具身智能从“能动”迈向“能干活”的临界点，往往由两类变量共同推动：一是基础模型能力的可迁移提升，二是真机数据闭环的规模化建设。近日，多家媒体披露，（深圳）自变量机器人（X Square Robot）完成10亿元人民币A++轮融资（约1.4亿美元）。公开信息显示，本轮由字节跳动、HSG、深圳市创新投资集团、北京信息产业发展基金、南山战新投、锡创投等联合投资；报道并称，这也是深创投体系AI基金成立以来对外披露的首批投资之一。

从投资结构看，值得关注的不是“谁在名单里”，而是“资金与场景入口的协同”。公开报道提到，自变量机器人此前已获得美团与阿里云相关方投资；随着本轮引入字节跳动，其股东阵容呈现出少见的“多家互联网平台型企业同时参与”的格局。 对具身智能企业而言，这类资本结构通常意味着两层期待：其一是更快获取高频、可复制的真实作业场景；其二是加速形成“数据采集—训练—验证—回灌”的工程闭环，以对冲具身智能在复杂环境中的长尾不确定性。

资金用途方面，公开报道给出的方向较为明确：将主要投向通用具身智能基础模型迭代、软硬一体产品化，以及在更多高价值场景的部署与交付。 报道同时披露，自变量机器人聚焦构建面向物理世界的基础模型WALL-A，强调以端到端方式打通“感知—理解—动作”，并将视觉、语言与动作控制纳入统一学习框架；此外，公司在2025年9月曾开源具身基础模型WALL-OSS，意在推动生态协作与数据/工具链扩展。

在“模型—本体协同”路径上，多家英文媒体补充称，自变量机器人已推出Quanta X1与Quanta X2等机器人平台，并将其作为采集真实数据、验证基础模型泛化能力的重要载体。 这一策略与当前行业共识一致：仅靠仿真或小规模演示，很难穿越真实世界的噪声、材质差异与环境变化；真正决定模型可用性的，是在真实工况中长期积累的高质量数据，以及把数据转化为可复用能力的训练与评测体系。

对外界而言，本轮融资释放的信号更偏“产业化”而非“概念热度”。具身智能的商业化门槛，往往不在“能不能做一个动作”，而在“能否在多场景稳定重复、可维护可量产、成本曲线可下探”。当字节跳动、HSG与深创投等机构在同一轮共同加注，意味着资本更看重的已不是单点技术亮点，而是企业是否具备把基础模型能力、真机数据闭环、硬件平台与交付体系同步推进的综合工程能力。