中國具身智慧公司自變數（Zibian）在一場直播中展示了其雙臂機器人在物流分揀場景中的表現：僅配備兩隻工業標準夾爪，機器人連續執行一小時，完成1816件有效分揀，按短時吞吐量計算，較Figure 03此前創下的1248件/小時標杆高出45%。據公開資訊，該方案成本較Figure路線下降70%，分揀準確率超過98%。這一結果被部分觀察者視為具身智慧領域的“DeepSeek時刻”——用更低成本實現足夠強的能力。

直播中，機器人面對的是大小、重量、材質和朝向完全隨機的真實包裹，包括紙箱、軟袋、圓柱形快件和泡沫封裝生鮮件，基本還原了物流倉庫中人工處理的雜亂狀態。機器人需即時識別包裹屬性，判斷抓取位置和力度，並規劃機械臂路徑；遇到面單方向錯誤的包裹，還需翻轉和重新擺放。整個過程連續執行，無人工介入，也未出現故障停機。

自變數選擇了一條與Figure不同的技術路線。Figure 03採用完整人形身體與五指靈巧手，而自變數去掉了分揀用不到的腿和手指，將任務交由兩條機械臂和標準夾爪完成。其核心在於背後的通用具身智慧大模型WALL-B。該模型採用世界統一模型架構（WUM），將視覺、語言、動作以及對物理變化的預測放在同一網路中聯合訓練，使機器人不僅能決定下一步動作，還能預判動作對物體的影響，從而靈活組合夾、推、撥、攤、雙臂託舉等策略。

這種“更簡單的手，配上更聰明的大腦”的思路，旨在降低硬體成本、控制難度和故障機率。一隻五指靈巧手包含大量精密關節、驅動器和感測器，在7×24小時運轉的倉庫中，每個零部件都可能成為故障點。自變數認為，通過模型承擔更多複雜度，標準硬體也能處理隨機場景，從而讓企業不必為走路、平衡和十根手指付費。

自變數的技術積累源於家庭場景。2024年底，其釋出第一代端到端具身基礎模型WALL-A，隨後機器人進入養老院和真實家庭，完成折毛巾、整理桌面等任務。2026年，自變數與58到家推出可預約的智慧保潔服務，成為全球首個規模化進入普通家庭的具身企業。此次物流分揀被視為同一套模型能力向工業場景的自然延伸，家庭場景積累的視覺理解、空間推理和物理預測能力得以複用。

這一進展對具身智慧產業的意義在於，它可能改變行業對“先進”的定義。過去，人們常以機器人能否跑半馬、完成精細手工等來評判其先進性；而在真實產業中，效率、成本、穩定性和複製速度才是關鍵。自變數通過模型進步取代硬體堆疊，使單個工位的投入、吞吐、維護成本和回本週期更接近可接受範圍，從而推動機器人從一次專案交付走向規模採購。

當然，這仍是一次直播演示，實際部署中還需考慮長期穩定性、維護成本等因素。但自變數與Figure的對比，展示了具身智慧落地的另一條路徑：模型越聰明，身體可以越簡單。未來，機器人或許不會更像人，但會更像一個使用者願意買單的夥伴。