具身智能赛道的头衔已经不够用了。2026年6月29日，自变量与智平方同日官宣完成融资、各自宣称自己是大湾区首家估值破200亿的具身智能企业。两家同在深圳、同年成立、同走世界模型路线、同样押注端到端模型路线，做家庭服务和工业物流场景，同样估值200亿。这场同城同日同估值的戏码，争的是定语，更是争融资叙事与客户信……

本文来自微信公众号： 市象 ，作者：景行

具身智能赛道的头衔已经不够用了。

2026年6月29日，自变量与智平方同日官宣完成融资、各自宣称自己是大湾区首家估值破200亿的具身智能企业。

两家同在深圳、同年成立、同走世界模型路线、同样押注端到端模型路线，做家庭服务和工业物流场景，同样估值200亿。这场同城同日同估值的戏码，争的是定语，更是争融资叙事与客户信任。

乌龙背后，是具身智能激烈的融资竞争。从今年1月到8月，自变量密集完成A++、B、B+、B++、C轮多轮融资，两个月内连交割四轮，估值从百亿冲破200亿元，8月初被曝出已向港交所秘密递表，计划第四季度发布第三代机器人。

背后是具身智能的资本竞争白热化。宇树完成科创板发行，智元第1.5万台通用具身机器人下线；乐聚带着2.58亿元年营收递表创业板。当同行开始用出货量和营收说话，自变量必须用新的方式证明自己。

自变量的路线决定了它的焦虑更甚。这家公司的对标是具身界的OpenAI，最终目的是打造超级通用模型，通过WALL-B打破行业预训练+后训练的惯例。企业将预算主攻模型与数据方向，硬件采用低成本的双机械臂和标准夹爪，以追求最大程度的模型能力。

这需要极大体量的训练数据支撑。此前自变量反复调试政策，最近再次反转。爆料显示，自变量正在开展居家数采家庭招募，宣传口径是足不出户助力家用机器人升级，在家就能领取高额补贴。

换句话说，就是企业贴钱当上门保姆。

从具体做法看，自变量要求用户房屋90平以上，三室一厅优先，两室一厅也可报名，家中要有稳定网络和真实浓厚的居家氛围。

每天9点到19点，操作员会带着一台机器人整机和一套配套操作台进家操控，住户可全程监督；每周采集5至6天，每月最高可领3000元补贴，最长连续两个月，一户家庭封顶6000元。

而此前与58同城合作推出的149元机器人保洁服务已经淡出企业宣传口径，机器人免费常驻家庭连续采集一个月的X家庭成员计划也已让位。

从让用户花钱请机器人进家，到花钱请用户允许机器人进家，自变量显然想明白了一件事：当前的机器人进家没有太多服务价值，更多是对用户的打扰，包装成付费服务的模式已经不可持续。

既然如此，不如把这笔账算明白，不卖服务了，直接买数据。

从付费保姆到贴钱上门

4月21日，自变量在北京发布WALL-B模型，宣布35天后机器人将正式进入真实家庭。自变量CEO王潜在接受《凤凰网科技》专访时高调表示，理论上，所有它在物理上可触及范围内的事情，机器人都能做。

在此之前，自变量与58到家合作，在深圳推出149元一次、约3小时的机器人保洁服务，机器人和保洁阿姨组队上门。阿姨负责厨卫深度清洁和客户沟通，机器人负责客厅收纳、捡垃圾、整理鞋柜。

上线之初服务一天只开放8单订单，用户反馈一度火爆，服务供不应求，预约订单排到半个月之后，甚至引发社交媒体的体验热潮。

但王潜同样做了谨慎表述：“这不代表它100%靠AI自主完成，必要时还是需要人进行远程兜底监管，以保证安全。”

不少用户发现，花149元买到的不是能真干活的机器人，而是干活的阿姨加上采集数据的工程师加机器人的组合。

媒体报道显示，轮式机器人过不了两三厘米的门槛，要安全员推着入户；两指夹爪摆4本书花了约6分钟。叠一件衣服5到10分钟，沙发上5件衣物耗掉近半小时，收拾书桌时一个动作要思考数分钟。人工的简单工作，机器人往往要更多时间才能完成。

