蚂蚁灵波：不必太纠结是世界模型还是VLA，具身大脑要解决的问题还很多
蚂蚁灵波发布具身原生世界动作模型LingBot-VA2.0，强调不必纠结VLA或VA技术路线。模型基于自回归架构从零预训练，不再依赖数字模型。具身大脑仍面临跨本体适配、数据飞轮、后训练成本等挑战，商业化处于早期阶段。数据质量比规模更重要。
具身大脑要大规模走向真实场景，确实还有不少坎要跨。跨本体适配、数据飞轮、后训练成本、商业化交付……每一个都是实打实的门槛。现阶段，整个行业还处于非常早期的阶段，这点必须清醒地认识。
"不用太纠结技术路线，现在整个具身大脑非常不成熟，要解决的问题还有很多。"7月10日，蚂蚁灵波首席科学家沈宇军在蚂蚁灵波大脑全栈2.0模型沟通会上，面对包括澎湃科技在内的媒体时，给出了这样直白的判断。
当天，蚂蚁灵波发布了具身原生世界动作模型LingBot-VA 2.0。这个模型最大的特点是不再沿用行业常见的"拿现有视频生成模型微调"那套做法，而是基于自回归架构从零开始预训练，从设计之初就围绕着机器人与真实环境交互的核心需求——动态建模、因果预测、实时执行——来构建。
蚂蚁灵波CEO朱兴直言，目前模型从研发到实际部署，整个过程依然很艰难。预训练和后训练都有各自的挑战，这也是为什么真正以模型驱动商业落地，现在还处于非常早期阶段。这段话背后，是整个行业都在面对的共性难题。
蚂蚁灵波大脑全栈2.0系列
不再依赖数字模型，打造具身原生模型
今年以来，关于具身模型的技术路线到底是走向分化还是走向融合，一直是行业里最热的话题之一。
目前，具身大脑的主流路线大致可以分成两类：VLA（视觉-语言-动作模型）和VA（视觉-动作模型，或者说世界-动作模型）。
沈宇军的看法很清晰：VLA的优势在于"对齐"，它能很好地理解人的语言意图，推理成本相对较低，落地也相对容易，所以成了不少公司的优先选择。而VA则更强调对未来状态和动作结果的预测能力。
"（我们相信）未来不会是VA或者VLA一家独大，一定会出现1+1>2的新模型。"沈宇军指出，不必太纠结技术路线。这次灵波发布的系列模型——比如视频生成基础模型LingBot-Video、实时交互世界模型LingBot-World 2.0——并不是彼此割裂的，它们各自在解决不同的技术问题，等这些问题逐步被攻克后，相关能力会融合到发布的收官之作——LingBot-VA 2.0中去。
灵波2.0系列模型延续了"具身原生"的技术思路。简单说，就是不再在语言模型、视频模型等数字模型的基础上修修补补，而是从具身在物理世界里的真实需求出发，来构建属于具身自己的基础模型。
朱兴解释，如果只看具体的模型名词，本质差异不大，真正的区别在于底座模型的来源。传统数字世界的视频生成模型，设计初衷是为内容创作服务的，更在意画质、想象力和创造力；但机器人在物理世界里工作，核心诉求是动作合理、因果预测准确、能够实时执行闭环。灵波之前也尝试过在数字模型基础上发展具身模型，但很快就发现这条路行不通，所以决定不再依赖数字模型。沈宇军补充说，在构建"具身原生"模型的过程中，也汲取了数字模型的一些能力，强化了一些能力，同时剔除了一些具身模型不需要的部分。
预训练和后训练，"两个阶段都各有挑战"
找到一个能直接适配不同机器人本体的大脑模型，并不容易。行业内，机器人本体公司几乎都在"重金求脑"。
之前有机器人本体公司对澎湃科技透露，现阶段大脑模型真正能适配本体的依然有限，多数模型还是高度依赖后期高成本的工程微调。
朱兴把问题拆得更细：预训练更多解决模型能力上限的问题，后训练则是"托底下限"。机器人进入具体的工业或商业场景后，后训练几乎不可避免。数据采集、标注效率、推理效率这些技术门槛，会直接转化为客户落地时的成功率和成本。
这次开源的系列模型中，具身基座模型LingBot-VLA 2.0已经支持17家厂商、20种机器人构型。朱兴特别说明，这里的"支持"是指在预训练阶段，模型已经有了对应构型的真实物理数据。随着预训练基模能力的"水涨船高"，后训练阶段的成本也会随之降低。
