网易首页 > 网易号 > 正文 申请入驻

自变量的“最强大脑”,真正功夫在水面之下

0
分享至

  撰文| 文烨豪

  编辑| 王 潘

  每隔一段时间,具身智能的叙事就会演变一次。

  去年WRC,话题更多围绕硬件和全身运动控制,而今年,所有人都在谈“大脑”,谈大模型。

  共识渐渐形成了,问题却才刚刚开始。很多厂商都在强调“大脑”,但多数展示却集中于单一场景,通用性存疑。

  自变量是个例外。其展区里,既还原了家庭场景,亦搬来了一条物流分拣产线,同时展示了灵巧手拆快递与无本体数采方案。

  

  家庭服务展区里,自变量机器人好似真人保姆,把取外卖、叠衣服、换垃圾袋,甚至铲猫砂等数十项任务全都揽了下来。

  几步之外,两条机械臂以大约半秒一件的速度,持续分拣形态各异的真实包裹,使包裹以面单朝上的姿态落到传送带上。

  两件事看起来虽毫不相干,但驱动它们的,其实是同一个“大脑”。而一个大脑,凭什么能同时打两场完全不同的仗?它打这两场仗,又是为了什么?

  这或许正是自变量,想在这届WRC上回答的问题。

  不同场景,同一个大脑

  如果说,家庭是高度非结构化的“开放世界”,那么物流则是半结构化的“练兵场”。

  家庭的难,难在几乎没有两件事是重复的。

  每户人家的户型、家具摆放习惯、光照条件等都不一样,小物件位置更是天天在变,且任务又碎又长尾。除了整理柔软衣物、拿饮料、收拾桌面这类常规家务,还要处理拖鞋散落、猫跳上桌这样的意外,没有任何预设规则能穷尽。

  常有人将家庭称为检验机器人通用能力的“终极考场”,道理就在这里。也因如此,家庭里,每天都在产出“没见过、很奇怪”的任务。而这,恰恰是检验模型泛化能力最好的考场。

  换言之,家庭场景现阶段的核心价值,并不是把某一项任务干得多么漂亮。相反,是靠着极致的复杂,逼着模型把能力边界往外推,在动态环境里打磨环境理解、长程执行和常识推理这些通用底层能力。

  

  而物流场景,则恰恰相反。

  尽管其作业环境规整、流程也相对标准,但工况却相当残酷——包裹源源不断,每件大小、重量都不一样,强度极高,尤其考验机器人的快、准、稳。

  在这里,每天滚滚而来的,是海量、高频重复的任务。而这,则能验证模型的调度效率、运动精度与故障容错,以及长时间持续作业的能力。

  两间考场,行业里多数玩家目前只敢闯进一间。有的一头扎进工厂,聚焦相对单一的结构化场景,有的试图一步到位,却经不起产线的算账。更常见的是传统自动化的逻辑,家庭归家庭、物流归物流,模型、数据、硬件各自为战。

  更何况,在任何一个场景里,能够真正进入大规模应用阶段的企业,都是凤毛麟角。

  但事实上,一颗真正的最强大脑,既不能挑活,也得把活干好。

  这亦是自变量和多数同行的分野。若只在家庭里练,模型可能什么都见过一点,但工业场景要求的一致性和精度,很难得到保障;只把机器人送进工厂,模型可能把一类动作练到极致,但遇到没见过的状况,就会“宕机”。

  相比之下,自变量的做法更“贪”,即把两个场景的需求,全部用同一套数据基础设施来满足,使用同一个大脑——家庭那边拓展能力边界,物流这边淬炼工业级性能。而同时啃下这两块最硬的骨头的WALL-B,才配叫“真通用”。

  最强大脑,强在哪?

  作为“最强大脑”,WALL-B背后有着自变量对于行业、技术的独特判断。

  据悉,WALL-B是全球首个基于“世界统一模型”(WUM)架构的具身大模型。

  相较于行业主流的VLA路线,WALL-B把视觉、语言、触觉、动作和物理预测融进同一个神经网络,让机器人理解重力、惯性和摩擦力,能推演一个动作会带来什么状态演化,还具备记忆与持续学习的能力,天生就能跨本体、跨任务、跨场景执行。

  而这,源于自变量的一系列“非共识”选择。

  近日,云启资本管理合伙人陈昱与深渡资本管理合伙人邵予佳的对谈,捅破了具身智能赛道的一层窗户纸——目前行业里充斥着投机者,市面上多数所谓的“大脑”,不过是在Physical Intelligence开源的π0.5模型上做后训练的产物,真正肯在预训练上砸钱的公司凤毛麟角,自变量算是一家。