更深层的分歧在于目标错位。

用户花149元买的是干净利落的家政服务，自变量要的是数据。机器人每次完成任务后，脱敏的感知数据和操作数据都会回传训练平台。

一边是不及真人的服务体验，一边是持续进化的数据需求，两个目标挤在同一个商业模式里，注定有一头要让路。截至目前，58到家平台已经无法预约这项机器人保洁服务。

取而代之的是放低姿态的采集方案。今年5月，X家庭成员计划上线，机器人免费常驻家庭、连续采集一个月。到最新的居家数采招募，姿态彻底反转，变成企业花钱买上门服务的资格。

招募公告中特意强调，需要真实浓厚的居家氛围。背后是WALL-B的核心卖点，把成功经验直接更新进模型参数，王潜的表述为：“但其能够实现24小时不间断工作，且每工作一天都会因新数据的产生而变得更聪明。”

前提是，机器人需要足够长的时间待在真实家庭里。

这或是自变量调整上门数采政策的原因之一。从3小时服务到10个小时“包月”，从用户付费到平台倒贴，只有在稳定环境下更长时间、更长周期的真实场景训练，才能向模型输送足够多的高质量数据。

3000元值不值

倒贴3000元，看着像亏本，其实是自变量的性价比之选。本质是用一笔固定的场景租赁费，替换了传统数据采集模式下的天量成本。

传统的数据采集方式并不便宜。以传统真机遥操作模式为例，动辄30万元以上的机器人本体，加上日薪200元以上的专业操作员，单人一天只能采集约500条的数据。综合下来，采集一条有效数据的成本可高达100元以上。

相比之下，支付给家庭的3000元包月补贴是一笔固定支出，不受采集时间影响。

如果按照每月3000元补贴，每周采集6天、每天10小时，一个月约240小时的采集时长计算，自变量的数采场地成本约为12.5元每小时，相较高昂的硬成本，真实家庭的场地租赁费几乎可以忽略不计。

同时，自变量也在控制预算。每个家庭最高可连续两个月获得补贴，总计6000元。

两个月时间，足够机器人完成全屋精准地图扫描，学习基础用户习惯，识别墙、沙发、家具等高频固定障碍物，划分卧室、客厅、厨房区域，记住禁区、地毯位置、拖扫参数和清扫优先级。

尽管无法采集足够多的长尾场景数据，但对一个家庭环境的学习来说，两个月的时间已经很充裕了。

再看数据市场行情，高精度多传感器人形机器人遥操作采集的真机数据，业内成本普遍在每小时500元至1000元。

背后不仅是设备和人力成本高昂，布置场景、调试设备等准备工作还要占用大量时间，每天的有效采集时间往往不多。而真实家庭的场景无需布置，入门即采，极大提升了采集效率。

自变量没有单押一条路，而是多路线并用。它自建数采工厂，通过自研的主从遥操作、外骨骼、无本体等多种设备，再靠数据生成、过滤、增强、标注的模型驱动数据管线持续产出。

其中无本体方案尤其关键。这一方案替代真机遥操作，让普通人穿上设备、用夹爪在真实但受控的实验室场景里采基础数据，先把具身智能的基本能力建立起来。今年7月，自变量机器人还走进深圳养老院，做日常巡查、物品递送和语音陪伴工作，补的是半开放真实场景这一环。

但这些实验室和半开放场景，都比不上真实家居环境。王潜曾提到，家庭环境的本质是随机、碎片和不断变化的，猫随时跳上桌，地毯摩擦力各不相同，玩具散落毫无规律。这些充满噪音的数据，恰恰是具身智能实现泛化的关键。