脱离质量，单一谈数据规模"意义不大"
无论选哪条技术路线，数据卡点始终是具身行业绕不开的老话题。
LingBot-VA 2.0模型以互联网数据和真实数据为主。比起盲目堆砌数据规模，朱兴更看重真实数据的质量与分布。真实数据既包括真机遥操作数据，也包括无本体数据（比如第一视角Ego数据、UMI数据等）。好消息是，随着采集效率的提高，行业内真实数据的生产成本正在快速下降。
媒体很爱问一个问题：到底要多少数据量才能达到具身智能的"ChatGPT"时刻？朱兴的回答很干脆：纠结百万小时量级还是千万小时量级，意义不大。具身智能所处的物理环境和任务复杂度，远高于自动驾驶——"千万小时还不够"。
在数据闭环方面，蚂蚁灵波已经搭建了自己的Data infra（数据基础设施），用来打通从数据采集、处理、模型训练到评测反馈的全链路，并且把"链路延迟（latency）"作为数据闭环优化的核心指标。这个指标，直接决定着模型迭代的效率。
商业化方面，朱兴表示蚂蚁灵波一直在推进。目前已有商业产品形态在稳步试点，携手机器人本体联盟伙伴在一些场景中推进"模型加本体"的投产和落地。部分模型能力也可以通过商业化方式提供给更广泛的具身智能客户，甚至其他具身大脑的客户。至于收费模式是买断式还是订阅制，朱兴说都还在早期探索中，会根据不同场景灵活调整。
WPS Office是一款面向macOS用户的综合办公套件，将文字处理、电子表格、演示文稿、PDF工具、模板与云协作整合在同一应用中。它兼容常见Microsoft Office格式，支持Intel及Apple芯片Mac，基础功能可免费使用，
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理工具，可在 Windows 上完成照片修饰、选区抠图、图层合成、文字排版、绘画及生成式编辑。软件采用订阅授权，由 Creative Cloud 管理安装、更新与许
Adobe InDesign 是面向印刷与数字出版的专业页面排版工具，可制作书籍、杂志、宣传册、海报、交互式 PDF 和电子书。它提供精细的文字样式、多页面管理、印前检查及多格式输出能力，并能与 Photoshop、Illustrator
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Affinity Photo 是一款面向摄影师、修图师和视觉设计人员的桌面图像编辑工具，提供 RAW 显影、多图层合成、蒙版、实时滤镜、批处理和色彩管理等功能。原独立产品已停止销售，其照片编辑能力已延续至免费的新 Affinity 应用；
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Figma 是面向产品设计与开发团队的云端协作平台，可在 Windows 桌面客户端中完成界面绘制、组件管理、交互原型、评论评审和开发交付。文件保存在云端，多名成员能够同步编辑并共享设计系统；官方同时提供免费 Starter 方案及按席位计
Affinity Designer 是面向矢量图形、数字插画和界面设计的专业创作工具，可在矢量、像素与导出工作区之间快速切换。它提供曲线编辑、形状构建、画板、排版、图层和专业色彩管理，并支持常见设计文件的导入及多种印刷、网页格式输出。
Capture One Pro 是面向摄影师和影像团队的专业桌面照片处理工具，提供相机定制色彩配置、RAW转换、图层与蒙版、联机拍摄、目录及会话管理等功能。它适合棚拍、人像、商业产品、婚礼和风光摄影，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
DaVinci Resolve是Blackmagic Design推出的一体化影视后期工具，将素材管理、非线性剪辑、专业调色、Fusion视觉特效、Fairlight音频处理和成片交付整合在统一工程中。免费版已覆盖多数个人创作需求，