自变量机器人秘密递表：200亿之后，具身智能开始争夺“模型定价权”

8月6日，钛媒体报道称，自变量机器人已向港交所秘密提交上市申请，第三代机器人计划今年第四季度发布。这家公司2023年12月才成立，上市时间表已经很快，资本动作更密集。今年4月完成B轮融资后，自变量在两个多月内又接连完成B+、B++和C轮，四轮资金均已交割，投后估值超过200亿元。美团、阿里、字节、小米分别出现在A轮、A+轮、A++轮和B轮融资中；今年1月A++轮融资10亿元，4月B轮接近20亿元。

放在2026年的具身智能行业里，自变量递表的意义不止是“又多了一家准备上市的机器人公司”。宇树已用17亿元年收入和盈利证明，机器人本体可以成为一门生意；智元3月底宣布第1万台通用具身机器人下线；乐聚则带着2025年2.58亿元收入申请创业板上市。自变量选的路线更偏模型、数据与本体的协同，希望用端到端具身基础模型，让同一套智能能力跨任务、跨场景迁移。资本给到了200亿元估值，接下来要看技术能力与经营结果之间能否真正接上。

大模型有语言，但缺少触碰物理世界的经验；机器人有身体，但需要理解物体、空间、动作和因果。具身智能的竞争，最终会落在谁能让身体获得经验，再把经验沉淀成可复用的模型能力。

具身智能进入规模化验证期，模型公司与本体公司的商业路径开始分化

2026年的人形机器人行业已经出现分层。据天眼查，TrendForce预计，中国人形机器人全年产量同比增长94%，宇树和智元合计可能拿走近八成份额，并将下半年定义为商业化关键阶段（以上为机构预测，尚未成为实际统计结果）。行业关注点正从动作展示转向真实价值：能否稳定生产、持续部署、控制成本，并在客户场景中产生可重复收入。

宇树提供了一个很直观的样本。公司8月6日确定科创板IPO发行价150.8元，对应估值约610亿元；2025年收入17亿元，人形机器人贡献8.678亿元。进入2026年一季度，收入继续增长68.5%，但剔除一次性项目后利润下降52.6%，研发和销售投入开始侵蚀利润。规模做大以后，机器人公司要面对的仍然是制造业最朴素的问题：产品、成本、研发效率和渠道投入，最终都要在利润上见分晓。

乐聚是另一组参照。公司2025年收入2.58亿元，其中夸父系列全尺寸人形机器人收入1.78亿元；最近一次融资投后估值43.27亿元。即便适用未盈利企业上市的创业板第四套标准，收入规模、增速和研发投入，照样要写进招股书。

自变量目前还缺少同等颗粒度的公开财务信息。招股书尚未出现，外界无法验证收入、毛利率、客户集中度、经营现金流和订单规模。这个空白反而抬高了后续披露的重要性。200亿元投后估值来自融资环节的企业披露，并非交易所审计值，它体现了资本对技术路线、团队和产业位置的认可，但上市审核和公开披露还要回答一个更具体的问题：模型能力最终是通过本体销售、解决方案、软件服务，还是其他收入形态来兑现。

具身智能正分化出两条路。宇树、智元靠量产和交付建立规模优势；自变量想把竞争再往上抬一层——如果机器人本体逐渐标准化，模型能不能变成产业链中更难复制的一层资产。

全栈自研的含金量，最终取决于模型能否跨机器人、跨场景复用

自变量的差异化首先体现在技术路线。公司官网将自己定位为国内较早采用完全端到端路径开发通用具身智能大模型的企业之一。4月发布WALL-E，采用“世界统一模型”架构，把视觉、语言、动作和物理预测放入同一网络联合训练；5月开源WALL-OSS-0.5并发布世界模型WALL-WM；6月推出无本体数据采集与训练系统XR Zero-G0，以及跨模态动作分词器X-Tokenizer。

把这些产品放在一起看，比单独强调某个模型指标更有信息量。语言模型可以从互联网获得海量文本，但机器人学习物理世界，必须处理摩擦、重量、遮挡、空间距离、形变乃至操作失败。压力集中到一点：高质量真实数据昂贵，采集速度又远低于文本数据。

