雷峰网AI科技评论获悉，自变量机器人于近日完成�亿元A+轮融资。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。

此次为阿里云首次出手具身智能公司，将为自变量提供多维度支持。资金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。

�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𹄢号（Quanta X2）。

作为国内最早实现端到端具身智能大模型的公司，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。

同时，雷峰网AI科技评论获悉，自变量机器人率先实现了端到端具身思维链推理框架，基于多模态输入进行深度推理并生成多模态输出，形成模型自主决策、执行、探索和反思的完整闭环。模型能够将语言理解、视觉感知与动作执行紧密结合，形成更接近人类思维的推理过程，成功突破多步骤长序列任务瓶颈，任务完成度大幅提升，极大扩展了机器人处理复杂现实场景的能力边界。

今年年中，公司首个实现具身智能大模型控制高自由度灵巧手进行复杂操作。此前，自变量发布了自研大模型控制高自由度灵巧手精巧拿取并分发扑克牌这类弹性易形变物体的视频。

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。Wall-OSS 具备强大的泛化性和推理能力，在长程操作任务方面表现优于其他基础模型，同时作为多模态基座，模型也具备良好的因果推理、空间理解和反思能力等。

Wall-OSS是一个基于大规模真实数据训练的开源具身基础模型。在模型架构上，创新性设计“共享注意力 + 专家分流 (FFN)”架构，将 VLM 的知识无损迁移到操作模型，实现语言与动作的深度耦合；在训练方式上，首创“先离散、后连续、再联合”的三阶段训练范式，确保VLM的认知能力被稳定、无损地迁移和扩展到物理动作上；此外，统一跨层级思维链实现了跨层级抽象层面的前向任意映射，模型能够在单一可微分框架内无缝切换高层决策与底层执行。

硬件方面，今𻂐月，自变量发布了全自研轮式双臂仿人形机器人“量𹄢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。

量𹄢号是模型原生的通用机器人本体，在设计上不仅考虑了模型训练及复杂操作任务的需求，更在负载能力、操作空间、运动速度及控制精度等核心指标上，实现了全面的平衡与优化。

量𹄢号的五指灵巧手采用仿生结构设计，单手拥有 20 个自由度，并能感知细微的压力变化。同时，基于臂手一体化外骨骼技术，自变量首创行业领先的“仿人机械臂+高自由度灵巧手”一体化全身遥操方案，量𹄢号不仅能采集高质量数据反哺模型训练，也将与自研模型深度融合，真正进入到现实场景中落地应用。

随着软硬一体综合能力的提升，目前自变量的机器人，已与头部服务业、工业客户达成合作，在多场景中投入使用。