首页财产ai正文 自变量呆板人发布全世界首个世界同一模子，35天后新一代呆板人入驻真实家庭 4月21日自变量呆板人发布会推出新一代呆板人进家庭规划，35天后搭载WALL-B的呆板人将首批入驻家庭，还有先容了技能冲破、数据计谋和隐私解决方案。 2026-04-21 16:59 ·投资界

4月21日自变量呆板人进行发布会，推出新一代呆板人进家庭规划。一个月后的呆板人，将搭载新一代自研具身智能基础模子WALL-B。这是全世界首 个基在世界同一模子架构（World Unified Model，WUM）的具身智能基础模子，标记着具身基础模子从VLA架构向原生多模态交融架构的庞大超过。

自变量开创人兼CEO王潜、结合开创人兼CTO王昊周全解读了WALL-B的技能架构、数据计谋及练习机制等，并公布35天后搭载WALL-B的新一代呆板人将首批入驻真实家庭，开启呆板人办事家庭糊口的发展之旅。

家庭场景是具身智能真实的“科场”

“早上七点，闹钟响了。你从床上爬起来，走到客堂。拖鞋不知踢到哪里，厨房的碗还有没洗，孩子的书包扔于地上，猫打翻了一杯水。” 王潜以这一一样平常描写开场，直不雅展现了家庭情况的素质——随机、碎片、不停变化。今朝全世界没有任何一台呆板人可以于无遥控操作的环境下自力完成上述场景中的综合收拾使命。

这一近况与公家的遍及认知形成反差。舞台上的后空翻、跳街舞、写羊毫字等呆板人演示虽然视觉打击力强，但这些动作素质是预设轨迹的“号令行呆板人”，每个动作都颠末预先编程或者遥控操作。工场中已经经部署的工业呆板人一样不组成可比案例：工场情况下，一个动作可以反复一万次且每一次前提不异；而于家庭中，一万个动作每一个可能只做一次，每一次的情况前提都纷歧样。

“硬件已经经到位了——双足、灵巧手、力控枢纽关头都很好。但年夜脑没有跟上。当前呆板人的焦点瓶颈不于本体，而于智能。家庭情况中的每一一秒均可能呈现全新事务：猫什么时候跳上桌子、孩子把玩具扔于哪里、地毯的磨擦力与试验室地板彻底差别。现有技能没法处置惩罚这类随机性及碎片化，呆板人进入家庭也被视为“这个时代最难的技能问题之一”。

从 WALL-A 到 WALL-B：VLA 架构的局限与冲破

自变量呆板人从建立之初便聚焦在为呆板人构建“年夜脑”，即端到真个具身智能基础模子。2024 年末，公司发布基在 VLA（视觉-语言-动作）架构的第 一代具身基础模子 WALL-A，25年9月，将一样思绪架构下的轻量化模子版本WALL-OSS开源。

运用方面，自变量与 58 同城互助，将搭载 WALL-AS 模子的呆板人送入真实家庭，与保洁姨妈协同功课，实现全世界初次呆板人进入家庭，并办事人类繁杂的家居糊口，这个也是初次呆板人于C端繁杂情况的年夜范围落地。

恰是这些真实家庭的部署，让团队看到了 VLA 架构的“天花板”。王昊注释道，VLA 架构素质上是三个自力模块的拼接：视觉模块卖力辨认物体，语言模块理解指令，动作模块天生轨迹。

数据于这三个模块之间逐级通报，每一颠末一次模块界限就会发生信息损耗及延迟。更底子的问题于在，VLA 模子只能模拟练习数据中的轨迹，没法真正理解物理世界的纪律。“它不睬解杯子为何会失，不睬解为何盘子悬于桌边需要推归去。它只是于反复见过的工具。”

WALL-B 恰是对于这一困局的回应。它不是 WALL-A 的下一个版本，而是一次从底层架构到练习范式的周全重写。

世界同一模子（WUM）：从“VLA”到“同一总体”

WALL-B真正区分在行业其他方案的焦点，是其从VLA到WUM的架构革命。

该架构的设计思绪近似在 Apple Silicon 的同一内存架构：于苹果 M1 芯片以前的 Mac 上，CPU、GPU、内存各自自力，数据搬运孕育发生的延迟及损耗成为机能瓶颈；苹果经由过程同一内存架构让所有处置惩罚单位同享统一块内存，机能由此年夜幅晋升。

于呆板人范畴，VLA就近似在M1以前的条记本电脑架构——视觉模块、语言模块、动作模块各自为政，数据于模块之间搬来搬去，每一搬一次就丢一次信息。视觉学到的富厚信息，传到动作模块时只剩一个恍惚的择要。

WALL-B采用的WUM 的焦点理念与之不异——将视觉、语言、动作、物理猜测等所有能力，放于统一个收集中从零最先结合练习、融为一体，消弭模块间的界限及数据搬运损耗。

基在这一架构，WALL-B 实现了三项区分在行业现有模子的焦点技能特性：

第 一，原生多模态。WALL-B 从练习第 一天起，即对于视觉、听觉、语言、触觉、动作等多模态数据举行同步标注与结合练习，实现“多模态进、多模态出”。这象征着模子不需要经由过程“传话”的方式于差别模块间转译信息——它看到杯子的同时就已经经于预备伸手，觉得到重量的同时就已经经于调解力度。