自变量正试图降低这部分成本。它对外披露，XR Zero-G0无本体数采方案可降低约95%的数据采集成本；X-Tokenizer内部测试结果显示，多模态对齐能力提升13.5%，长程任务性能提升8.25%。这些仍是实验室数据，离商业化落地还有距离，但技术方向很明确：用更低成本的数据扩大训练规模，再让同一套模型适配更多机器人和任务。

这也让四家科技公司连续入股的看点更清晰。美团、阿里、字节、小米分别拥有本地生活、电商物流、大模型、消费终端与智能硬件等产业资源。股权关系不能直接换算成订单，可对于一家依赖真实数据与复杂场景训练的公司，产业股东能提供的潜在价值，显然不止于资金支持。

自变量同时开发模型、本体、灵巧手和数采系统，这种全栈路线意味着更重的研发负担。好处是软硬件同步迭代：模型围绕本体优化，本体也能围绕模型重新设计；压力落在量产、供应链、质量控制和售后服务等制造环节上。

全栈自研本身不会自动变成壁垒。能减少新任务的训练数据、压缩部署周期、降低交付成本，全栈体系才会产生经济价值。如果每增加一个客户，仍需大批工程师重新调试，技术复杂度最终只会变成费用。这可能是自变量未来基本面最值得追踪的一条线。

第三代机器人承担的任务，是把模型能力翻译成客户愿意持续付费的生产力

钛媒体报道还给出一个时间点：自变量第三代机器人计划第四季度发布（信息来自采访，属于产品规划，尚未落地）。这个节点重要，是因为行业评价体系已明显改变。

智元第1万台通用具身机器人下线后，规模制造能力进入头部公司竞争指标；宇树最新财务数据进一步说明，销量增长之后，研发费用、销售投入和经营效率很快成为新的基本面变量。TrendForce也将盈利能力以及“规模量产+场景部署”，视为筛选下一阶段头部公司的两个重要维度。

自变量官网显示，目前产品面向家居服务、科研教育、商业清洁和物流分拣，公司还披露业务逐步进入工业制造、物流、养老和家居领域。行业媒体称，其模型正落地家庭服务场景与汽车零部件产线；人民网5月报道了家庭保洁人机协作相关项目。

接下来更有价值的信息，是付费客户数量、重复采购、机器人利用率、故障率、部署人员投入和单位交付成本。这些数字尚无可靠公开披露，也是未来招股文件里最值得看的部分。

第三代产品还承担一项更长期的验证：模型路线能否降低“增加一个新场景”的边际成本。传统工业机器人高度依赖编程、调试和场景工程，项目增加往往意味着实施人员同步增加。如果通用具身模型能靠预训练能力和少量适配就进入新环境，收入扩张才有机会摆脱人力的线性增长，进而改善毛利率、组织效率和现金流质量。

这背后可能隐藏一次利润重新分配。中国机器人本体、关节、传感器和制造体系正快速成熟，硬件成本下降速度可能快于通用模型开发成本。能跨本体、跨任务复用的智能能力，将获得更高的产业稀缺性。自变量200亿元估值所对应的想象空间，本质上就建立在这一判断之上。

风险也同样来自这里。模型如果无法显著提高泛化能力，或者真实场景仍需大量针对性训练，自变量最终面对的商业模式，仍然接近机器人系统集成商。届时研发投入、项目交付和售后成本都会持续压制经营效率。模型路线走得越远，对商业化能力的要求就越高。

真实世界里的机器人，无法靠一次软件升级解决可靠性、供应链、数据和客户信任问题。完成一次复杂任务可以证明技术可能性；连续工作数千次依然稳定，才能证明商业价值。梅洛-庞蒂强调身体让人进入世界；具身智能产业正在补上另一半命题：身体获得经验以后，经验能否形成可复制、可规模化的生产力。

自变量已经把模型、数据、本体和资本拼到同一张图上。第三代机器人以及未来公开的经营数据，将检验这几个环节能否形成闭环。这也是整个行业接下来的方向。中国机器人制造能力在快速成熟，单靠本体参数拉开差距会越来越难；模型泛化能力、真实数据获取效率、部署成本和客户复购，可能成为更持久的壁垒。下一批高价值具身智能公司，需要证明的不再是机器人能做多漂亮的动作，而是每一次动作，最终能否产生可以持续计价的经济价值。