  自变量创始人兼CEO王潜有一个判断,即具身智能需要的,或许并不是把语言模型或多模态模型搬到物理世界。更具价值的,是一套独立于、平行于数字世界基础模型的、专门服务物理世界的“基础模型”。

  他的参照系是人脑——负责精细操作的脑区规模,几乎和语言、高级思维相当,意味着操作这件事的复杂度不亚于语言本身。更耐人寻味的是,在所有脑区里,唯独负责手部精细操作的皮层,拥有直达脊髓的跨层直连。

  换言之,自变量一直坚持的端到端模型,既符合AI发展中“依赖大规模学习的通用方法长期胜过人工规则”的经验,也能在生物演化中找到对应。也因如此,其主张把各种能力放进同一个“通才”模型中,让模型同时学习动作、视觉、语言和物理规律。

  另一方面,跨本体的泛化能力,则是“大脑”另一重分水岭。

  最强大脑,显然不能拘泥于同一副身体里。

  WRC展台上,WALL-B同时驱动着量子一号和二号人形机器人、机械臂和标准夹爪、灵巧手。插花、拧风扇开关这些精细操作,交给灵巧手;翻包裹这种重复高强度、还得算ROI的活,则交给机械臂与夹爪。

  

  一个简单的例子,今年5月,明星企业Figure AI旗下搭载五指灵巧手的机器人,在一场物流分拣直播中,以1248件/小时的速度,拿下了机器人切入物流场景的标志性一役。

  WRC期间,自变量在海外平台发起了一场充满对标意味的挑战。最终,其两台搭载着标准夹爪的机械臂,在无人介入的情况下,连续作业5小时,实测分拣速度达到1911件/小时。如果说,自变量此前的一小时直播尚可解释为短时峰值能力,那么5小时连续作业跑出的稳定均值,再无争议余地。

  值得一提的是,这场测试还戳破了一个行业惯性,即模型能力不够,就用硬件来凑。灵巧手靠高自由度硬件,就能分担掉大量操作难度;标准夹爪开合自由度有限,几乎全靠模型对物理规律的理解和实时决策硬扛。所以,用更简单、便宜的身体,把活干得更好,本身就是大脑能力的证明——唯有模型足够强,硬件才有资格做减法。

  这也解释了资本市场的下注逻辑。硬件形态或许还会持续迭代,但模型能力是跨形态累积的。而当同一模型按任务调用不同身体,硬件便成为了大脑触达物理世界的“接口”——接口不拘泥于任何一种形态时,留在牌桌中央的正是大脑。

  商业逻辑上,自变量既有以终为始的笃定,亦有沿途下蛋的务实。

  毕竟,技术再前沿,终究也要回答“什么时候能赚钱”。

  家庭是现阶段行业公认的终局,但距离大规模商业化还有距离。今年上半年,自变量机器人开始大规模地进入真实家庭工作,为日后更深度的落地应用打入锚点。

  相比之下,物流分拣的账今天就能算清楚,每小时多少件、准确率多少、替代多少人工、投资回报周期多长,都是B端客户买单的硬指标。

  此外,据王潜透露,自变量从数据采集、模型训练到生产部署打通物流产线只用了约三个月,投资回报率(ROI)已经能满足企业水平,而海外同类场景的投入通常长达两年半。这既说明了自变量预训练模型的强悍,也意味着,基于“最强大脑”,自变量或许已经具备了快速切入、扎根工业场景的能力。

  归根结底,自变量仍在通往物理世界AGI的攀峰路上。但相比一步登天,其选择先沿途铺设营地、架设绳索,用近处能变现的场景,养远处真正想做成的事。

  水面之下的自变量

  WRC上所看到的场景、机器人,不过是自变量不断溢出的涓流;而在水面之下,涌动着一片尚未被探明的深海。

  据王潜透露,自变量的核心竞争力,既来自模型本身,更来自水面之下的模型架构、数据管线与Infra,以及组织管理等部分。

  以数据为例。现阶段,很多厂商将数据视为石油这样的标准化大宗商品,开采出来就能用。但在王潜看来,具身数据更像极度复杂的工业品,需要被定义、采集、判别、处理,再根据模型效果反复迭代:“做一个很好的数据,复杂程度比做一个很好的模型要高很多。”

