每經(jīng)記者｜趙雯琪    每經(jīng)編輯｜張益銘    

全球具身智能產(chǎn)業(yè)走到了技術(shù)路線與商業(yè)化的雙重十字路口。

5月29日，自變量機(jī)器人發(fā)布全球首個(gè)具備“事件級預(yù)測能力”的世界模型WALL-WM，這意味著，具身智能開始跳出沿用數(shù)十年的“按時(shí)間均勻采樣”傳統(tǒng)范式，首次將現(xiàn)實(shí)中的“事件”作為世界模型的基本思考單位。

《每日經(jīng)濟(jì)新聞》記者從官方介紹了解到，該模型不再機(jī)械預(yù)測每一幀畫面，而是自主判斷關(guān)鍵瞬間，以抓取、歸置等語義事件為預(yù)測單元，省去大量無效推演，讓機(jī)器人擁有類似人類“抓重點(diǎn)”的思考模式。

值得一提的是，自變量在今年4月底剛完成近20億元B輪融資，由小米戰(zhàn)投與紅杉中國聯(lián)合領(lǐng)投，自變量也成為國內(nèi)唯一同時(shí)獲字節(jié)跳動(dòng)、美團(tuán)、阿里巴巴、小米四家互聯(lián)網(wǎng)巨頭投資的具身智能企業(yè)。

天使投資人、資深人工智能專家郭濤在接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，WALL-WM的核心是圍繞語義事件重構(gòu)具身智能推理邏輯，依托事件的通用語義抽象屬性，大幅提升跨物體、跨場景泛化能力。此次技術(shù)突破將加速機(jī)器人從實(shí)驗(yàn)室原型走向規(guī)?；逃谩?/p>

技術(shù)路線大洗牌：從“模仿軌跡”到“理解事件”

過去三年，VLA（視覺—語言—?jiǎng)幼鳎┘軜?gòu)是全球具身智能領(lǐng)域的絕對主流，但隨著機(jī)器人真機(jī)部署規(guī)模擴(kuò)大，VLA的結(jié)構(gòu)性缺陷日益凸顯。

自變量團(tuán)隊(duì)指出，文本、視覺、動(dòng)作本質(zhì)上不在同一流形：文本是低熵離散語義，視覺是高維連續(xù)觀測流，動(dòng)作受物理約束，三者既不共享空間鄰域也不共享時(shí)間尺度，直接聯(lián)合優(yōu)化會嚴(yán)重?fù)p耗視頻基礎(chǔ)模型的先驗(yàn)?zāi)芰?。這也解釋了為何多數(shù)VLA在實(shí)驗(yàn)室演示亮眼，真機(jī)表現(xiàn)卻大打折扣。此外，傳統(tǒng)VLA只能模仿訓(xùn)練數(shù)據(jù)中的軌跡，無法真正理解物理規(guī)律，不知道杯子為何會掉落、盤子懸在桌邊會摔碎。

據(jù)官方介紹，此次自變量機(jī)器人WALL-WM的突破在于，它在世界模型基礎(chǔ)上徹底拋棄了“固定時(shí)間長度動(dòng)作塊”的人為定義，提出“以動(dòng)作為中心的語義事件”作為最小學(xué)習(xí)單元。伸手、抓取、提起等連貫行為片段，既能被語言精確描述，也能被視頻覆蓋和動(dòng)作執(zhí)行，成為連接三種模態(tài)的天然樞紐。這讓模型從“指令→動(dòng)作”的反應(yīng)式映射，升級為“理解事件→預(yù)測物理演化→執(zhí)行動(dòng)作”的主動(dòng)式推理。

此外，WALL-WM支持同一套權(quán)重下的事件模式與統(tǒng)一模式切換，無需重訓(xùn)即可適配“配合高層規(guī)劃器”和“端到端獨(dú)立閉環(huán)”兩種場景。實(shí)驗(yàn)數(shù)據(jù)顯示，其在具身視頻生成、3D感知及真機(jī)Core15 L1基準(zhǔn)測試中均領(lǐng)先同類產(chǎn)品，尤其在抽象指令場景下表現(xiàn)突出。

對此，郭濤分析，WALL-WM模型最核心的特質(zhì)，是圍繞語義事件重構(gòu)整套具身智能推理邏輯。它跳出行業(yè)主流的固定時(shí)間幀預(yù)測范式，以抓取、歸置、抬放等關(guān)鍵語義事件作為基礎(chǔ)預(yù)測單元，省去大量無關(guān)中間幀推演，使機(jī)器人復(fù)刻人類抓核心目標(biāo)的思考模式。

