人形机器人赛道的融资热度与商业化落地之间的落差正在被放大。2023年成立的自变量机器人，在两年半时间内累计融资超过50亿元，投资方包括美团、阿里、字节跳动、小米等多家产业资本，机构数量超过30家，估值约200亿元人民币。截至目前，该公司尚未形成规模化量产和稳定的销售收入。
自变量机器人联合创始人兼COO杨倩今年早些时候曾透露，公司开年第一个月的出货量已超过上一年总和，并预计全年可达到数亿元订单规模。同期，同样位于深圳、估值约200亿元的竞争对手智平方，已获得近5亿元订单。有消息称自变量已向港交所秘密递表推进IPO，公司方面回应称“并不知情”。
在监管层面对人形机器人企业IPO门槛趋严的背景下，自变量正面临证明自身商业化能力的压力。9月初在港股上市的梅卡曼德创始人邵天兰公开指出，部分机器人企业依靠数采中心、租赁公司等关联交易制造不可持续的收入。与此同时，市场传出监管已向部分投行和投资机构进行非正式窗口指导，拟上市人形机器人企业需证明具备持续性收入、正在减亏，或拥有真正重要的技术创新。
8月12日，自变量在深圳某物流仓库进行了一场约一小时的直播演示。双臂机器人在无人工干预条件下连续分拣随机包裹，实现1816件/小时的效率，准确率超过98％。公司方面将其与美国Figure AI此前公布的1248件/小时成绩进行对比，称拣货效率高出约45.5％，硬件成本降低70％。
不过有行业人士指出，两组数据的统计口径并不对等。Figure AI的试验结果来自长达200小时、多台机器人轮换的平均值，而自变量展示的是一小时的峰值数据。此外，Figure AI使用的是全尺寸人形机器人，自变量采用的则是双机械臂加标准夹爪的方案，后者在标准化物流分拣场景中更为成熟，技术复杂度相对较低。
在进入工业场景之前，自变量还曾尝试拓展家庭服务场景。今年3月，该公司联合58集团在深圳推出机器人上门家政服务，由机器人负责收拾桌面、捡拾垃圾、清理猫砂、协助叠被子，保洁员负责厨卫深度清洁。该服务定价149元，但实际体验反馈显示，机器人叠一件衣服耗时约十分钟，三小时内仅完成鞋柜、餐桌和沙发的整理，存在速度慢、噪音大的问题。公司对参与数据采集的家庭每月最高补贴3000元、单户封顶6000元，本质上是以补贴换取真实家庭场景的数据采集权限。到2026年下半年，该服务已淡出公司宣传口径。
自变量选择的技术路线与传统机器人企业不同，未采用感知、规划、控制模块拼接的方式，而是从成立之初即投入端到端的统一预训练模型研发。2024年底，公司发布第一代“视觉—语言—动作”（VLA）架构模型WALL-A；2026年4月推出被称为全球首个“世界统一模型”（WUM）架构的WALL-B；此后又陆续发布具身智能世界模型WALL-WM、下一尺度自回归世界模型WALL-SS等。
这一路线一旦跑通，机器人将具备跨场景、跨任务的泛化能力，技术护城河较深。但其价值最终取决于能否实现“每进入一个新场景都不需要重新大量采数、重新驻场微调”。若每接一个客户仍需重新采集数据与调试，边际成本无法递减，公司形态将更接近项目制企业而非平台型企业，难以支撑200亿元的估值。
全栈自研意味着模型训练需要海量算力，数据采集依赖真机与真实场景，人才需要顶级薪酬，硬件本体与灵巧手需从零研发，整体周期长、投入高。对于尚未实现规模化营收的自变量而言，资金压力持续存在。为获取真实物理世界数据，该公司在深圳建设了国内首个大规模机器人数据工厂，并推出无本体数采方案，宣称可降低约95％的数据采集成本。
苏商银行特约研究员表示，一家企业如果只有模型能力，没有硬件量产能力，没有稳定的客户订单，没有可持续的收入结构，其估值支撑主要来自资本市场对赛道的预期，而非企业本身的经营成果。随着监管对IPO门槛的收紧和市场情绪的降温，自变量需要在有限时间内证明其技术路线能够转化为可持续的商业收入。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
