自变量机器人受邀出席工信部具身智能“标准周”，倡议以开源与标准共建行业底座
7月15日至17日，工业和信息化部人形机器人与具身智能标准化技术委员会2026年度全体会议暨“标准周”活动在浙江绍兴上虞举行。此前，国家“十五五”规划纲要首次将具身智能纳入未来产业布局，“标准”正成为这一阶段的重要命题。作为专注通用具身智能基础模型的企业代表，自变量机器人受邀出席会议并作主题报告，提出：具身智能要走向成熟，靠的不是单点技术的彼此竞逐，而是以开源与标准共建行业底座。自变量表示，愿以行业共建者的身份，推动产业向前发展。
从技术判断，到行业协作方式的判断
在报告中，自变量机器人创始人兼CEO王潜从人类脑功能的类比出发，重点阐述了动作对机器人而言的特殊难度，以及具身智能对“预训练、端到端通才模型”的内在需求。精细操作中物理接触的复杂度远超一般预期，其难度甚至高于语言——这决定具身智能难以依赖对已有范式的简单沿用，而需要一条更为根本的技术路线。构建统一的基础模型、打造与模型协同的“数据飞轮”和基础设施架构，正是提升机器人泛化能力、支撑产业落地的范式革新。
但自变量更想传递的，是一家技术公司对行业协作方式的判断。自变量认为，模型架构与训练方法正在逐渐趋同，真正拉开差距、也真正决定行业高度的，是底层基础设施与数据的共建水平；而在基础设施层面，采用标准化、开源社区的方式协同推进，已被行业历史反复验证为最为有效的路径。这一主张，与活动主旨报告“以开源驱动共性技术演进、实现标准与开源良性互动与螺旋式上升”的判断高度同频。
不止于倡议：把核心能力开源，回馈产业
自变量并非止于倡议。会上，王潜介绍了近期面向全行业无偿开源的一系列核心成果。开源，意味着一家公司耗费巨大投入才趟出的基础能力，行业中其他企业、高校或实验室不必再从零重复投入即可直接部署使用——这正是“以行业合力共建”最实在的一种方式。
自变量开源的其一便是VLA模型的 WALL-OSS-0.5，它首次真正具备免微调零样本泛化能力（面对没教过的新任务，无需再专门训练即可直接上手），把此前仅存在于闭源模型中的能力开放给了所有从业者。其二是世界模型 WALL-WM，它能预判环境接下来的变化、把算力用在关键处，在视频生成与操作能力评估上取得了更好的效果。其三是 DMuon，这是全球范围内（涵盖语言模型在内的各个领域）首个真正意义上实现分布式应用的优化器（训练大模型的“提速工具”），让先进的训练能力得以在大规模集群中被普遍使用。
未来，自变量还希望在基础设施、系统层乃至更广泛的领域，推动更多的标准与开源，最终形成一个完整、统一的产业生态。
底气所在：自研统一基础模型 WALL-B
支撑上述判断的，是自变量在自研基础模型上的持续实践。今年5月发布的 WALL-B，正是“端到端统一基础模型”这一路线的代表：它将视觉、语言、动作、物理预测等所有能力，放在同一个网络中从零开始联合训练、融为一体，这种统一设计让机器人具备了更好的空间推理能力，并且能够理解物理规律、预测事件演化，在与环境的互动中自我进化。
技术的验证并未停留在实验室。在面向消费者的 C 端，自变量携手 58 到家推出家庭保洁服务，成为全球首个进入真实家庭的机器人保洁员，并以“X 家庭成员计划”为用户提供长达一个月的常驻服务，在真实服务场景中加速模型的迭代优化。在面向企业的 B 端，自变量机器人已进入华晨宝马一级供应商的产线、头部物流企业的快递分拣等环节，接受严苛的生产力检验，并延伸至养老照护、文旅体验等服务场景。
数据：不是“石油”，而是“工业品”
数据是自变量在报告中着墨颇多的另一议题。自变量提出，具身智能的数据不应被简单类比为“石油”这样高度标准化的大宗商品，它更接近一种“工业品”：高度异质、高度复杂，其价值不在于采集本身，而在于如何处理数据、定义数据，并将数据与模型彻底打通。为此，自变量也已将其数据采集方案QUANXTA Zero系列开源，希望把对数据的理解，沉淀为全行业可用的公共能力。同一套技术能力已在真实产业场景中得到验证，也印证了这条预训练技术路线在规模化落地上的可行性。
在自变量看来，具身智能的竞争，终究是行业整体合力的竞争，而非个别企业的单打独斗——这也关乎中国具身智能能否以行业整体的力量，在全球竞争中赢得主动。“希望能够和产业界一起，依托开源、依托标准，来实现一个产业的共同发展。”王潜在报告最后说。