作者 | 碧山

来源 | 具身投研圈

8 月 12 日下午两点，深圳顺丰的一座仓库里，一台装着两条机械臂和一副夹爪的机器人，开始对着传送带上不断涌来的包裹伸出手。

没有人在旁边遥控，也没有人提前告诉它下一个包裹长什么样。纸箱、软袋、衣物包裹，大小、形状、材质、重量完全随机。机器人要做的，是把它们抓起来，把面单调整到能被后续设备识别的位置，再放回传送带。一个小时后，直播结束，成绩定格在 1816 件，准确率超过 98%，平均不到两秒一件。

这个数字超过了美国具身智能企业 Figure AI 此前公开展示的 1248 件 / 小时，效率提升约 45%。据自变量内部估算，这套系统的成本只有 Figure 方案的三成左右——它用的是双机械臂加夹爪，而不是人形本体加五指灵巧手，硬件成本下降了约 70%。

把这场直播的成绩单拆开看，真正值得琢磨的不是 1816 件这个数字，而是完成它的方式，以及它没能证明的东西。

01

一小时和两百小时，是两种验证

同样是一场分拣直播，Figure AI 今年 5 月在美国做过一次，时长不是一小时，是两百小时。

从 5 月 13 日到 21 日，多台搭载 Helix 02 系统的 Figure 03 机器人轮换上岗，累计分拣约 24.9 万件包裹，平均约 2.9 秒一件。Figure 官方称全程零硬件故障、无遥操作。那场直播要回答的是一个产业级问题：机器人能不能在真实仓库里持续工作，长时间运行会不会过热、卡顿，遇到异常包裹能不能自己处理。两百小时不是炫技，是压力测试—— Figure 要证明的是，机器人已经过了实验室 Demo 阶段，可以进仓库干活了。5 月 26 日，Figure 宣布与 Catalyst Brands 达成协议，机器人将部署到对方位于内华达州 Reno 的物流设施。

自变量这一小时，回答的是一个实验室级的问题：在理想条件下，峰值效率能到多少。一小时意味着不需要考虑耐久性，不需要验证连续作业的稳定性，不需要证明今天能行、明天也能行。场景选择也值得注意—— Figure 的直播发生在真实客户的仓库里，是给客户看的运营证明；自变量的直播发生在合作方顺丰的仓库，而 " 合作 " 与 " 规模化运营 " 之间，还隔着验收、测试、小批量试用、大规模部署好几个阶段。

自变量自己对这个差距是清醒的。直播结束后，公司合伙人兼算法负责人甘如饴对央广财经记者说，98% 的准确率 " 还不算特别理想 "，公司希望进一步做到 99% 左右。他也透露，这套方案已开始进入真实物流场景——与头部物流企业签署了合作，相关设备已在真实场景运行数月。另据公开信息，在此前的产线常态化测试中，这套系统的每小时分拣量稳定在 1200 件以上。

02

两条技术路线，一个在下注 " 大脑 "

在具身智能这个行业里，关于怎样让机器人更会干活，一直存在两条泾渭分明的路线。

Figure 走的是模块化分工。它的 Helix 系统给机器人装了分工明确的 " 三个脑 "：S2 是 " 慢脑 "，负责理解任务、规划动作；S1 是 " 快脑 "，以每秒 200 次的频率实时控制上半身 35 个关节；今年 1 月发布的 Helix 02 又加了 " 小脑 "S0，专门管平衡和全身协调。这套设计的原因很直接：大模型 " 想 " 得慢，机械臂却需要每秒上百次的微调才能又稳又安全。Helix 的控制频率是 200Hz，Figure 03 已经展示了用指尖 3 克力传感器拈起单个药片的能力——这种精细度，依赖高频闭环控制。

自变量选了另一条路。它今年 4 月发布的世界统一模型 WALL-B，放弃了 VLA 的模块化拼接，把视觉、语言、动作、物理预测等能力放进同一个网络，从零开始联合训练。CTO 王昊在 4 月的发布会上有个比喻："VLA 像老 Mac，CPU、GPU、内存各自为政；WUM 像 Apple Silicon，统一内存，数据零搬运。" 创始人王潜的判断更直接：现在的机器人硬件已经到位了，双足、灵巧手、力控关节都很好，" 但大脑没有跟上，只是空有一身漂亮的肌肉而已 "。

