王潜：拿下开年最大机器人融资，要做具身智能领域的OpenAI

日期：2026-01-25 15:41:29 / 人气：10

一个梦想成为爱因斯坦的人，最终创立机器人公司，成为开年融资黑马。自变量机器人创始人王潜，带着10亿元新融资走进大众视野——这笔吸引字节、红杉等巨头入局的资金，不仅是2026年机器人赛道的首笔大额融资，更让这位始终与行业繁荣期隔着“时间差”的创业者，站在了具身智能的风口中央。

在这一波具身与人形机器人创业者中，王潜是个特别的存在。生于1988年，2007年进入清华电子系，2009年钻研AI时恰逢行业低谷，读博转向机器人后又遭遇深度强化学习路径瓶颈，即便赶上赛道热潮，初期融资也屡屡碰壁。但这份与时代节奏的错位，反而让他对“用技术驱动指数级增长”有着极致执念。更难得的是，他曾做过两年量化基金，赚过钱、开过眼界，却在AGI信号显现时毅然回归，这份纯粹的技术信仰，让他在订单大战的行业浮躁中，选择暂不急于商业化，笃定要做“具身智能领域的OpenAI”。

一、世界观底色：从物理梦想到概率性AI逻辑

王潜的创业初心，始于一个遥远的物理梦想。小时候，他渴望成为爱因斯坦那样的物理学家，希望触及宇宙最本质的规律——“物理是人类所能触及的、最接近宇宙真理的领域”。但随着认知加深，他逐渐意识到，当代数学与物理领域的门槛已高到极致：即便天才，也需耗费数十年才能触及前沿，职业生涯的核心创造期仅有短短十年。“再过一百年，可能数学家、物理学家就没‘职业生涯’可言了，人做不到的事，得让机器来做。”

这份认知让他从物理转向AI，而清华电子系的求学经历，更让他在行业低谷中锚定了研究方向。2007年本科入学时，AI领域正陷入寒冬，主流的统计学习每年性能提升仅0.1%，瓶颈尽显。王潜判断，唯有借鉴人类神经网络机制，才能实现范式突破，这也促使他后来转入生物医学工程系，从神经科学角度探索AI的可能性。

多年的AI研究，让他形成了一套基于统计学和概率的世界观。“现在所有做AI的人，秉持的都是随机性的世界观，没有谁还抱着确定性的世界观。”在他看来，世界的本质并非牛顿力学式的可精确计算，而是充满概率分布——就像AI做手机定位时，无法100%确定位置，只能给出概率区间；人类的思考方式亦是如此，所谓的“确定”，不过是未察觉的概率判断。

但他同时认为，人类社会与物理世界遵循截然不同的逻辑。“物理世界讲概率，人类社会讲叙事。”王潜解释，人的认知能力有限，需通过简化、抽象的叙事凝聚共识，这种叙事与自然科学规律无关，是一套独立的社会运行系统。这份对“双重逻辑”的认知，也贯穿了他的创业选择——在技术上追求概率性的精准迭代，在商业上理解叙事的价值，却不盲从。

二、技术轨迹：从注意力机制到具身智能的坚守

王潜的技术履历，藏着AI发展的关键节点。早在2009年，他就聚焦于注意力机制研究，认为这是连接AI与人类意识的核心——“意识就像剧院里的聚光灯，注意力机制就是那束光”。2014年，他与谷歌、苏黎世联邦理工学院的团队几乎同时产出相关论文，其提出的架构甚至比后来谷歌主导的Transformer更贴近如今的形态，却因未能持续深耕而错失进一步突破的机会。“说不遗憾是假的，但也让我更清楚，技术落地需要时机与坚持。”

2014年前后，第一波AI热潮兴起，“AI四小龙”涌现，但王潜对安防等落地场景兴趣寥寥，转而将目光投向机器人——在他看来，这是AI最快、最有价值的落地方向，也就是如今的“具身智能”。然而，深耕几年后他发现，当时主流的深度强化学习路径存在瓶颈，“可能要等三五十年才能突破，没必要耗光青春”。于是，他暂时抽身创办量化基金，打算赚够钱后再回头资助这个领域，这也是不少顶尖学者的曲线策略。

2021年GPT-3的出现，成为他回归的关键信号。“这是明确的范式转变，我判断十年内通用人工智能（AGI）可能落地。”在他看来，此时再追求财富已无太大意义，不如亲自投身AI研发。而选择重返机器人赛道，核心是看到了行业卡点：工业革命以来“机器制造机器”的指数级增长梦想，始终受制于人力瓶颈——没有任何一件物品的制造能完全脱离人力，这成为AGI发展的核心桎梏。