行業(yè)競爭新階段：頭部企業(yè)加速規(guī)?；逃酶偁?/h2>

可以看到，全球具身智能正處于從技術(shù)驗(yàn)證向規(guī)?；逃每缭降年P(guān)鍵拐點(diǎn)。

TrendForce集邦咨詢數(shù)據(jù)顯示，2026年下半年全球人形機(jī)器人產(chǎn)業(yè)將進(jìn)入商業(yè)化關(guān)鍵期，全年中國人形機(jī)器人產(chǎn)量預(yù)計(jì)同比增長94%。資本層面，2026年以來國內(nèi)具身智能領(lǐng)域投資總額已超2025年全年，單筆10億元以上融資達(dá)10起，資金從整機(jī)向全產(chǎn)業(yè)鏈滲透，上游零部件、中游具身大腦、下游RaaS（機(jī)器人即服務(wù)）平臺均獲大額注資。

頭部企業(yè)也加速上市和商業(yè)化落地。宇樹科技將于6月1日沖刺科創(chuàng)板“人形機(jī)器人第一股”，2025年實(shí)現(xiàn)營收17億元、凈利潤6億元；智元啟動(dòng)赴港IPO（首次公開募股），并通過拆分戰(zhàn)略半年內(nèi)誕生兩家獨(dú)角獸。國際市場上，特斯拉Optimus Gen-3已在上海超級工廠部署量產(chǎn)；Figure AI則不間斷直播3個(gè)機(jī)器人在200個(gè)小時(shí)累計(jì)分揀包裹突破24.9萬件，接近人類熟練工的水平。

在激烈競爭中，自變量憑借獨(dú)特的技術(shù)路線和資本優(yōu)勢躋身第一梯隊(duì)。其“一輪一個(gè)巨頭”的融資路徑備受關(guān)注：A輪美團(tuán)、A+輪阿里、A++輪字節(jié)、B輪小米與紅杉，累計(jì)融資額超30億元。同時(shí)自變量也聯(lián)合58同城探索機(jī)器人上門做家務(wù)的落地場景。

“為什么能夠吸引這些大廠投資？我很難給出一個(gè)行業(yè)通用性的回答?！弊宰兞繖C(jī)器人創(chuàng)始人兼CEO（首席執(zhí)行官）王潛此前在接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)坦言，“所有這些投資人投我們的邏輯，其實(shí)非常簡單，就是投技術(shù)上的領(lǐng)先性。這幾家大廠也在做大模型，應(yīng)該是全世界做大模型最好的幾家公司之一，他們自己的技術(shù)判斷力很強(qiáng)，他們需要投某種意義上的技術(shù)第一性、技術(shù)驅(qū)動(dòng)的事情?！?/p>

展望未來，郭濤表示，具身智能行業(yè)已經(jīng)呈現(xiàn)四大明確趨勢：一是真實(shí)場景泛化能力成為核心競爭錨點(diǎn)，實(shí)驗(yàn)室演示型產(chǎn)品將逐步被淘汰；二是高質(zhì)量多維度數(shù)據(jù)集與精細(xì)化處理體系構(gòu)筑長期壁壘，直接決定模型迭代上限；三是AI（人工智能）大模型、機(jī)器人控制、多目傳感、三維幾何等多學(xué)科深度融合成為必然；四是商業(yè)化進(jìn)程加速，應(yīng)用場景從家用向工業(yè)、醫(yī)療等領(lǐng)域延伸，大廠自研團(tuán)隊(duì)與垂直技術(shù)企業(yè)的競合將更加常態(tài)化。

王潛此前表示，當(dāng)前具身機(jī)器人的硬件已基本成熟，核心瓶頸在數(shù)據(jù)和技術(shù)?！拔覀兿Ｍ?至3年里，實(shí)現(xiàn)物理世界的Aha Moment（頓悟時(shí)刻），就像當(dāng)年ChatGPT帶來的變革一樣。”在他看來，機(jī)器人進(jìn)入家庭的速度將超出市場預(yù)期，具身智能的爆發(fā)點(diǎn)已近在眼前。

封面圖片來源：每經(jīng)媒資庫