蚂蚁灵波频发新成果，高管团队首谈技术路线和战略选择

蚂蚁灵波第一次进入大众视野，是在2025年2月。当时密集的招聘信息让这家大厂旗下的具身智能公司悄然浮出水面。进入2025年，他们频繁发布模型研究成果，公司的战略方向也逐渐清晰起来。

上周五，蚂蚁灵波发布了业界首个具身原生世界动作模型——LingBot-VA 2.0。得益于具身原生架构，这款模型在真机测试中，展现出了相当不错的执行速度和泛化能力。举个例子，在完全不依赖任何外部拍摄设备的情况下，机器人就能自主完成和人类的多轮随机对打。

LingBot-VA 2.0背后，其实代表了一种关键的路线选择：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、首席科学家沈宇军首次对外深度解读了公司的技术路线选择和战略规划。

蚂蚁灵波在具身智能生态中的定位，是做“通用大脑”公司，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，团队就已经明确要“做大脑”。他们的判断是，这是离机器人真正落地最缺的那块拼图。

上海蚂蚁灵波科技成立于2024年底，但在此之前，沈宇军已经带领团队开始了具身智能相关的技术探索。朱兴总结说，2025年上半年，公司大量精力花在了团队搭建和数据准备上。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版本之后，他们第一次喊出了“具身原生”的口号。

所谓具身原生路线，简单来说，就是完全自研模型训练，不再依赖数字世界的模型能力。

基于这一技术主张，蚂蚁灵波的做法和行业中大多数公司有所不同。他们判断，数字世界里的很多需求，和物理世界是两码事。因此，团队的做法是：从数字世界的模型里吸取一部分能力，同时强化物理世界真正需要的能力，舍弃那些物理场景中不需要的部分，然后对模型架构进行全面升级，用互联网数据和真机数据从头开始训练一遍。

目前的具身智能行业还处于早期阶段，大脑领域的技术路线也尚未收敛。行业里主要有两条路线：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）。前者的认可度更高，它的优势在于基于多模态模型，能理解人的语言意图，且推理过程消耗的资源较少，落地成本也更低。

不过，从去年3月开始，蚂蚁灵波团队就意识到，多模态模型本身在预测方面存在短板。但机器人要在物理世界中干活，预测能力很关键。所以他们决定解决这个问题，直到今年1月发布了VA（视觉-动作）模型。有了动态建模，模型就有了对未来的预测能力。

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，他们希望设计一个更适配机器人的模型，并把它训练出来。目标是让机器人既具备理解能力，又具备生成能力。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，这是蚂蚁灵波和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，未来这两条路线一定会融合，最终会出现一个1+1>2，或者把VA和VLA结合到一起的更好模型。至于具体怎么结合，他们还在探索之中。

模型架构确定之后，蚂蚁灵波需要攻克的一个底层问题，还是数据。这是当下公认的、影响具身智能发展的关键。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，这需要长时间的投入。

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。而蚂蚁灵波的数据主张，是更相信真实数据的价值。

朱兴总结说，从正常数据生产的角度看，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，这意味着真机数据的成本在快速下降。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，模型在真实世界里的应用和迭代同样关键，整个行业真正跑通数据，需要来自应用场景的真实反馈。

于是，蚂蚁灵波今年有了一系列动作。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。

在大厂体系里，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和支持。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，蚂蚁灵波都不能只停留在实验室里。目前，公司已经和乐聚、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以通过商业化方式，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，具身智能还处于非常早期的阶段，技术尚未收敛。从这个角度看，大厂和创业公司面对的机会和挑战，其实是平等的。