“具身智能的价值，就是替代人力这个线性瓶颈。”王潜笃定，只有让机器人具备自主制造能力，才能实现“机器造机器”的指数级增长，进而支撑AGI甚至超级人工智能（ASI）的发展。这一判断，也成为自变量机器人的核心战略——不做单点场景的专用模型，而是聚焦端到端的统一基础模型，做具身智能领域的“基础设施”。

三、融资逆袭：从无人问津到巨头押注的逻辑转变

自变量机器人的融资之路，并非一帆风顺。2013年底成立初期，王潜屡屡碰壁，核心原因是其技术逻辑与当时的行业共识相悖——他坚持做统一基础模型，而投资人更认可分层模型与单点场景落地；当同行忙着讲“对标美国PI公司”的故事时，他却直言要做“具身智能的OpenAI”，这种“野心”在早期更显突兀。

“那时候投资人总问三个问题：什么时候能做出来？要花多少钱？大公司为什么做不成？”王潜回忆，当时行业普遍追捧垂直落地，没人相信他“基础模型优先”的判断。直到2024年下半年，自变量首款原型机PI-0推出，成为融资转折的关键节点——这款产品印证了其技术逻辑的可行性，也让早期质疑者逐渐转变态度。

而真正让融资进入快车道的，是美团等产业资本的入局。王潜坦言，美团的投资不仅带来资金，更带来大厂背书，让行业对自变量的认可度显著提升。但他也清醒地认识到，产业资本的价值不在于“输送场景”，而在于彼此赋能：“商业公司的主业永远是第一优先级，核心是你能帮它解决问题，而不是靠投资关系要资源。”

对于赛道融资内卷，王潜有着务实的认知。“现在融资不是‘需要多少融多少’，而是身位的拉扯——融的钱越多，后续越容易拿到更多资金。”天使轮时，就有投资人质疑“别人已融10亿，你凭1000万怎么比”，这种现实压力让他不得不参与到融资竞争中。但他始终守住底线：不为讲故事而融资，投资人的核心认可，源于对其“从0到1创新”的信心——区别于国内“快速跟随”的传统路径，自变量要做赛道第一。

四、行业判断：2026年商业化落地，拒绝“废数据”陷阱

在行业忙着卷订单、刷营收的当下，王潜的节奏显得格外冷静。过去两年，他主动放弃商业化重心，核心判断是“时机未到”——目前市面上没有任何一款机器人能为客户带来正向ROI（投资回报率），所谓的“营收过亿”，更多是短期营销效应，而非真正的价值落地。

“2026年会出现真正意义上的商业化。”这是王潜给出的明确预判，也意味着自变量将在明年把商业化提上核心议程。他认为，具身智能的商业化，关键不在于“早落地”，而在于“能落地”——必须先突破技术瓶颈，让机器人具备替代人力的实际能力，再谈规模化，否则只会陷入“卖硬件、讲故事”的循环。

对于行业内“靠场景收集数据迭代算法”的通行逻辑，王潜直言“行不通”。“现在有谁靠这种方式收集到有效数据了？又有谁靠这些数据训出能用的模型了？”在他看来，不少公司的数据集本质是“废数据”，既无法支撑模型训练，也不能解决实际问题，只是为融资造势的工具。自变量的路径，是先靠技术突破构建核心能力，再基于真实需求收集数据，而非本末倒置。

而谈及硬件与软件的关系，王潜的选择是“完全掌控硬件”。初期他也曾考虑做纯软件，但很快发现，依赖外部硬件供应商会陷入接口调整、谈判内耗的困境，半年时间可能都无法推进核心研发。2025年初，他正式组建庞大硬件团队，实现软硬件全自研——唯有这样，才能确保端到端模型的迭代效率，避免被供应链束缚。

结语：钛青蓝般的笃定，在不确定性中锚定方向

若用一种颜色形容王潜，钛青蓝最为贴切——色相稳定的深蓝色，带着厚重金属质感与冷冽光泽，像他对技术的笃定，也藏着聪明人的骄傲。他客气谦和，却从不掩饰对团队技术实力的自信，国内同行几乎不在他的比较范围；他经历过行业低谷、融资困境，却始终坚守“用技术驱动指数级增长”的初心，不被浮躁裹挟。

从物理梦想走向AI，从量化基金回归机器人，王潜的每一步都看似与时代节奏错位，却始终锚定长期价值。在具身智能赛道仍充满不确定性的当下，他的10亿元融资，不仅是资本对其技术逻辑的认可，更代表着行业对“从0到1创新”的期待。正如他所说，自变量要做的不仅是一家机器人公司，更是具身智能领域的OpenAI——用技术突破人力瓶颈，让机器制造机器的指数级增长成为可能。

2026年，随着商业化大幕拉开，这位“时间差”创业者，或许将真正迎来属于他的技术爆发时刻。

作者：恒达娱乐