独家专访自变量机器人王潜：融资10亿背后的底层逻辑，要做具身智能时代的OpenAI

阔别已久，本期《Blue hour》深度对话的嘉宾，是近期因宣布完成10亿元巨额融资而处于风口浪尖的自变量机器人创始人——王潜。

此次邀约王潜，不仅是因为他亮眼的融资成绩，更因为在当前这一波具身智能与人形机器人的创业浪潮中，他展现出了一种极为罕见的独特特质。

生于1988年，这个微妙的年份让他避开了90后创业者的顺风顺水。2007年步入清华电子系，2009年投身AI研究，那正值AI发展的漫长寒冬，距离深度学习的全面爆发还有五年之久；博士期间转向机器人领域，主导的深度强化学习路径又恰逢技术瓶颈期；即便是赶上这轮具身智能热潮，自变量机器人在创立之初也并未自带光环，融资之路甚至充满挑战。

一个志在改变世界的创业者，如果屡次与行业的黄金爆发期失之交臂，必然会对捕捉时代机遇有着近乎偏执的执着。曾在量化基金领域淘金并开阔眼界的经历，让他的这种执念显得更为纯粹——当同行们沉迷于订单争夺战时，自变量机器人依然坚持技术深耕。当被问及是否要做具身智能领域的DeepSeek时，王潜的回答异常笃定：他要做的是像OpenAI那样引领范式创新的公司。尽管技术细节难以直观评估，但他确实拥有让顶尖投资人深度信服的人格魅力。

我对王潜的另一重好奇，源于对科技弄潮儿内心蓝图的探寻。如果这些人正决定着人类的未来走向，那么理解他们的思维基座便至关重要。

王潜儿时的梦想并非机器人，而是成为爱因斯坦。这一梦想随岁月流转，演变为利用AI解析物理规律，最终落地为研发具备高度智能的“制造机器的机器”。其核心目标始终未变：利用前沿技术驱动生产力的指数级跨越。他的世界观植根于统计学与概率论，建立在不确定性之上，但他清醒地将社会生活归于另一套叙事逻辑。

这是一种典型的极客视角。人们常认为自然科学是纯粹智力的产物，但在马克思看来，自然科学与社会生活有着共同的基础，即人类的历史实践。商业与工业的演进推动了科学的边界，而技术又反向重塑了我们的世界观。在AI与机器人飞速发展的今天，人类是否也正陷入一种“程序化”的机械生存？这是我未及与王潜深入探讨的终极命题。

若为嘉宾定义一种底色，我想选择钛青蓝。这是一种稳定性极强的合成色，深邃、冷冽，带有厚重的金属质感。正如王潜给人的观感：平和有礼的谈吐下，隐藏着属于顶尖聪明人的那种高度自信。他甚至不屑于与国内同行进行简单类比。这种心气，或许正是通往未来巅峰的必要支撑。

AI领域的先锋从不迷信确定性

刘燕秋：清华电子系孕育了众多机器人领域的佼佼者。作为2007级的学生，你为何在后期转向生物医学工程？这种跨学科的转变背后，是否有着对生命奥秘的深层好奇？

王潜：我自中学起便对AI有着浓厚兴趣。更早的时候，我曾痴迷于物理，甚至差点进入北大物理系。但我逐渐意识到，现代物理学与百年前已大相径庭，要在极短的科研黄金期内触及最前沿，对人类智力提出了近乎不可能的要求。我当时认定，必须通过AI来辅助人类跨越这个障碍。与其亲自划桨，不如制造出能驱动万吨巨轮的引擎。

本科时，AI研究的主流是统计学习，处于一个极其冷清且进步缓慢的阶段。为了寻找突破，我开始思考如何借鉴人类的神经网络机制，这促使我转向神经科学领域进行深入探究。

刘燕秋：这种路径的选择意味着你始终以AI为主轴。你当时是否已经有了具体的物理命题想要攻克？

王潜：当时的目标是追求“万有理论”。物理学在某种程度上就是宇宙的本质律法。我想成为像牛顿或爱因斯坦那样揭示宇宙真理的人。

刘燕秋：但现代社会的世界观似乎仍被牛顿式的机械论所主导，这种可预测性依然根深蒂固。

王潜：我不这么看。至少在AI和前沿物理领域，世界观早已发生了范式转移。量子力学和统计学习告诉我们，世界的本质是概率和随机。所有做AI的人都习惯于处理随机变量，而非追求绝对的确定性。我们对事物的判断是基于概率分布，而非单一的必然结果。

刘燕秋：这种基于概率的世界观，如何影响你对社会现实的观察？

王潜：我认为人类社会有一套独立于物理规律的“叙事逻辑”。因为人类的认知带宽有限，只能通过简单化、抽象化的叙事来凝聚共识。这与物理学上的随机性是平行的系统。

刘燕秋：在硕士期间，你曾较早地将注意力机制（Attention）引入神经网络。这在当时是极为超前的，但后来Transformer架构却是由谷歌发扬光大，你会感到遗憾吗？

王潜：遗憾确实存在。2009年时，我甚至在国内找不到专门研究神经网络的导师，于是决定从生物神经网络切入。我们在2014年左右提出的架构其实与现在的Transformer非常接近，但可惜没能将其作为终身事业坚持迭代下去。

刘燕秋：那么，你后来又是如何将视角锁定在机器人（具身智能）上的？

王潜：2015年左右AI热潮兴起，但我意识到图像识别等技术的天花板。我判断机器人是AI最有价值的落地场景。虽然期间我曾通过量化基金积累资本，但2021年GPT-3的出现让我意识到，AGI的到来比预想中要快得多。如果AGI即将降临，仅仅赚钱就失去了意义。具身智能是解决AI持续进化所需“指数级资源”的关键，只有通过“机器制造机器”，才能打破人力的线性增长瓶颈。

愿景：成为具身智能领域的OpenAI

刘燕秋：量化基金的成功为你提供了财务自由，为何选择在2023年底这个节点重新创业？融资初期的困难主要源于什么？

王潜：初期的挑战在于，我们坚持的“端到端基础模型”理论在当时并未获得广泛认同。投资人更倾向于见效快的专用模型或分层模型。直到2024年下半年我们的模型展示出实力，大家才意识到我们坚持的路径是对的。我们不愿做单纯的“快速跟随者”，我们的目标是做这个赛道的引领者，也就是具身智能领域的OpenAI。

刘燕秋：你曾效仿某些美国公司的路径，但后来为什么决定必须自研硬件？

王潜：最初确实想做纯软件模型，但在实际操作中发现，软硬件的深度耦合是不可逾越的。如果硬件接口不开放或不匹配，软件的迭代效率会极低。为了彻底掌控核心体验，我们必须组建强大的硬件团队，实现从底层到顶层的完全自主。

刘燕秋：在融资内卷的当下，你如何看待大额融资对企业的意义？美团的入局对你们意味着什么？

王潜：这更多是一种竞争身位的博弈。美团的背书对我们至关重要，它标志着场景方对我们技术逻辑的认可。虽然产业投资不直接等于订单，但在大家都还在“从0到1”的摸索期，谁能率先突破技术临界点，谁就能获得场景方的青睐。

刘燕秋：关于商业化落地，你似乎一直持有较为谨慎的态度，即便同行已经开始宣布大规模营收。

王潜：真正的商业化标准应该是为客户创造正向的ROI（投资回报率）。过去两年，整个行业其实都没有真正做到这一点。我们拒绝为了讲故事而收集“废数据”。但我预计，2026年将成为具身智能真正商业化落地的元年，那也将是自变量机器人的发力点。