蚂蚁灵波新成果频出，高管首谈技术路线与战略

蚂蚁灵波首次进入公众视野是在2025年2月，当时密集的招聘信息让这家蚂蚁集团旗下的具身智能公司悄然浮出水面。2025年以来，该公司持续发布模型研究成果，其战略方向也逐渐清晰起来。

上周五，蚂蚁灵波正式发布了业界首个具身原生世界动作模型——LingBot-VA 2.0。得益于其具身原生架构，该模型在真机测试中展现了出色的执行速度与泛化能力。例如，在完全不依赖任何外部拍摄设备的情况下，机器人能够自主完成与人类的多轮随机对打。

LingBot-VA 2.0的发布，实际上代表了一种关键的技术路线选择：基于自回归架构，从零开始预训练。在模型发布之际，蚂蚁灵波CEO朱兴与首席科学家沈宇军首次对外深度解读了公司的技术路线与战略规划。

蚂蚁灵波在具身智能生态中的定位是成为“通用大脑”公司，其核心目标是解决机器人的泛化性问题。沈宇军在接受采访时提到，早在2025年初，团队就已明确要“做大脑”。他们认为，这是机器人真正落地过程中最缺失的关键拼图。

上海蚂蚁灵波科技成立于2024年底，但在此之前，沈宇军已带领团队开展具身智能相关技术探索。朱兴总结道，2025年上半年，公司投入大量精力进行团队搭建与数据准备。今年1月，蚂蚁灵波发布了首个开源空间感知模型LingBot-Depth 1.0；而在发布2.0版本后，他们首次提出了“具身原生”这一口号。

所谓具身原生路线，简而言之，就是完全自主研发模型训练，不再依赖数字世界的模型能力。

基于这一技术理念，蚂蚁灵波的做法与行业大多数公司有所不同。他们判断，数字世界中的许多需求与物理世界截然不同。因此，团队采取的策略是：从数字世界模型中汲取部分能力，同时强化物理世界真正需要的能力，舍弃物理场景中不需要的部分，随后对模型架构进行全面升级，并利用互联网数据与真机数据从头开始训练。

目前，具身智能行业仍处于早期阶段，大脑领域的技术路线尚未收敛。行业主要存在两条技术路线：VLA（视觉-语言-动作模型）或VA（视觉-动作模型），以及WAM（世界-动作模型）。前者认可度更高，其优势在于基于多模态模型，能够理解人类的语言意图，并且推理过程消耗资源较少，落地成本更低。

不过，从去年3月开始，蚂蚁灵波团队就意识到多模态模型在预测方面存在短板。然而，机器人要在物理世界中执行任务，预测能力至关重要。因此，他们决定解决这一问题，并于今年1月发布了VA（视觉-动作）模型。通过动态建模，模型具备了预测未来的能力。

基于现有问题，蚂蚁灵波的核心判断是：第一，从需求端来看，数字世界模型天然不适合机器人；第二，他们希望设计并训练一个更适配机器人的模型。目标是让机器人同时具备理解能力与生成能力。但眼下，数字世界还没有一个开源模型能同时满足这两点。沈宇军直言，这是蚂蚁灵波与其他玩家的最大区别。

因此，在技术路线上，蚂蚁灵波并没有明显的偏好，甚至认为未来这两条路线必将融合，最终会出现一个1+1>2，或将VA与VLA结合起来的更优模型。至于具体如何结合，他们仍在探索之中。

模型架构确定之后，蚂蚁灵波需要攻克的一个底层问题仍然是数据。这是当下公认影响具身智能发展的关键因素。朱兴强调：“数据起不来，无论是规模、质量还是分布，模型架构都是空中楼阁。”

当然，这需要长期投入。

具身原生的路线决定了蚂蚁灵波既需要产品数据，也需要定制化采集的数据。而蚂蚁灵波的数据理念，是更相信真实数据的价值。

朱兴总结道，从正常数据生产的角度来看，数据采集方式确实在快速升级。从近期Ego、UMI这两种数据采集方案的变化来看，采集效率越来越高，这意味着真机数据成本正在快速下降。但从物理智能的需求来看，这样的数据量还远远不够。他强调，模型在真实世界中的应用与迭代同样关键，整个行业真正跑通数据，需要来自应用场景的真实反馈。

因此，蚂蚁灵波今年采取了一系列行动。据了解，他们联合简智科技等数据联盟生态伙伴，共同建设标准化的数据体系。

在大厂体系内，蚂蚁灵波的优势在于蚂蚁集团在人才、资金和资源等方面的积累与支持。此前，蚂蚁已经在具身智能赛道投资了星海图、宇树科技、灵心巧手等多家公司。

但无论是从数据需求还是竞争占位来看，蚂蚁灵波都不能仅停留在实验室中。目前，公司已与乐聚、钛虎等生态本体厂商，以及国大药房、隆盛等公司，在零售分拣、物流分拣、工业等落地场景开启了全面商业落地测试。朱兴表示，未来蚂蚁灵波的模型能力可通过商业化方式，提供给广泛的具身智能客户，甚至包括那些同样在做大脑的客户。

在即将到来的2026世界人工智能大会期间，蚂蚁灵波将展示全栈大脑2.0在落地场景中的能力。值得一提的是，朱兴在多次采访中反复强调，具身智能仍处于非常早期的阶段，技术尚未收敛。从这个角度看，大厂与创业公司所面对的机会和挑战，实际上是平等的。