当下，具身智能赛道正面临一个尴尬的现实：舞台上的机器人后空翻大放异彩，但它可能连自主把地上的拖鞋放回鞋架都做不到。

数据是制约机器人进化的瓶颈，这已经是行业里不争的事实了。

那么，瓶颈怎么破？答案很明确：必须向真实的物理世界要数据。实验室里的完美环境，终究养不出能应对复杂现实世界的“全能选手”。

在众多潜在的数据矿场中，家庭生活场景无疑是一座富矿。为什么？因为家庭环境的本质就是随机、碎片且不断变化的——猫主子随时可能跳上餐桌，每块地毯的摩擦力都各不相同，孩子散落的玩具更是毫无规律可言。这种充满“噪音”和不确定性的数据，恰恰是训练具身智能实现泛化能力的关键。然而，这座富矿的开采难度也是最高的，核心壁垒就四个字：隐私边界。让一个满载摄像头和传感器的设备长驱直入私人领地，无异于在挑战公众信任的底线。

尽管门槛极高，但为了获取那些宝贵的真实交互数据，已经有机器人公司开始尝试“入户”破局了。

最近，自变量机器人就宣布，其搭载了新一代具身智能基础模型WALL-B的机器人，将在5月25日后正式进入真实家庭环境。其实在这之前，他们已经通过与58同城的合作，将搭载WALL-AS模型的机器人送入家庭，尝试与保洁阿姨协同作业，算是进行了一轮前期探索。

市场最关心的隐私问题，自变量给出的解决方案主要集中在三个层面：端侧图像脱敏、明确的授权机制以及严格的数据用途限制。具体来说：

第一是视觉脱敏。机器人在设备端就对原始图像进行实时打码处理，原始图像绝不离开设备。也就是说，机器人“看到”的，已经是去除了个人特征的场景数据。

第二是透明授权。用户需要主动按下同意键，机器人才能开机工作，不存在任何“默认同意”的灰色地带。用户如果不同意，机器就无法启动。

第三是用途限定。采集的数据绝不共享给第三方，机器人只认一个主人。一旦系统发现可疑指令，会立即触发锁定机制。

技术路径上，新一代机器人搭载的WALL-B模型采用了基于世界统一模型（WUM）的架构。其设计思路是将视觉、语言、听觉、动作等多模态信息，放在同一个神经网络里从零开始进行联合训练，实现“多模态进、多模态出”。这么做的初衷，是为了彻底消除传统模块化设计带来的信息传输损耗，让模型能够原生地理解重力、摩擦力等物理世界的底层规则，形成自己的“世界观”，并能在真实的失败交互中不断自我迭代和优化。

从进入家庭采集数据，到用数据反哺模型进化，再到提供更优质的服务——这个商业逻辑的闭环在理论上已经清晰可见。

但话说回来，理想丰满，现实骨感。客观来看，自变量机器人目前展现出的能力，距离真正的“家庭服务能手”还有明显差距。根据全天候科技的现场观察，该机器人的动作仍然非常缓慢，例如完成插3朵花这样简单的动作，就需要耗时两分半钟。

公司创始人兼CEO王潜也坦言，当前的模型还处于“实习生”阶段，会犯错，有时需要远程协助，甚至可能把拖鞋放到厨房、擦桌子擦到一半就停下来“思考人生”。但其优势在于能够实现24小时不间断工作，并且每工作一天，都会因为新数据的喂养而变得更“聪明”一点。

显然，支撑这样一场漫长“实习期”的，离不开雄厚的资本推力。自变量近期刚刚完成了由小米战投领投的近20亿元软妹币B轮融资，而在此之前，其投资人名单上已经集齐了美团、阿里和字节等互联网巨头。在如此豪华的股东阵容加持下，自变量机器人能否真正跑通那个诱人的“数据飞轮”，无疑是接下来最值得关注的行业看点。