿里以及小米四家大厂投资的具身智能公司。凭证果真信息显示，自建设以来，自变量在不到三年的时间里，已经完成了 13 轮融资。在王潜看来，比照昔时的移动互联网、自动驾驶这种级别的历史性机会，这个赛道还没有抵达它应有的热度，甚至是偏冷的。而在宣布完成 B 轮融资的同时，在商业化路径上，自变量也给出了一个新的路径，一个月后的机械人，将搭载新一代自研具身智能基础模子 WALL-B，入驻真实家庭。" 实验室里的工具，必需和真实天下碰撞。先把手艺做到‘ Aha Moment ’，再谈大模子变现，逻辑没变。WALL-B 照旧一个处在婴儿时期的实习生，我们在做的事情很简朴，焦点是为了让一个硅基智能体学会在你的家里生涯。"硬件到位，大脑没有跟上具身智能的商业化元年，若是说已往各人还能依附着 PPT 去讲故事融资，那么今年则将成为分水岭，不但要去说服投资人，更要去说服市场，去举行商业化落地。场景，作为嫁接手艺与工业的焦点枢纽，正成为推动具身智能落地的要害突破口。从目今的应用来看，大都具身智能机械人仍在舞蹈、打拳这些有些审美疲劳的场景施展，更多的惊喜也仅限于能够做出更酷炫的行动，或者是跑得更快。" 看起来很酷，视觉攻击力强，但它着实不知道自己在做什么。" 王潜直指目今频勺嫦妊的人形机械人的痛点，" 实质上它们着实都是下令行机械人，绝大部分是有背后� ？夭僮鞯�。这很正常，并且它也是机械人生长必需履历的历程。"至于在工业场景中，看似规�；挠τ�，背后也并没有真正施展出具身智能应有的价值。在王潜看来，真正的智能机械人难点不在于简单行动的重复，而在于能不可在随机情形下做出新的、没有被训练过的行动，家庭场景才是具身智能真正的 " 科场 "。" 机械人在工厂和在家里完全是两件事，这是两个极端场景。工厂里一个行动重复一万次，每次都一样。家庭里一万个行动，可能每个做一次，每次都纷歧样。现在全球没有任何一台机械人可以在无� ？夭僮鞯那樾蜗伦粤ν瓿伤婊⑺槠⒁恢弊涑【爸械淖酆险硎姑�。"当下，机械人的硬件已经到位，双足、灵巧手、力控枢纽都很好，焦点的问题就在于大脑没有跟上。关于重大多变的家庭场景来说，对机械人不是简单能力的磨练，而是必需要像人一样去明确真实的天下。值得注重的是，在对自身的界说上，王潜一直在强调一件事，那就是区别于赛马和舞蹈的机械人，自变量与做语言模子的公司距离更近。从建设的第一天最先，就在做一件事，即端到端的具身智能基础模子，就是给机械人造一个真正的大脑，并且能够直接控制行动。" 我们做的实质是手艺模子，它是一个系统性壁垒，不但在简单维度。例如 OpenAI 昔时领先 Google 约两年，我以为在机械人领域这个时间窗口会更长，可能凌驾三年。"用天下统一模子，从 0 训练一个原生大脑物理天下模子的挑战是奇异的，不但需要处置惩罚动态视觉、2D 到 3D 的推理，还要应对物理交互中的重大随机性，这些在数字天下模子中从未遇到过。在 2024 年年底，自变量曾宣布了基于 VLA（视觉 - 语言 - 行动）架构的第一代具身基础模子 WALL-A，25 年 9 月，将同样思绪架构下的轻量化模子版本 WALL-OSS 开源。可是，在现实家庭场景的应用中，自变量发明了原有架构的限制，数据在视觉、语言、行动这三个� ？橹渲鸺蹲�，每经由一次� ？榻缦呔突岜⑿畔⑾暮脱映�。" 更基础的问题在于，VLA 模子只能模拟训练数据中的轨迹，无法真正明确物理天下的纪律。它不明确杯子为什么会掉，不明确为什么盘子悬在桌边需要推回去。它只是在重复见过的工具。" 