官方网站-首页

8月12日，自变量机器人完成了一场持续1小时的全自主物流分拣直播。

直播中，机器人依托自研世界统一模型WALL-B，采用“双机械臂+标准夹爪”的硬件方案，在全程无人工干预的情况下，对大小、形状、材质和重量随机变化的真实物流包裹进行连续分拣，最终实现1816件/小时的分拣效率，准确率超过98%。

这一速度高于美国具身智能公司Figure AI此前公开的约1248件/小时。按照自变量内部估算，其物流分拣系统成本约为美国同类具身智能方案的30%。

更值得关注的是，两家公司采用了不同的方案。Figure AI使用完整人形机器人和五指灵巧手，自变量则没有双腿，也没有复杂的五指手，只使用双机械臂和标准夹爪。

更简单的硬件、更低的成本，却跑出了更高的效率。

因此，这场测试值得关注的并不只是1816超过1248，也不只是成本差异。它让具身智能行业重新关注一个问题：当模型越来越强，机器人想把活干好，还需要不断堆叠更复杂、更昂贵的硬件吗？

一、机器人开始比谁干得更划算

要理解自变量这次测试的意义，需要先理解Figure AI的1248件/小时为什么值得比较。

今年5月，Figure AI开了一场持续了200小时的物流分拣直播。Figure AI旗下的人形机器人Figure 03站在传送带前，把不断送来的快递包裹拿起来，找到条形码，让条形码朝下，再放回传送带。

最终，机器人累计处理近25万件包裹，平均效率约为1248件/小时。

直播后半段，Figure AI一场10小时的“人机对决”。一名人类实习生最终正确处理12924件包裹，机器人完成12732件，只差192件。

Figure AI创始人当时表示，机器人表现远超预期，“这将是人类最后一次赢得比赛”。

对于行业来说，这场比赛谁输谁赢并不重要，重要的是它验证了一件事：机器人干活的速度，开始接近人了。

过去几年，人形机器人进工厂已经不是新鲜事，行业早已验证了“机器人可以进入工厂”。。搬箱子、上下料、拧螺丝、巡检，人形机器人已经在越来越多真实产线中出现。

现在开始进入下一阶段：机器人干得怎么样。能不能连续工作几十小时甚至几百小时？一小时能处理多少任务？失败率有多高？和人工相比差多少？

Figure AI测试的意义就在这里。1248件/小时和200小时连续运行，让人形机器人的生产力第一次变成了一组很直观、可以被比较的数字。

而自变量这次测试，又往前了一步。不仅把分拣效率提高到1816件/小时，更重要的是，它用的是一套明显更简单、成本更低的硬件。

具身智能的竞争也从“能不能干活”，进一步进入：谁能干得更快、更稳，以及谁能以更低的成本把活干完。

这也是机器人真正走向产业化以后必须面对的一道经济账。

物流企业不会因为一台机器人有20个还是30个自由度决定采购。它们真正关心的是：一台机器多少钱，一小时能干多少活，一天能工作多久，需要几个人维护，故障多少次，又需要几年才能回本。

换句话说，生产线上，需要的是生产力。

但如果自变量只是专门为物流分拣训练了一套系统，把一个任务做到1816件/小时，它仍然只是一个更高的单点成绩。

更重要的问题是：为什么它能够用一套更简单的身体，处理更多、更随机的包裹？

二、模型给机器人身体做减法

答案在模型，也就是机器人背后的“大脑”。

Figure的思路，是用完整人形本体、五指灵巧手和模型共同解决复杂操作；自变量则把更多复杂度交给WALL-B。

WALL-B是自变量自主研发的世界统一模型。按照公司的技术定义，它将视觉、语言、触觉、动作和物理预测等能力放进同一套端到端模型中，让机器人不仅能“看见”一个包裹，还要判断它是什么状态、应该怎么抓，以及一个动作做下去可能发生什么。

这里有一个容易被忽略的反常识：很多人会觉得，五指灵巧手结构更复杂，因此对模型要求一定更高。但在物流分拣这样的任务里，硬件越简单，反而对具身大模型要求更高。

五指灵巧手拥有更多自由度，可以通过不同手指、不同姿态完成抓取；标准夹爪能做的动作少得多。

标准夹爪则简单得多。面对一个折叠的软包、倾斜的纸箱或者不规则物体，它没有那么多手指和动作可以兜底。模型需要更早判断：是直接夹，还是先推一下；是先摊平，还是让两只机械臂一起处理。

相比Figure AI，自变量这场直播是在硬件更简单、成本更低的情况下，去处理更随机、更接近真实物流现场的包裹。

自变量这次真正想证明的，是一颗更聪明的“大脑”，能不能把一副没那么灵巧的身体用到极致。

硬件给出的解法越少，越考验模型自己找解法的能力。

这也是真正的具身智能和传统自动化不同的地方。传统工业机器人最擅长的是确定性任务。零件摆在哪里、机械臂走什么路线、夹爪什么时候闭合，都可以提前规定。为了让机器人稳定运行，人们甚至会先把环境改造得足够规则。