两条路线的差异，不只在架构图纸上，还在数据里。Figure 的 BotQ 工厂已经量产超过 350 台 Figure 03，每台机器人在真实场景中运行的数据都会回流训练，形成 " 越用越聪明 " 的飞轮。自变量的应对是自建数据工厂和一套无本体数采方案——今年 7 月发布的 QUANXTA Zero 系列，官方口径是将训练数据成本降低了 95%。一个是靠量产机器人回流真实数据，一个是靠工厂化生产降低数据成本，两种解法指向同一个目标：让模型更快变聪明。

03

轮式和双足之间，隔着一层估值折价

如果说技术路线的差距可以用时间追赶，产品形态的选择，则直接关系到资本市场怎么给它定价。

Figure 03 是一台 173 厘米、61 公斤的双足人形机器人，能走楼梯、能弯腰、能用人类工具。这个形态对应着 " 通用人工智能进入物理世界 " 的终极想象，资本市场愿意为 " 通用性 " 支付超额溢价。自变量的量子二号是轮式双臂——工程上更稳定、成本更低，但 " 人形 " 标签在资本市场有独立的赛道溢价，轮式机器人容易被归类为 " 自动化设备 "，估值天花板天然更低。同样选轮式路线的智平方，估值也卡在 200 亿关口。

这或许能解释，为什么自变量的估值停在 200 亿元，而 Figure 是 390 亿美元（约 2800 亿人民币）。200 亿到 2800 亿之间，差的不是直播里的效率数字，而是验证的时间：让客户买单的时间，让机器人在仓库里连续运行两百小时不出错的时间，从实验室峰值到产业级稳定的时间。

04

200 亿、递表，和那道没填的空白

把时间线拉出来，自变量今年的节奏快得少见。今年 1 月完成 10 亿元 A++ 轮，4 月完成小米战投领投的近 20 亿元 B 轮，此后两个多月内又连续完成 B+、B++ 和 C 轮，四轮融资全部交割，投后估值从 100 亿元突破到 200 亿元。

投资方名单里，美团、阿里、字节、小米四家互联网巨头分别领投，红杉中国、IDG 资本、源码资本、达晨财智、中金资本等 VC 跟进，中国移动、国开金融等国家队也在其中。财新的报道确认，交割完成后，公司投后估值超过 200 亿元。

紧接着是资本市场的动作。8 月 6 日，钛媒体独家获悉，自变量已向港交所秘密提交上市申请；市场流传的计划募资额约 5 亿美元。公司至今未对此公开回应。钛媒体还提到，自变量第三代机器人产品计划在今年第四季度发布。

一位投行人士对钛媒体的分析点出了急迫的来源：200 亿元估值意味着融资难度和成本的增加，上市是打开更广阔融资通道的必然选择。换句话说，递表不是因为准备好了，而是因为不递表，就很难再以同样的估值继续融到钱。

而那道空白还没有填上。目前，自变量没有公开披露过收入、毛利率、客户集中度、经营现金流和订单规模—— 200 亿元估值来自融资环节的企业披露，并非交易所审计值。它与 58 到家合作的机器人保洁，财新报道的描述是 " 有时自主执行，有时由后台人类遥控操作 "；与金杯股份合资成立的金智变量机器人，进入的是华晨宝马座椅与内饰一级供应商的产线，而不是宝马自己的工厂。这些细节，都是招股书要被追问的地方。

05

直播之后

一场一小时的直播，能证明峰值，证明不了持续。

自变量手里有真实的东西：一套从零预训练的统一模型架构，一个把硬件成本压到对手三成的方案，一份四家互联网巨头加三十余家机构的投资名单，以及一份刚刚递出的港股上市申请。它缺的也同样明确：持续运营的公开数据，规模化交付的客户订单，以及一份能经得起审核的财务报表。

Figure 用两百小时证明的是 " 我能一直干 "，自变量用一小时证明的是 " 我峰值不错 "。两个证明之间，隔着工程化落地的距离。这个距离能不能缩短，答案不在直播间里，在顺丰仓库接下来的每一天，在第四季度第三代机器人发布时的参数里，也在那份尚未公开的招股书里。