200亿元估值已经成了头部具身智能公司的新标杆。最近，自变量机器人连续完成B+、B++和C轮融资，估值突破200亿元人民币，全部交割后估值达到这一水平。就在今年4月，自变量刚完成由小米战投领投的B轮融资，短短两个多月内又拿下三轮重磅融资。投资方阵容包括中国移动、红杉中国、IDG资本、源码资本、达晨财智、中金资本、中保投资等30多家顶级机构，基本都是行业内判断力谨慎、分量十足的资金。能在如此短时间聚集这么多高质量资本，本身就是对自变量技术路线和市场前景的强烈背书。

这一轮融资背后，是市场对具身智能公司定价逻辑的深刻转变。过去两年，行业最容易被看见的是机器人的“身体”：本体、关节、运动控制和供应链。谁能跑起来，谁更吸引眼球。但如今，机器人本体和运动能力正在快速收敛，资本开始看向身体之外的问题：机器人有没有一个足够强、足够通用、足够理解物理世界的“大脑”。自变量被押注，很大程度上是因为它从一开始就把自己定位成一家模型公司。创始团队有大模型背景，他们最早想做的就是“基于具身大模型的通用操作机器人”。今年4月，自变量发布WALL-B，并提出“世界统一模型”WUM架构。与传统VLA模型将视觉、语言、动作模块简单拼接不同，WALL-B将视觉、语言、动作、物理预测等能力放在同一个网络中，从零开始联合训练，试图消除模块之间的边界和数据搬运损耗。这使得WALL-B具备原生多模态、空间推理、物理规律理解和记忆能力，可以在与环境的互动中持续积累经验。

除了WALL-B，自变量今年还发布了两个模型成果。开源模型WALL-OSS-0.5试图回答预训练模型能否在不做大量后训练的情况下直接完成真实任务；WALL-WM则将世界模型从均匀时间采样推进到“事件级预测”，让模型围绕物理世界真正发生变化的节点来对齐语言、视觉和动作。这两个成果说明，自变量在探索具身模型的泛化性来源、模态对齐和世界建模方式上，展示的是一条清晰的技术路线：用统一模型承载视觉、语言、动作和物理预测，再通过预训练、世界模型和事件级预测，不断提升机器人在真实世界里的泛化能力。资本押注的，不只是某一台机器人、某一个场景，甚至也不只是某一个模型版本，而是它能不能率先做出一个足够通用的具身大脑。

当然，具身大脑不是只靠模型架构就能做出来的。和纯软件大模型不同，具身智能最难的地方在于，模型必须真正理解物理世界，而这离不开大规模、高质量的交互数据和基础设施。自变量正在通过数据和Infra建设，把具身大脑的迭代速度拉起来。对于AI从业者和爱好者来说，这一轮融资释放了一个明确信号：具身智能的竞争已从本体硬件转向模型能力，头部公司一旦被认为更有潜力，就会更容易聚集资金，也更容易被重新定价。未来，谁能在“具身大脑”上取得突破，谁就有可能定义这个赛道的新格局。