一台物流分拣机器人，真的需要两条腿、十根手指和完整人形躯干吗？自变量的答案是否定的。在近期一场持续一小时的公开直播中，其双臂机器人仅搭载两套工业级标准夹爪，面对纸箱、软袋、圆柱快件、泡沫生鲜件等随机混杂的真实包裹——大小、重量、材质、朝向全无规律——稳定完成1816件有效分拣，短时吞吐率达1816件/小时，较Figure 03此前200小时长测创下的1248件/小时标杆提升45%。更关键的是，该方案硬件成本直降70%，分拣准确率超98%，全程零人工干预、零故障停机。
这并非单纯的速度比拼，而是一场范式迁移：当具身智能大模型WALL-B深度理解重量、摩擦、惯性与物体形变，机器人便无需为‘像人’而堆砌冗余自由度。WALL-B采用世界统一模型（WUM）架构，将视觉、语言、动作规划与物理变化预测深度融合于单一网络，在执行前即预判夹取时软袋是否会滑脱、侧推纸箱是否倾覆，并据此动态切换策略——单爪抓提、双臂托举、惯性翻转、拨平摊展、台面借力……同一套夹爪，因模型驱动而衍生出远超机械规格的动作智能。
自变量并未放弃灵巧手研发（2025年已发布20自由度五指手），但此次主动‘做减法’：在固定工位场景中，走路、平衡、多指操作皆属无效成本。其路径清晰——让模型承担复杂性，让硬件回归任务本位。这一思路源于家庭场景的长期锤炼：WALL-B早在真实家庭中完成折毛巾、收纳、清洁等碎片化任务验证，并于2026年联合58到家推出可预约上门的AI保洁服务，成为全球首个规模化进入普通家庭的具身智能企业。家庭积累的跨物体识别、空间推理与物理预测能力，无缝迁移到工业分拣，印证了‘通用大脑+场景化身体’的产业化正循环。
过去，机器人先进性常以跑半马、捏鸡蛋来衡量；今天，产业客户只问四个数字：每小时处理量、单工位投入、年均故障率、投资回收周期。当模型进步替代硬件堆叠，当一套模型能力可从客厅复制到仓库、从一条产线延展至百条，具身智能才真正触达商业落地的‘斩杀线’——而自变量此次突破，正是这条线被实质性击穿的标志性事件。
来源：爱范儿