这类架构还有初次付与了模子一种被称为“原生本体感”的能力：WALL-B 无需连续不雅察自身全身或者依靠年夜量外部传感器，便可内涵地感知自身的空间尺寸，如高度、宽度、手臂舒展规模，并判定可否经由过程某个空间或者涉及某个物体。这是一种内生的空间感知能力，而非经由过程外部丈量或者建模得到。王昊指出，这一点甚至很多动物都不具有。

第二，物理世界的“世界不雅”。WALL-B 可以或许感知并猜测重力、惯性、磨擦力、速率等基本物理纪律。于从未见过的场景中——例如一个盘子一半悬空于桌沿外——模子可以揣度出盘子失落摔碎，从而采纳预防动作。

这类对于物理纪律的理解为零样本泛化提供了基础。一样平常糊口中，物理纪律于差别情况中均连结一致，WALL-B 于任何一个它从未去过的家庭中，都能使用对于基本物理知识的理解来应答新场景，不需要针对于每一个家庭从头练习。

第三，与世界交互并自我进化。这是 WUM 架构区分在所有现有 VLA 模子的最底子特性。今朝主流呆板人于使命掉败后凡是直接住手，返回过错信息，没法从掉败中进修。WALL-B 的举动模式则彻底差别：它于掉败后会调解计谋再次测验考试，假如乐成，则将此次乐成的经验直接更新到模子参数中。

这类机制使模子于真实情况中完成自我迭代，无需工程师从头练习、无需人工注入新数据、无需返回试验室。王昊将其类比为人类进修利用筷子的历程——筷子失了无数次，但每一一次掉败都于调解手上的节制，终极形成不变的技术。WALL-B 降服了 Transformer 架构难以举行持久内化影象的问题，所有经验以原生多模态影象的方式，经由过程近似人脑影象的机制实现自我更新。

数据计谋：从“糖水”到“牛奶”

今朝，行业内年夜大都练习模子的数据来自试验室：试验室中的固定光照、固定物体位置、无滋扰情况。王昊将这种试验室数据比方为“糖水数据”——洁净、可控、量年夜，但与真实世界差距显著，特别与家庭中随时变化的天然光、随便摆放的物品、孩子及宠物的随机动作彻底差别。用这种数据练习出的模子，于真实情况中会迅速掉效。

与之相对于的，王昊比方为“牛奶数据”，即真实家庭情况中收罗的嘈杂、多变、布满随机性的数据，也是自变量选择的数据门路。

为了获取这种数据，自变量团队进入了数百个自愿者的真实家庭举行模子练习。每一一户家庭的结构、灯光、物品摆放及杂乱水平各不不异。有的家庭地面散落着拖鞋、快递箱、玩具及袜子；有的家庭中猫会忽然跳上桌子；有的家庭厨房灯光偏暖色而客堂偏冷色。这些变量于试验室中没法模仿，但倒是家庭情况中的一样平常，这些偏偏是模子必需学会应答的真实前提。

综合来看，自变量的数据计谋可总结为：试验数据打底，真实场景提质。试验室数据用在成立基本能力——辨认常见物体、履行基础动作；真实家庭数据用在让模子学会于不确定情况中保存。真实随机、不成猜测的实际数据所驱动的数据飞轮，才是真实的壁垒。

35天后新一代呆板人入驻真实家庭

呆板人进入家庭的同时，隐私问题不容逃避。王潜对于此给出了自变量团队明确的解决方案：

视觉脱敏——呆板人于装备端对于原始图象举行及时打码处置惩罚，原始图象不脱离装备，呆板人看到的已经经是去除了小我私家特性的场景数据；

透明授权——用户自动按下赞成键后方可开机，不存于“默许赞成”，用户差别意则不开机；

用途限制——毫不同享第三方，呆板人只认一个主人，发明可疑指令当即锁定。

“承诺是自制的，用户信托才是最贵的。”王潜明确暗示。

于贸易化落处所面，自变量的时间表也已经经明确：35 天后，新一代搭载WALL-B，并按照家居情况举行硬件进级的新一代呆板人将入驻首批用户的家庭。

王潜指出，当前模子仍处在“实习生”阶段，会犯错，需要长途协助，有时可能把拖鞋放到厨房、擦桌子擦到一半停下来“思索”。但其可以或许实现 24 小时不间断事情，且每一事情一天城市因新数据的孕育发生而变患上更“智慧”。

从本日起，自变量最先招募首进家庭呆板人的家长，用户可经由过程官方渠道提交申请。

末端

具身基础模子的连续前进，是自变量建立以来一直寻求的方针。为呆板人打造一个可以或许真正理解世界、并于真实世界中连续进修的呆板人年夜脑，进入家庭办事人类每一一天是自变量呆板人的恒久愿景。

“只管进入家庭的呆板人此刻还有很笨，走患上很慢，常常犯错。人类从婴儿期间迈出的第 一步也是云云。每个伟年夜的路程，都是从踉踉蹡跄的第 一步最先的。如今，呆板人已经经于最繁杂之处最先了它进修及进化的征程。”

模子一直于迭代，WALL-B的详细细节和生态基座，将在4月27日于深圳举办的首届广东省人工智能运用对于接年夜会上周全表态。

本文来历投资界，原文：https://news.pedaily.cn/202604/562988.shtml

【本文为投资界原创，网页转载须于文首注明来历投资界（微信公家号ID：PEdaily2012）和作者名字。微信转载，须于微信原文评论区接洽授权。背规转载必究责。】-今年会·(jinnianhui)金字招牌