具身智能從“能動”邁向“能干活”的臨界點，往往由兩類變量共同推動：一是基礎模型能力的可遷移提升，二是真機數據閉環(huán)的規(guī)模化建設。近日，多家媒體披露，（深圳）自變量機器人（X Square Robot）完成10億元人民幣A++輪融資（約1.4億美元）。公開信息顯示，本輪由字節(jié)跳動、HSG、深圳市創(chuàng)新投資集團、北京信息產業(yè)發(fā)展基金、南山戰(zhàn)新投、錫創(chuàng)投等聯合投資；報道并稱，這也是深創(chuàng)投體系AI基金成立以來對外披露的首批投資之一。

從投資結構看，值得關注的不是“誰在名單里”，而是“資金與場景入口的協同”。公開報道提到，自變量機器人此前已獲得美團與阿里云相關方投資；隨著本輪引入字節(jié)跳動，其股東陣容呈現出少見的“多家互聯網平臺型企業(yè)同時參與”的格局。 對具身智能企業(yè)而言，這類資本結構通常意味著兩層期待：其一是更快獲取高頻、可復制的真實作業(yè)場景；其二是加速形成“數據采集—訓練—驗證—回灌”的工程閉環(huán)，以對沖具身智能在復雜環(huán)境中的長尾不確定性。

資金用途方面，公開報道給出的方向較為明確：將主要投向通用具身智能基礎模型迭代、軟硬一體產品化，以及在更多高價值場景的部署與交付。 報道同時披露，自變量機器人聚焦構建面向物理世界的基礎模型WALL-A，強調以端到端方式打通“感知—理解—動作”，并將視覺、語言與動作控制納入統(tǒng)一學習框架；此外，公司在2025年9月曾開源具身基礎模型WALL-OSS，意在推動生態(tài)協作與數據/工具鏈擴展。

在“模型—本體協同”路徑上，多家英文媒體補充稱，自變量機器人已推出Quanta X1與Quanta X2等機器人平臺，并將其作為采集真實數據、驗證基礎模型泛化能力的重要載體。 這一策略與當前行業(yè)共識一致：僅靠仿真或小規(guī)模演示，很難穿越真實世界的噪聲、材質差異與環(huán)境變化；真正決定模型可用性的，是在真實工況中長期積累的高質量數據，以及把數據轉化為可復用能力的訓練與評測體系。

對外界而言，本輪融資釋放的信號更偏“產業(yè)化”而非“概念熱度”。具身智能的商業(yè)化門檻，往往不在“能不能做一個動作”，而在“能否在多場景穩(wěn)定重復、可維護可量產、成本曲線可下探”。當字節(jié)跳動、HSG與深創(chuàng)投等機構在同一輪共同加注，意味著資本更看重的已不是單點技術亮點，而是企業(yè)是否具備把基礎模型能力、真機數據閉環(huán)、硬件平臺與交付體系同步推進的綜合工程能力。