自变量机器人：高估值下的量产焦虑与能力验证困境

事件概述

近期，人形机器人行业面临价值重估与监管趋严的双重压力。一方面，梅卡曼德创始人公开批评部分企业通过关联交易制造虚假收入；另一方面，监管层向投行和机构发出非正式“窗口指导”，要求拟上市的人形机器人企业必须证明具有持续性收入、减亏趋势或实质性技术创新。在此背景下，成立仅两年半、融资超50亿元且估值约200亿元人民币的自变量机器人（Self Variable Robotics），因缺乏规模化量产和销售收入，正面临严峻的“证明自己”的压力。

核心信息与争议

1. 演示数据对比存在口径差异

• 物流分拣表现： 8月12日，自变量机器人在深圳某物流仓库直播中展示双臂机器人分拣效率达1816件/小时，准确率超98%，并宣称硬件成本降低70%。公司以此对标美国Figure AI（此前成绩为1248件/小时）。
• 行业质疑： 业内分析指出两者对比口径不对等。Figure AI的数据基于200小时多台机器人轮换的平均值，且使用全尺寸人形机器人；而自变量提供的是单台设备一小时的峰值数据，且采用“双机械臂+标准夹爪”方案，技术复杂度低于全尺寸人形机器人。

2. 家庭场景落地尚处研发阶段

• 服务现状： 今年3月，自变量联合58集团推出机器人上门家政服务，主要承担收拾桌面、捡垃圾等任务。实际体验显示，机器人叠衣耗时极长（一件十分钟），三小时内仅整理有限区域，且伴随噪音问题。
• 商业模式实质： 公司对参与数据采集的家庭提供每月最高3000元、单户封顶6000元的补贴。这表明当前的“家庭服务”本质是通过真金白银换取数据以支持研发，而非成熟的产品商业化落地。相比之下，竞争对手Figure AI在9月17日的零样本测试中，未针对特定家庭微调即可在陌生环境中完成多项家务，成功率从9%提升至56%。

3. 技术路线与估值支撑矛盾

• 技术战略： 自变量坚持端到端统一预训练模型路线，已发布WALL-A、WALL-B（全球首个“世界统一模型”架构）、WALL-WM及WALL-SS等模型，旨在实现跨场景泛化能力。
• 商业挑战： 通用模型的价值在于无需大量重新采数和驻场微调即可适应新场景。若每接一个客户均需重新调试，则边际成本无法递减，企业性质更接近项目制公司而非平台型公司，难以支撑200亿元的估值。
• 资金压力： 全栈自研涉及海量算力、真实场景数据采集、顶级人才薪酬及硬件本体研发，周期长、投入大。尽管公司在深圳建立了大规模机器人数据工厂以降低95%的数据采集成本，但在未实现规模化营收的情况下，高昂的运营成本构成巨大压力。

值得关注

• IPO门槛提升： 随着宇树科技上市后市值大幅波动（一度逼近4500亿后蒸发超2400亿），二级市场用盈利检验技术的信号明确。自变量若推进IPO，需尽快将模型能力转化为客户愿意持续付费的生产力，以满足监管对持续经营能力和创新实质的要求。