鑫月配阿里云首度落子具身智能领投自变量机器人10亿规模融资

《科创板日报》9月9日讯（记者李明明）近日，具身智能公司自变量机器人宣布完成近10亿元A+轮融资鑫月配，本轮由阿里云、国科投资领投，国开金融、红杉中国、渶策资本跟投。老股东美团战投超额跟投，联想之星、君联资本持续追投。

公司表示，本轮融资将用于自变量全自研通用具身智能基础模型的持续训练和硬件产品的研发迭代。

《科创板日报》记者了解到，此次为阿里云首次出手具身智能公司。

此外，关于具身智能融资是否过热的看法上，在本次2025世界机器人大会上，自变量机器人创始人兼CEO王潜对《科创板日报》记者表示，国内具身智能行业的融资速度不是太快，而是甚至“有些慢”。“中国市场的融资支持力度与美国相差一个数量级，国内仍需加大资本投入以支撑行业发展。”

本体+大脑同时布局

自变量机器人成立于2023年12月，致力于通过研发通用具身智能大模型，实现通用机器人。

据悉，具身智能可主要分为大脑（认知与决策）和小脑（运动控制）。

《科创板日报》记者了解到，中国具身智能创业公司中，“软硬件一体化”是主流发展路径，即多数企业既自主研发机器人硬件本体鑫月配，也同步打造作为核心的软件“大脑”。不过，在这一共同路径下，不同公司的技术侧重点各有差异：

一类如宇树科技，更侧重于硬件本体与运动控制能力的深耕，其产品在运动性能和场景适应性上表现突出；

另一类则以银河通用、自变量、星海图、千寻智能等为代表，聚焦于软件算法与操作能力的突破，通过研发先进的具身智能算法、端到端操作大模型等，致力于为机器人装上更聪明的“大脑”，提升其自主执行复杂任务的能力。

一位具身智能领域高管告诉《科创板日报》记者，本体公司备受资本青睐，而“具身大脑”则正逐渐在市场上获得更多关注。根本原因在于，国内“具身大脑”发展有限，缺少一个面向机器人行业、产品级的“具身大脑”。而大脑能力的缺失会使机器人自主决策的智能能力饱受限制。

自变量机器人创始人兼CEO王潜对《科创板日报》记者表示，从2023年底成立起，自变量就确立了以端到端统一大模型实现通用具身智能的终极技术路径，并于近期发布了适配多模态大模型控制的全自研轮式双臂仿人形机器人——量子2号（Quanta X2）。且从2月立项到推出实机，整个过程不超过半年。

据了解，自变量自主研发「WALL-A」系列VLA（Vision-Language-Action ）操作大模型，构建统一的认知与行动框架。在统一表示空间中，模型同时处理感知、推理和行动，直接进行跨模态的因果推理和行动决策，让机器人最终能够像人类一样思考和工作。当前，「WALL-A」模型已在部分完全未训练过的新任务类型中展现出零样本泛化能力。

王潜介绍，今年年中鑫月配，公司实现了具身智能大模型控制高自由度灵巧手进行复杂操作。此前，自变量发布视频，展示了自研大模型控制高自由度灵巧手，实现拿取并分发扑克牌这类弹性易形变物体的能力。

当前，为推动具身智能大模型的研究与应用，自变量开源其面向开发者的具身基础模型：「Wall-OSS」，并公开相关训练代码，便于全球开发者们在自有本体上快速微调和实际应用。

据悉，硬件方面，今年8月，自变量发布了全自研轮式双臂仿人形机器人“量子2号（Quanta X2）。在过去不到半年时间内，公司实现了机器人本体整机、高自由度灵巧手、外骨骼遥操数采设备等全栈自研。

“具身智能的发展短期有赖于模型算法优势，中期依靠数据优势，长期核心在于产品优势。自变量围绕这三大方向加深积累，探索不同场景下的服务闭环。”王潜说。

阿里云首次出手投资具身智能

截至目前，自变量已累计完成8轮融资，累计融资约20亿元。其背后集齐了光速光合、君联资本、华映资本、云启资本、广发信德等多家机构。

从融资历程来看，其上轮融资发生在今年5月，自变量机器人宣布完成数亿元A轮融资，由美团战投领投、美团龙珠跟投。

本轮融资则由阿里云、国科投资进行领投。据《科创板日报》记者了解，这是阿里云首度出手具身智能项目。自变量表示，阿里云对自变量技术认可，将为自变量提供多维度支持。

阿里集团此前在具身智能领域进行了广泛布局，主要包括投资相关企业和自身业务拓展两方面。

在投资方面，阿里集团此前已陆续投资了逐际动力、星动纪元、宇树科技、星海图、灵心巧手等多家具身智能及机器人产业链企业。

在自身业务方面，阿里达摩院机器人实验室有相关研发方向，包括物流机器人、服务机器人、工业机器人等，涉及自动驾驶、环境感知、运动控制等技术，并与菜鸟网络仓储物流公司联合推动机器人落地应用。此外，阿里云可通过云计算大模型为具身智能提供算力和算法支持，如为机器人企业提供云边端协同解决方案。

值得一提的是，自变量机器人创始人兼CEO王潜本硕毕业于清华大学，是全球最早在神经网络中引入注意力（Attention）机制的学者之一。博士期间，王潜在美国顶级机器人实验室参与了多项 Robotics Learning 的研究，方向覆盖了机器人多个前沿领域。