8月12日下午，深圳具身智能企業自變量機械人進行了一場持續1小時的物流分揀直播，引發全網關注。一台搭載雙機械臂和夾爪的機械人，在全程無人工干預的情況下，對大小、形狀、材質和重量完全隨機的真實物流包裹連續作業，最終完成1816件分揀，準確率超過98%。平均每2秒完成一次抓取、擺放的全套動作。

　這一速度超過了美國具身智能企業此前公開展示的1248件/小時，效率提升約45%。據自變量內部估算，其物流分揀系統成本僅為美國企業的約30%，整整下降了約70%。

　成立於2023年12月的自變量機械人，總部位於深圳，是國內最早採用完全端到端路徑研發通用具身智能大模型的企業之一。今年4月，自變量發布了全球首個基於「世界統一模型」架構的具身智能基礎模型WALL-B。這款模型正是本次物流分揀直播中機械人的核心決策系統，為其提供了理解物理世界、自主推理動作的能力。

　據介紹，物流分揀看似只是「抓取和搬運」，但真實產線中的包裹大小、重量、材質和形狀各不相同，擺放姿態完全隨機。機械人不僅需要抓取包裹，還要判斷物體狀態，將面單調整到便於後續掃碼識別的位置。這是整個流程中隨機性最高、最考驗機械人能力的一步。

　直播中，機械人面對不同類型的包裹自主採用不同策略：輕質小件直接夾取快速搬運；較重箱體採用側面推移或雙臂協作；遇到蜷曲摺疊的柔性軟包，則先通過撥、攤等動作整理平整，再調整面單位置。這些處理方式並非工程師提前為每種包裹編寫規則，而是機械人根據物體屬性、對物理規律的理解作出的自主推理的結果。

　更值得關注的是技術路線上的差異。長期以來，提高機械人操作能力的一條常見路徑是不斷增加硬件自由度，例如採用人形本體、五指靈巧手等複雜結構。硬件越複雜，製造成本、控制系統難度和維護門檻也越高。自變量此次展示的是另一種思路，即不依賴堆疊硬件，而是提升基礎模型能力，讓機械人擁有更「聰明」的大腦，利用更簡單的硬件完成任務。

　此次直播中，自變量採用的標準夾爪結構簡單、零部件少、穩定性高、維護容易，更適合倉儲場景長時間連續作業。雙機械臂可直接嵌入現有分揀工位，無需大規模改造產線。這意味着，過去需要通過「更靈巧的手」解決的問題，現在可以交給「更聰明的大腦」解決。

　支撐這套技術路線的核心正是WALL-B模型。該模型將視覺、語言、觸覺、動作和物理預測等能力融合在同一個神經網絡中。機械人藉此理解重力、慣性、摩擦力等物理規律，判斷物體狀態，預測不同動作可能帶來的結果，進而自主完成決策。這些能力並非針對物流場景專項訓練，而主要來自模型預訓練階段形成的通用物理理解和泛化能力。這意味着機械人進入新的生產或生活場景時，不必從零開始學習，而可以基於已有能力快速理解環境、適應任務，為具身智能在不同場景中的批量複製和快速落地提供基礎。

　據介紹，此前，自變量已與58到家合作推出機械人上門家政服務，讓機械人進入真實家庭與保潔員協同完成清潔、收納等任務。目前，自變量還與國內頭部物流企業展開合作，將分揀方案部署到真實產線。當同一個「具身大腦」能夠復用已有的物理理解和解決任務能力，具身智能的規模化應用便有了更清晰的路徑。