全栈自研端到端具身模型厂商自变量机器人已向港交所秘密提交上市申请，估值已突破 200 亿元。与此同时，消息人士确认其第三代机器人产品将于 2026 年 Q4 正式发布，成为"技术+资本"双线并进的关键样本。
从 2026 年 4 月下旬到 6 月底，自变量机器人以每两周一轮的节奏，完成了 B、B+、B++、C 四轮融资并全部交割，估值从 100 亿元迅速突破 200 亿元。
这轮极速融资背后，站着四家互联网巨头——美团、阿里、字节、小米分别领投，红杉中国、IDG 资本等顶级 VC 跟进，还有中国移动、国开金融等"国家队"入场。
一个诚实的注脚：200 亿估值意味着下一轮融资难度和成本都会上升，上市是打开更广阔融资通道的必然选择。
注：融资节奏为 2026 年 4 月下旬至 6 月底，B 轮至 C 轮连续完成，金额与估值数据综合自公开信息。
具身智能行业主流的 VLA（视觉-语言-动作）模型本质是多个独立模块的拼接，信息像流水线逐级传递，每传递一次就损耗一次。
自变量机器人则提出了"世界统一模型架构"（World Unified Model，WUM）——让模型从训练第一天起就具备原生多模态能力，无需模块间"传话"转译。
这意味着什么？
视觉→语言→动作，模块独立，信息逐级传递，每级都有损耗。
从训练第一天起原生多模态，信息在统一空间内融合，无需转译。
目前公开信息显示，自变量机器人是唯一明确提出并落地"世界统一模型架构"的企业。WUM 被视为具身基础模型从 VLA 拼接架构向原生多模态融合架构的重大跨越。
创始人王潜在创业初期，就选择在深圳建立起国内首个大规模机器人数据工厂。
2026 年 7 月，自变量机器人发布了 QUANXTA Zero 系列无本体数采方案——从模型训练的实际数据需求出发，反向设计数采设备，构建起覆盖采集、清洗、自动标注、质量控制的完整数据管线。
这与多数厂商的做法截然不同：
在具身智能赛道，多数"自研模型"是将开源模型做后训练重新包装而成。而自变量机器人的模型完全从零开始预训练，原创标签背后是数据工厂+全栈自研的系统工程能力。
自变量机器人的股东名单几乎覆盖了中国科技投资的核心力量。
美团、阿里、字节、小米——四家互联网巨头分别领投了不同轮次。红杉中国、IDG 资本等顶级 VC 跟进，中国移动、国开金融等"国家队"也出现在股东名单中。
这种"巨头+国家队+顶级VC"的组合，在具身智能赛道并不多见。
在投行人士看来，一级市场追捧推高了估值，而上市是自变量机器人打开更广阔融资通道的必然路径。
答案藏在三个选择里。
第一，从零预训练而非开源后训练。多数厂商将开源模型做后训练重新包装，自变量选择了更重、更慢、但护城河更深的路径。
第二，WUM 架构而非 VLA 拼接。在行业主流路线之外另起炉灶，提出"世界统一模型架构"，从训练第一天就融合多模态信息。
第三，自建数据工厂。在深圳建起大规模机器人数据管线，从模型需求反向设计采集方案，而非依赖公开数据集。
这三个选择，哪一个都意味着更高的前期投入和更长的验证周期。但它们在底层逻辑上彼此咬合——全栈自研需要完整的系统工程配套，而系统工程能力反过来又放大了模型的天花板。
具身智能赛道正在从"模型参数竞赛"转向"系统工程能力竞赛"——谁能把模型、数据、硬件、资本串联成闭环，谁就能拿到下一张入场券。
消息人士确认，自变量机器人第三代产品即将在 2026 年 Q4 发布。这家具身智能企业正在通过"技术+资本"双线发力，在产业赛道上全速竞跑。
关注官方动态 → 了解更多