传统自动化的办法，是尽可能消灭变化。具身智能则希望机器人自己适应变化。

这也让“泛化能力”成为今天具身智能最核心的竞争变量之一。机器人面对没见过的物体、没做过的任务，甚至换到一个陌生环境后，还能不能继续工作，比把一个固定动作练得多快更重要。

自变量从家庭进入物流，正好提供了一个观察泛化能力的样本。

此前，自变量一直把家庭作为WALL-B的重要应用场景，机器人需要面对不同户型、不同家具和不断变化的物品位置，完成整理、收纳等开放任务。现在，同一套底层模型又被放进了物流仓库。

家庭和物流看起来是两个完全不同的世界。

家庭强调开放和随机，物流强调速度、准确率和连续运行。但对机器人来说，它们其实在考同一道题：环境变了，它还能不能自己找到办法。

真正的泛化应该意味着：学会第一件事之后，第二件事变得更容易。很显然，自变量做到了。

事实上，Figure AI自身的技术演进也能说明这一变化。其物流机器人能力的持续提升，并不完全来自重新设计一副身体，而越来越依赖Helix模型的数据、架构和控制能力迭代。

只是，自变量的实验进一步证明了，如果模型足够强，可以进一步减少对复杂硬件的依赖。

对此，“通用机器人”的定义也可能发生变化。过去行业更多把“通用”理解为一副能够进入各种人类环境的通用身体；未来另一种可能是，真正通用的是底层模型，而不同场景使用不同结构、不同成本的身体。

三、一套模型开始撑起更多场景

传统机器人行业一直很难获得软件公司那样的规模效应，一个重要原因是它高度项目制。

进入一家汽车厂，要重新做一套集成；进入物流仓库，又要重新调试；换一条产线、一个产品，往往还需要重新写规则、重新部署。

因此，机器人公司业务越大，往往也意味着更多工程师、更重的交付和更多定制开发。项目增加，成本也跟着增加。

这和软件生意很不一样。一套软件开发完成以后，再多服务一个用户，新增成本通常不会同比增长。但如果机器人每进入一个新场景，都需要重新从零开发，它就很难出现真正意义上的规模效应。

通用具身模型真正想改变的，就是这件事。

而自变量已经开始尝试这种复制。

此前，WALL-B主要在家庭场景中运行，机器人需要理解不同户型、不同物体和不断变化的任务；现在，同一套底层模型又被带到了物流仓库。未来进入制造、零售等场景时，又可以继续复用，那么新增一个场景就不必重新从零开始。

第一次训练和部署可能很贵。但到了第二个、第三个场景，越来越多底层能力可以直接沿用。

于是，判断一个具身模型真正价值的指标也会发生变化。从它会多少个任务，变成：进入第10个场景，比进入第1个场景便宜多少、快多少？如果这个成本能够持续下降，具身智能才真正开始出现类似软件行业的规模效应。

从这个角度看，自变量从家庭进入物流真正需要验证的，不只是“同一套模型能不能换场景”。还要继续追问：换到物流以后，新增了多少训练数据，多少工程开发，多少部署成本？未来再进入一个新的制造场景，这些投入还需要多少？

如果进入新场景的边际成本越来越低，机器人的核心资产就可能开始发生变化。过去，公司卖的是一台机器人，或者一套针对某个场景的解决方案。未来真正值钱的，可能变成一套能够不断被复用的智能能力。

物流用双臂和夹爪，家庭用移动底盘和双臂，其他场景再换其他本体，但底层的感知、理解、决策和控制能力尽可能共享。

自变量已经迈出了这一步。如果这种模式继续成立，自变量的增长方式就可能从“一个场景做一个项目”，逐渐变成“一套模型进入更多场景”。

如果说泛化解决的是“机器人换个地方还能不能干”，那么规模化最终解决的就是：每换一个地方，能不能越来越便宜地干。

结尾：

从Figure到自变量，机器人行业其实正在连续回答三个问题。

第一个问题是，机器人能不能成为一笔划算的劳动力。

第二个问题是，这种生产力换一个任务、换一个环境之后还能不能继续存在。

第三个问题则是，这种能力能不能越来越便宜地复制到更多场景。

自变量此次1816件/小时的物流分拣测试，真正值得关注的，并不是一次效率上的高低之争。它让行业重新思考一个更重要的问题：当模型开始承担更多感知、理解、判断和控制任务，机器人是否还需要依赖越来越复杂的身体，才能获得更高的生产力？

如果模型能力足够强，机器人或许不必在所有场景都追求最复杂的硬件，而是根据具体任务，在智能、硬件和成本之间寻找“最优解”。物流需要的可能只是双机械臂和夹爪，其他场景则可以匹配不同形态的身体。

更进一步，如果同一套模型不仅能驱动不同的身体，还能从家庭迁移到物流，再进入制造等更多场景，那么具身智能下一阶段真正的竞争，就变成了谁能训练出一套足够通用的“大脑”，让不同的机器人以更低的成本、更快的速度进入更多真实场景，并持续创造生产力。