自变量 CTO 王昊说道。而关于目今业界的主流蹊径，王潜以为都有问题，称它们并非为物理交互使命而生，实质上照旧在贴标签。在全新的认知系统下，自变量在日前推出了自研具身智能基础模子 WALL-B，既不是古板意义的天下模子，也是 VLA，而是被称之为天下统一模子架构（World Unified Model，WUM） 的具身智能基础模子。为了利便明确，王昊将 WUM 类比于 Apple Silicon 的统一内存架构，苹果通过统一内存架构让所有处置惩罚单位共享统一块内存，WUM 则将视觉、语言、行动、物理展望等所有能力，放在统一个网络中从零最先团结训练，消除� ？榧涞慕缦吆褪莅嵩讼�。王昊指出，基于这一架构，WALL-B 实现了三项区别于行业现有模子的焦点手艺特征：第一，原生多模态，模子具备 " 原生本体感 " 的能力；第二，物理天下的 " 天下观 "。 WALL-B 能够感知并展望重力、惯性、摩擦力、速率等基本物理纪律，在任何一个它从未去过的家庭中，都能使用对基本物理知识的明确来应对新场景，不需要针对每个家庭重新训练；第三，与天下交互并自我进化。它在失败后会调解战略再次实验，若是乐成，则将这次乐成的履历直接更新到模子参数中。这种机制使模子在真真相形中完成自我迭代，无需工程师重新训练、无需人工注入新数据、无需返回实验室。" 想要跨越这个感知明确的鸿沟，必需学会像人一样去明确这个天下。我们必需做原生模子，重新训练，以捕获物理天下的重大纪律。继续已有模子，会在语义明确、物理纪律明确上保存问题。"入驻真实家庭，"Aha Moment" 很快到来物理天下的基础模子，必需重新原生训练，这是自变量想要转达出的信息。与此同时，王潜以为，行业生长速率远超公共直觉，真正的 "Aha Moment" 就在近两年，会比各人想象的更近。在宣布了全新的模子后，自变量的商业化落地时间表也已经明确，5 月，新一代搭载 WALL-B 的机械人将入驻真实家庭。关于家庭场景的特殊性，上文已经提及，相关数据也指出，家务是重大的未被知足的市场，或许占整体 GDP 的 20%，是重大的隐性经济。只是，差别于大都厂商的商业逻辑，自变量选择在现实场景中去提升能力，而非先在实验室训练完善后再推向市场。对此，王潜则体现，手艺依旧是第一性，现阶段商业化也是为手艺突破服务。在自变量的判断下，数据是这个行业最大的神秘。现在，行业内大大都训练模子的数据来自实验室，这类 " 糖水数据 " 清洁、可控、量大，但与真实天下差别显著。王昊指出，用这类数据训练出的模子，在真真相形中会迅速失效。真实家庭情形中收罗的嘈杂、多变、充满随机性的 " 牛奶数据 "，是自变量选择的数据蹊径。" 家庭是最高质量、最开放的数据场景，不进家庭，就不知道物理限制和模子误差。实验室里的工具，必需和真实天下碰撞，商业化是最高效的路径，希望在 2-3 年内，实现物理天下的‘ Aha moment ’。"以实验数据打底，真实场景提质，这是自变量在未来要做的事情。虽然，从理论上来看，自变量机械人可以处置惩罚家庭中的各项使命，但作为 " 实习生 "，现阶段一定是不完善的，卡壳、执行过失以及效率等都是会遇到的问题以及挑战，须要时照旧需要人举行远程兜底羁系，以包管清静。不怕使命失败，也不怕目今的效率低，更主要的是是否能通过每一次的履历数据去变得更智慧。公共可以容忍机械人一最先的踉踉跄跄，但不会永远一个实习生一连性犯过失，这是自变量接下来需要给市场交出的答卷。（文 | 志读科技，作者 | 杜志强，编辑 | 杨林）