这也是自变量3000元贴钱上门的核心所在，这笔钱买的不仅是机器人的房屋使用权，更是能买到真实家庭产生的牛奶数据，是训练其核心模型WALL-B的关键燃料。

自变量机器人联合创始人兼CTO王昊说得更清晰：

“最底层是纯视频数据，中间层是手持或穿戴设备采集的数据，上一层是机器人本体数据，再往上是交互式数据，即让机器人自主探索并通过人机协作获得数据。从下到上，数据采集难度依次增加，但训练难度不同，数据价值也不同。越容易获取的数据，训练难度可能越大。”

这也是为什么自变量坚持进家庭，只有更难获取的数据才有更大价值。

对用户来说，这套模式更像出租房屋：房子照住，客厅借给机器人练手，每月收3000元租金。但在自变量要求的理想状态下，家庭应该有居住氛围，住户本人应当在家生活，并与机器人产生互动，相当于兼职了数采员，把一部分劳动力也打包卖了。

对比数采员日薪200元的待遇，这笔劳动力卖得相当便宜。

对自变量来说，甩掉服务包袱之后，采集彻底放开了手脚，不用再顾虑服务质量，机器人可以尽情试错、失败、重来，这笔账怎么算都不亏。

具身版OpenAI的数据饥渴

OpenAI的发展历程佐证，人工智能的数据规模决定模型能力，而越到关键临界点，模型对高精尖数据的需求也就越大。

从GPT-1到GPT-2，OpenAI用过免费的电子书文本数据集BookCorpus，也爬取过新闻、博客、档案等网页数据集WebText，但到GPT-3，OpenAI开始使用网页、百科、书籍等多数据源，并引入真人撰写范例引导模型。

GPT-4时代，OpenAI开始探索数据边界，数据范围从第三方未公开数据到社区评论、GitHub代码甚至转录YouTube视频，从有什么吃什么转向只吃细粮。

GPT-4的强大性能背后，本质是前所未有的数据燃料催生的模型革命。

此后随着高质量存粮文本枯竭，严峻的数据荒开始驱动行业转向真实数据，OpenAI与新闻集团签署了2.5亿美元的授权协议，Google每年向Reddit支付6000万美元，以获取真实对话数据。

背后的逻辑是，当网络的糖水数据耗尽，真实世界的牛奶数据，成为决定模型差距的核心壁垒。谁能找到更多真实数据，谁就能在下一阶段的竞争中占得先机。

行业数据显示，通用具身智能至少需要千万小时级别的数据来训练，但截至2026年初，全球可用的高质量物理交互数据总量仅约50万小时，真机交互数据量不足大语言模型语料的两万分之一。

这是仿真数据无法填补的。优必选副总裁焦继超公开表示，1万小时真机数据的训练效果，比10万小时仿真数据效果更好。

自变量的数据荒比同行更严重，相较宇树、智元，后两者更侧重于让机器人动起来，要的是运动控制、导航避障这类可大量获取、可规模化生产的糖水数据，边际成本相对可控。

自变量的战略目标是具身智能的OpenAI，追求极致性能，具备强大泛化能力的通用模型，需要理解物理规律、复杂交互和随机性的真实世界牛奶数据。估值也和数据采集能力深度绑定。

王潜对此有清醒的认知：“OpenAI领先Google约两年，在机器人领域这个时间窗口会长很多，大概还有三年以上的时间。”

换言之，即便大厂下场，创业公司仍有机会，但前提是要在时间窗口关闭前训练好模型抢跑。

进家采集则是抢跑的关键一环。按王昊的分级，交互式数据是价值金字塔的塔尖，物理信息最丰富、训练价值最高、采集难度最大。

对自变量来说，这关系到后续融资以及IPO的顺利与否。

当前，自变量已经向港交所递表，投资人希望看到的，不是保洁服务的流水分成，而是数据采集能力和模型进化速度。

从这个角度看，进家数采这笔钱，不只是研发投入，更是一笔提前锁定的融资筹码。买的不是今天的数据，是下一轮估值故事里中国最多真实家庭数据的标签。