中国机器人学会叠衣叠被拉拉链，未来保姆要下岗？

在自变量机器人（X Square）的实验室里，一台仅配备二指夹爪的机器人接到指令——“把杯子放到碟子上”。杯子被倒置时，它竟主动调整姿态，用夹爪“扶正”杯子，精准捏住把手，稳稳放置。整个过程行云流水，甚至能应对杯子意外滑落的突发状况。“那一刻，我鸡皮疙瘩都起来了，仿佛看到了机器人时代的曙光。”蔡伟感慨道。

这个让投资人震撼的场景，背后是自变量机器人自研的全球最大端到端通用具身智能大模型WALL-A。成立仅一年半，这家深圳初创公司已完成7轮融资，累计金额超10亿元，刷新国内具身智能赛道纪录。美团、光速光合、华映资本等头部机构争相押注，看中的正是其“机器人大脑”的颠覆性潜力。

上世纪80年代，人工智能领域提出“莫拉维克悖论”：机器人解微积分易如反掌，却连“打开瓶盖”这种人类本能动作都难以实现。直到2018年，自主抓取技术才勉强突破。传统机器人依赖预设编程或分层模型，面对复杂任务时，犹如“盲人摸象”——感知、决策、执行割裂，导致误差层层累积。

自变量创始人王潜深谙此痛点。这位清华本硕、南加州大学机器人博士，是全球最早在神经网络中引入注意力机制（Transformer核心）的学者之一。2016年，他断言：“端到端一体化模型是唯一出路。”这一路径摒弃分层架构，让机器人从原始感知信号（如视频、传感器数据）直接输出动作指令，减少中间噪声干扰，实现“直觉式”操作。

然而，这一理念曾饱受质疑。一位知名教授曾当面否定：“端到端只是玩具，永远无法落地！”但王潜坚持“孤独前行”。2023年，他回国创立自变量，组建了一支兼具机器人学习与大模型基因的“学霸团队”——CTO王昊是北大博士，曾主导研发国内首个千亿级大模型“姜子牙”。

2024年10月，WALL-A模型横空出世。它像人类一样“举一反三”：未经训练的复杂任务（如叠揉成团的T恤），仅凭基础模型即可完成，成功率超95%。光速光合合伙人朱嘉突击测试时，甚至用超市随机购买的异形杯子“刁难”机器人。尽管动作踉跄，但WALL-A最终成功抓取，展现出惊人的零样本泛化能力。

1. 数据闭环体系：自研数十个数据处理模型与采集设备，低成本获取海量真实场景数据，驱动模型迭代。

2. 软硬一体设计：适配多模态大模型的机器人本体，兼顾开放环境下的精细操作与稳定性。

3. 任务统一训练：所有操作任务由单一模型完成，打破传统“一事一模型”的局限，大幅提升跨任务效率。

王潜坦言，选择回国创业的关键在于“中国供应链优势领先美国一个量级”。以数据采集为例，国内成本仅为美国的1/10。此外，深圳的硬件生态与AI人才储备，为“软硬结合”提供了天然土壤。

眼下，自变量已与泰康合作推出养老机器人“小泰”，能自主冲咖啡、整理衣物，并在大健康博览会上引发围观。王潜预测，人形机器人进入家庭至少还需5-7年，但未来3年内，养老护理、家政服务等场景将率先落地。

高盛预测，2035年全球人形机器人市场规模将达1540亿美元。光速光合、美团等机构押注自变量，正是看中其“定义下一代机器人标准”的潜力。蔡伟直言：“具身智能的终局必是通用大脑+垂直应用，而自变量已卡住技术制高点。”

然而，狂热背后亦有隐忧。机器人伦理、数据安全、成本控制等问题仍需破解。王潜对此清醒：“技术必须服务于人，而非替代人。我们的目标是让机器人成为人类的‘超级助手’，而非竞争者。”

从“叠衣服”到“冲咖啡”，自变量机器人的突围印证了中国在AI与硬件融合赛道的爆发力。当硅谷巨头仍在为“金手铐”困住人才而焦虑时，中国创业者正以“端到端”的硬核创新，叩响机器人时代的大门。或许不久后，我们真能迎来家家拥有“机器人保姆”的那一天——而这，只是中国智造星辰大海的起点。

（文中部分场景描述基于公开采访与Demo展示，数据截至2025年5月）

你愿意让机器人保姆进入家庭吗？欢迎留言分享你的期待与担忧！