蚂蚁灵波研发机器人“大脑”，换了个新思路
蚂蚁灵波发布业界首个具身原生世界动作模型LingBot-VA2.0，摒弃视频生成模型微调路线，基于自回归架构从零预训练，聚焦物理世界动态建模与因果预测，实现机器人实时闭环控制。
2026年7月10日，蚂蚁集团旗下具身智能公司——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。这个动作，放在整个行业里，有点“反常识”的味道。
怎么说呢？目前大多数同行在做机器人“大脑”时，走的是一条相对省力的路：拿现成的视频生成模型，微调一下，改造成机器人控制任务。但蚂蚁灵波从根上就换了思路——不再依赖数字世界里的“老司机带路”，而是基于自回归架构，从零开始预训练。CEO朱兴透露，LingBot-VA 2.0围绕动态建模、因果预测、实时执行这些机器人与真实环境交互的核心需求做原生设计。说白了，就是让机器人在行动中持续理解物理世界的变化，一边干一边预测结果，再决定下一步做什么。
这意味着机器人“大脑”的研发方向，正在发生一次关键转向：从“数字世界模型的嫁接”转向“物理世界的原生设计”。这不仅是技术路线上的选择，更是对“机器人到底该怎么学”这个问题的根本性回答。
回顾一下，去年整个行业刚经历了一次大转向——大家都放弃了依赖真机遥操的路径，转而拥抱纯视觉学习方案。所谓纯视觉学习，就是给机器人“大脑”喂海量视频，让它直接模仿人类动作。听起来很美好，但实际效果呢？机器人动作迟缓、执行效率低下，因为它在数字视频里看到的画面，跟真实物理环境完全是两码事。机器人缺乏对力学规律、物理属性、动作意图的理解，就像一个人只看了无数遍游泳教学视频，却从没下过水——理论上知道怎么划水，一进水里照样扑腾。
朱兴用了一个很形象的例子：如果机器人通过数字视频模型学习，它可能只会在一个桌面固定的位置拿起杯子。但真实世界里，杯子可能被随手放在别处，机器人需要抬头、弯腰、上前几步才能看到并伸手去拿。可它的“大脑”根本没训练过这种“感知—规划—末端执行”的完整链条，自然就懵了。
有些企业尝试通过强行“微调”来补救，把数字内容创作模型调整为真实环境模型。结果呢？反而出现了知识遗忘、泛化性下降的问题——刚做完几个动作，下个动作该做什么就忘了。这就像让一个只会写诗的人去写代码，硬改只会让两边都搞砸。
正是这些困境，让蚂蚁灵波决定走一条更艰难的路：基于自回归架构从头预训练。他们引入语义视觉—动作分词器作为全新的视觉编码器，采用严格的因果预训练范式，构建混合专家模型架构，并增强异步推理机制实现实时闭环控制。最终，这套体系形成了LingBot-VA 2.0。它不再是“数字世界里的学霸”，而是从物理世界的原始需求出发，真正理解“手碰到杯子会怎样”“杯子移动后桌面会怎样”这些因果链。
当然，要让机器人“看得更明白、想得更清楚、干得更利索”，光有模型架构还不够，还需要大量高质量数据的支撑。朱兴坦言，未来的训练必须引入听觉、触觉等多维度多模态数据，让机器人除了“看得清”，还能“听得懂”“触得着”。只有更全面地感知真实物理环境的变化，才能做出更符合因果规律的动作预测。因此，蚂蚁灵波正在加速构建开放的技术生态和场景生态，推动机器人更快走向产业场景，通过更大范围、更高质量的数据采集，持续提升机器人在真实物理环境里的感知、思考、决策与应变能力。
一句话总结：这条路难，但方向对了。机器人“大脑”的进化，终于从“看得见”走向了“摸得着”。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台，提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具，适合短剧、漫剧、广告及社交媒体内容制作。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，