🤖 具身智能 · 路线观察
拒绝“数字智能嫁接”：蚂蚁灵波下场自研“具身原生”大模型，用 6 万小时真实数据攻坚机器人大脑
蚂蚁集团旗下的具身智能公司蚂蚁灵波宣布启动首轮融资。在 2026 外滩大会上，其管理层明确表达技术主张：具身智能不是数字智能的嫁接，必须基于物理真实数据。其发布的原生具身模型已全面开源。
来源：综合公开信息整理•
2026-09•
约 3 分钟阅读
#蚂蚁灵波
#具身智能
#具身原生
#机器人大模型
#开源模型
150Hz
LingBot-VA 2.0 单卡实时推理效率
<130ms
LingBot-VLA 2.0 在 4090 上推理耗时
90%+
物理数据训练可用率（此前为15%）
TLDR / 速览
⚡ 蚂蚁灵波技术路线与战略要点
- 摒弃传统嫁接路线：拒绝将视觉语言模型（VLA）或视频生成模型（WAM）强行微调控制机器人，坚持从零预训练“具身原生”基模。
- 重磅发布全栈大脑 2.0：推出自回归架构动作模型 LingBot-VA 2.0 与融入 6 万小时真实物理数据的 LingBot-VLA 2.0，模型全量开源。
- 打破数据堆量迷思：重构数据采集与过滤链路，将原始数据进入模型训练的可用率从 15% 提升至 90% 以上。
- 明确商业边界：定位“只做大脑、不做本体”，聚焦生活服务（如智慧药房，单次取药<3分钟）与工业上下料场景。
01路线之争 为什么拒绝“数字智能嫁接”？
当前具身智能领域存在主流的 VLA（视觉语言延伸）与 WAM（视频生成搬运）两条路线。蚂蚁灵波管理层认为，这两种路线都是“在已有工具之下解机器人问题想出来的名词”，本质上过于想走捷径。
“拿数字模型控机器人，就像非要求男人生孩子。”
传统微调路线（如微调Wan模型）
数字模型存在能力上限；过度微调会破坏原模型的先验与知识，导致泛化性显著降低，极易撞到性能“南墙”。
具身原生路线（LingBot 2.0）
不依赖数字世界基模，基于自回归架构从头预训练，将空间、力觉与视觉动作分词器原生融合。
“非要让一个数字世界模型去控机器人，特别像非要求一个男人生孩子。”
—— 朱兴，蚂蚁灵波 CEO
在灵波的技术框架中，机器人被抽象为三件事：提取空间与力的 token、模态信息融合对齐、输出可执行动作。感知并理解物理世界的力与空间，是数字大模型从未触及的领域，也是具身智能的真正起点。
02全栈大脑 2.0 参数细节与物理数据
灵波发布的 LingBot-VA 2.0 是业界首个具身原生世界动作模型。它组合了语义视觉动作分词器、严格因果预训练、MoE 架构与异步推理，实现了极高的实时响应能力。
6万小时真实物理数据
17家覆盖机器人厂商
20种适配机器人构型
29.8K公开仓库 Stars 积累
数据说明：上述推理耗时（RTX 4090 显卡下 130 毫秒以内）及单卡 150Hz 实时推理效率均引自企业发布会与公开技术文档，实际效果受具体物理硬件部署环境影响。
支撑该路线的技术底座 LingBot-VLA 2.0 已全部开源，不仅获得了开源社区的广泛关注，也被多家金融机构研报与国际技术论坛列为重点开源 AI 项目。
03重塑数据漏斗 质与分布胜于盲目“堆量”
在蚂蚁灵波看来，具身智能的核心壁垒不是模型架构的微创新，而是真实物理数据的分布与质量。行业普遍讨论的“千万小时”数据量本身缺乏实际意义，关键在于能否拿到高价值的 corner case。
数据高效利用流式 pipeline：
01
模型研发反向定义数据类型、分布与场景任务
按需定制
02
高难度场景先行试采，沉淀 SOP 后推给供应商
流式交付
03
优化清洗与特征提取，拉升数据转化效率
可用率 15% ➔ 90%+
灵波将数据团队提升为研发的核心 knowhow 部门，由具备十年自动驾驶背景的团队领衔，重点突破物理数据从采集到进入模型训练的转化效率。
04落地试验场与战略边界
在商业化思路上，灵波主张“哪怕打童工，也该干活了”，但对落地场景设定了严格的三个约束条件：环境不能太开放、任务不能太长程、成本必须能算过账。
🏥 智慧药房真实场景落地（国大药房试验场）实测进行中
- 0 货架改造：在不改造现有药房货架的前提下直接投入使用。
- 闭环流程：自主完成接单、导航、识别药品、抓取并送回全流程，平均单次取药耗时低于 3 分钟。
- 复杂 SKU 覆盖：覆盖超过 150 种常见药品，有效分担夜间单人值守时的找药取药高频劳动。
场景定位：2B2C 试验场，作为机器人最终进入家庭生活服务领域的前哨站。
边界极度清晰：只做大脑，不出货硬件本体
灵波明确表态，公司不建大规模数据采集产能，不做本体量产，也不控制供应链成本。核心输出模式为闭环基模 + 工具链，本体出货交由合作厂商（如乐聚机器人），合作伙伴反向回流数据，形成协同生态。
EDITORIAL JUDGMENT / 编辑核心判断
具身智能不应是数字大模型的附庸。试图通过微调文生视频或多模态大模型来操纵机器人，短期内虽能快速出 Demo，长期看必将遭遇泛化性崩溃与算力壁垒。
然而，选择“原生自训”意味着极其高昂的数据获取与试错成本。在机器人大脑赛道逐步向少数几家收敛的过程中，蚂蚁灵波能否凭“只做大脑、不做本体”的克制生态策略，在商业落地的真实产出中穿越数据冷启动的高墙，仍需市场与实景规模化验证。