  另一方面,语言模型和视频模型的数据可以从互联网廉价抓取,具身模型却没有这条捷径——真机、UMI、Ego-centric等数据,都要靠人力和时间堆出来,采到足以支撑基础训练的规模,周期往往拉得很长。这既是多数团队知难而退、转向后训练的一大原因,亦是预训练的门槛所在。

  据悉,自变量坚持使用高质量的、包含真实物理交互的数据。但具身数采的难点往往不是“采不到”,是“采了用不起来”——市面上很多所谓的数采设备,本质上只是几组摄像头和传感器拼凑的产物,采完的数据还得专门清洗、标注、对齐,数据生产与模型训练是割裂的两段。最后发现,可用的数据少之又少,大几十万小时的数据最后可用的只有十几万小时。

  自变量的解法是,将所有链路合为一条闭环。为此,其自研了包括采集硬件、数据清洗、训练评测等维度的完整数据管线。

  早在2024年,自变量便建起首个大规模数采工厂;今年,其又推出了Quanxta Zero无本体数采方案,用定位头环加智能双夹爪实现全身移动采集,定位毫米级,视觉、触觉、听觉等多模态时间同步精度约1毫秒。数据上传云端后,自动完成时间戳对齐、清洗、智能标注与人机协同质检,再流入模型训练环节。

  这是一个自转的数据飞轮,亦是目前全球唯一跑通“数据采集—数据处理—模型训练”完整闭环的数采产品。据悉,基于这整套数采链路,自变量使用10%的遥操作或真机数据,再配合90%的无本体数据,可以达到100%真机数据基线的训练水平,数据成本降低90%。

  而这,亦开辟了模型厂反向定义数采的方法论——不是先采一堆数据,再看能否发挥价值,而先判断模型需要什么,再定义采什么,从而替自己、也替行业迈过数据这道坎。

  再往下一层是Infra。

  数据规模一旦上来,瓶颈就不在模型本身。语言模型的训练效率高度依赖底层基础设施,DeepSeek的突破,很大程度上正是Infra层的胜利。

  而具身智能迟早要撞上同一堵墙,而且墙或许会更高。毕竟其在分布式训练、优化器和通信系统之外,还多了大规模机器人集群,硬件的通信、时钟同步、训练与真机运行之间的数据衔接都需要单独处理。

  为此,自变量开源了分布式DMuon优化器。Muon是当前深度学习领域公认表现最好的优化器之一,但原有方案的通信带宽比经典AdamW高出约50%;而自变量通过分布式改进,把这部分额外开销去掉,同时获得约30%的收敛速度增益。

  在王潜看来,这一贡献并不限于具身领域,整个语言模型领域也会受益,下一个版本的语言模型很可能就由这类优化器训练出来。

  此外,自变量在今年6月,推出跨模态具身动作分词器X-Tokenizer;在8月初,发布并开源单样本学习框架HOST。

  这些开源项目只是自变量Infra体系的一部分。

  从4月到6月短短两个月内,自变量还连续发布了三个具身大模型,包括世界统一模型架构WALL-B、开源VLA模型WALL-OSS-0.5以及开源世界模型WALL-WM,三个模型均达到世界领先水平。自变量“敢于”不断开源的背后,一方面体现出其AI Infra体系建设的成果,另一方面可窥知其手里一定还有更“硬核”的技术。

  即便模型会迭代,技术范式会更迭,但Infra能力却能穿越周期,成为长期的护城河。

  因此,纵使具身智能仍有诸多技术路线尚未收敛,但手握“最强大脑”、全栈功力极深的自变量,显然已经为终局攒下了一笔厚实的筹码。

  

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
同样是打腊子口,中央红军绝境赌命,红四方面军为何轻松破关

同样是打腊子口,中央红军绝境赌命,红四方面军为何轻松破关

孙缡北漂拍客
2026-11-18 19:56:56
SpaceX美股盘前跌幅扩大至5%

SpaceX美股盘前跌幅扩大至5%

每日经济新闻
2026-11-20 20:09:07
U17国足争议判罚!邝兆镭拉人送点,FVS挑战失败,名记开炮

U17国足争议判罚!邝兆镭拉人送点,FVS挑战失败,名记开炮

奥拜尔
2026-11-20 22:47:03
《伟大的长征》里最败笔的选角,把陈赓大将演成了混混,毫无军人气质!

《伟大的长征》里最败笔的选角,把陈赓大将演成了混混,毫无军人气质!

娱乐故事
2026-11-19 23:25:20
3-0荡气回肠!男单爆大冷!就在刚刚,WTT星球赛:21岁陈垣宇淘汰日乒世界冠军!国乒男单再破8强魔咒!林诗栋迎利好

3-0荡气回肠!男单爆大冷!就在刚刚,WTT星球赛:21岁陈垣宇淘汰日乒世界冠军!国乒男单再破8强魔咒!林诗栋迎利好

篮球热嗖
2026-11-20 19:03:39
领跑全联盟!火箭目前抽中状元概率高达18.8% 美媒看好斯托克斯

领跑全联盟!火箭目前抽中状元概率高达18.8% 美媒看好斯托克斯

罗说NBA
2026-11-20 07:13:18
接连打破纪录!速度滑冰世界杯日本站:廉子文宁忠岩摘金夺银

接连打破纪录!速度滑冰世界杯日本站:廉子文宁忠岩摘金夺银

全景体育V
2026-11-20 15:36:53
台湾前参谋总长李喜明曾在台湾一档节目中说,别以为大陆不敢对台动武,他认为这种可能性是存在的

台湾前参谋总长李喜明曾在台湾一档节目中说,别以为大陆不敢对台动武,他认为这种可能性是存在的

人生录
2026-10-31 00:55:04
兹维列夫脚踝出现伤情!ATP总决赛四强已出3席,阿卡轻伤不下火线

兹维列夫脚踝出现伤情!ATP总决赛四强已出3席,阿卡轻伤不下火线

排球黄金眼
2026-11-20 08:58:27
半场21分!赛季最佳一战,终于打出来了,杨瀚森危险了……

半场21分!赛季最佳一战,终于打出来了,杨瀚森危险了……

体育新角度
2026-11-20 18:56:20
泰山冬窗引援思路曝光!300万薪资空间这么花,斯帅的惊喜要来了

泰山冬窗引援思路曝光!300万薪资空间这么花,斯帅的惊喜要来了

体坛小鹏
2026-11-20 20:11:36
80年NBA绝无仅有,19岁弗拉格又创纪录,二年级已是巨星

80年NBA绝无仅有,19岁弗拉格又创纪录,二年级已是巨星

大西体育
2026-11-19 15:20:30
3年套现15亿?和17家公司完成切割,如今隐居上海,自称全职妈妈

3年套现15亿?和17家公司完成切割,如今隐居上海,自称全职妈妈

墨策讲历史
2026-11-18 23:11:36
宋庆龄一辈子没有生养,1981年法医对她的遗体进行解剖检查,这才揭开了她心底最痛苦的隐情

宋庆龄一辈子没有生养,1981年法医对她的遗体进行解剖检查,这才揭开了她心底最痛苦的隐情

扶苏聊历史
2026-11-12 18:31:31
APEC峰会谈芯片断供,董明珠:没有自己的芯,巨头也纯是替人打工

APEC峰会谈芯片断供,董明珠:没有自己的芯,巨头也纯是替人打工

哄动一时啊
2026-11-20 09:55:29
普京在深圳说的六句话,句句有分量,最后一句最耐人寻味

普京在深圳说的六句话,句句有分量,最后一句最耐人寻味

林子说事
2026-11-20 00:34:09
江浙沪,被托举的一代开始崩溃了

江浙沪,被托举的一代开始崩溃了

二胡的岁月如歌
2026-11-20 22:12:12
又一部高颜值韩剧,狗血又上头

又一部高颜值韩剧,狗血又上头

来看美剧
2026-11-20 22:11:13
450亿援乌贷款,还款条件写着“等俄罗斯赔钱”:四国当场掀桌,默茨翻脸了

450亿援乌贷款,还款条件写着“等俄罗斯赔钱”:四国当场掀桌,默茨翻脸了

浯江孤舟
2026-11-20 15:21:39
刘涛峨眉素颜爬山被拍,不粉黛没替身引猜测,这底气究竟多足

刘涛峨眉素颜爬山被拍,不粉黛没替身引猜测,这底气究竟多足

情感大头说说
2026-11-20 12:54:13
2026-11-20 23:00:49
光子星球 incentive-icons
光子星球
细微之处,看见未来!
1702文章数 2159关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

时尚
本地
家居
手机
旅游

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

本地新闻

乌兰察布:以前种土豆,现在种Token

家居要闻

2026建博会(广州) 公装联探展交流活动

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

无障碍浏览 进入关怀版