秘密
蚂蚁集团组织了一支「物理AI特工队」：蚂蚁灵波具身路线的优势与困顿_我的网站
一 | 该图片使用了AI生成技术 本文来自微信公众号： 潮涌AI ，作者：潮涌AI编辑部，原文标题：《蚂蚁集团组织了一支「物理AI特工队」：蚂蚁灵波具身路线的优势与困顿》 2024年12月，上海张江，一家新公司注册成立。 1978年一个夜晚，草原上夜幕低垂，寒风呼啸而过。 硕博占比超过九成，CEO是朱兴，首席科学家沈宇军来自蚂蚁技术研究院交互智能实验室。 这家公司叫蚂蚁灵波，蚂蚁集团全资子公司，注册资本1亿元，在刚刚结束的WAIC上以“镇馆之宝”的名号扩散势能。内蒙古草原上一片静谧，一眼望去尽是苍茫夜色，连月亮都只有一个尖，四下少有人迹，甚至隐约能听到狼嚎。 毫无疑问，蚂蚁集团内部多了一支被员工称为“物理AI特工队”的队伍。他们的任务不是做支付，不是做大模型聊天机器人，而是给实体机器人造“大脑”。“别过去，危险！”一道尖利的女声划破这片寂静，那声音急切又凄怆：因为这女子眼睁睁看见，自己面前出现了一匹野狼，灰白色的毛发在夜色中令人不寒而栗，仿佛自己的喉管下一秒就要被这野狼咬断。她本想拉着自己的同伴快跑，可四肢犹如灌铅，更要命的是，她的同伴居然毫无惧色，还朝着野狼往前走了几步。 蚂蚁如何爬出一家“机器人公司” 朱兴2011年加入阿里巴巴。 过去14年里，他做过支付、金融服务、O2O，2023年刚刚完成支付宝广告商业化的从0到1，而在2024年底，他被抽调筹建蚂蚁灵波。
二 | 接下来的画面就更诡异了，那一人一狼仿佛能做心理沟通，一同走进草原深处。 这是一个令外界意外的选择。 从时间线来看，灵波的筹建时间非常紧迫。她的同伴名叫陆曼，也是一名军医，原本是和战友一起结束训练准备回宿舍休息的，没想到半道上被野狼“截胡”了！陆曼是南方人，身形娇小，平时不太爱说话，见到虫子都能被吓一跳，怎么会跟着一只野狼进入草原呢？难道她身上有特异功能？当时她跟随部队，一起来到内蒙古驻扎，营地就在草原上，几个女军医住在一起，每天除了做日常训练，还要为士兵们处理一些紧急伤病。
三 | 朱兴没有机器人行业的背景，但他有一个蚂蚁当下最需要的能力：把技术变成能落地的产品。
四 | 灵波的首席科学家沈宇军则来自蚂蚁技术研究院交互智能实验室，研究方向是计算机视觉和深度学习，本科毕业于清华大学电子工程系，然后选择在香港中文大学信息工程系攻读博士学位，曾在商汤实习，担任过字节跳动高级研究员。 两人搭配的逻辑清晰：一个懂产品化和商业化，一个懂技术底层。 目前，灵波团队硕博技术人才占比超过九成。
五 | 在蚂蚁集团内部，灵波挂在CTO线下，与百灵大模型团队、支付宝AI团队平行，但专攻“物理智能”——也就是具身智能。
六 | 一望无际的草原，四下绿莹莹的，几个帐篷挨在一起，看上去倒也很有安全感。
七 | 陆曼平时话不多，但作为军医却很是合格，不仅医学知识丰富，手里积攒不少经验，在几次紧急情况面前她都能做到随机应变。军人身上那股独有的冷静果断气质，在她身上体现的淋漓尽致，其他战友都对她很是钦佩。这天晚上和平时并没有什么不同，陆曼手里没有要紧急处理的病号，照常和战友们做了日常体能训练，不知不觉天已经擦黑，一行人便结伴返回营地休息。草原上少有人家，灯火稀少，没有月亮的时候总显得格外黑，好在几人一同作伴，也能壮胆同行。陆曼和另一位女军医一路上都在看星星，沉浸在漫天星光中，不知不觉和大部队拉开了距离，四下看不见灯光，她们便赶紧快走了几步。
八 | 没想到就是这个时候，两个年轻女孩就碰见了意外——几声低沉的嚎叫之后，居然有一匹狼出现了！那似乎是一匹野狼，毛发灰白，但很是凌乱；但两只眼睛在暗夜里依然像个小手电，闪着寒光，让人不寒而栗。 蚂蚁集团对灵波的战略定位，是把AGI目标拆成两个层面：数字智能和物理智能。草原狼可是出了名的凶猛，更何况是在夜间，两个手无缚鸡之力的女孩子被盯上！陆曼脑子顿时空白，拉着女伴的手不停颤抖。
九 | 所幸野狼没有立刻展示出攻击性，它只是站在原地，喉咙里发出低沉的呜咽声，像是在哀求，又像是在呼唤。这一声声狼嚎，低沉而哀怨，仿佛蕴含着无尽的悲伤和痛苦，让陆曼想起自己曾经包扎照料过的重病士兵。数字智能由百灵大模型、AI支付宝、蚂蚁阿福等业务承载；物理智能的核心执行主体，就是灵波。 六款模型，两条路线 2026年7月初，蚂蚁灵波在一周内连续发布六款具身智能大模型，覆盖视觉、视频、空间感知、灵巧操作、世界模型和世界动作模型六个方向，并且全部开源。他们也是血肉之躯，受伤治疗时也会痛呼出声，那种压抑感和这匹狼居然很有相似之处。她直觉公狼是在传递求助信号，小心翼翼的轻声问，“你是有事要我帮忙吗？”一旁的女伴只觉得这哀嚎听着碜人，边拉着陆曼边劝她：“还是快点走吧，这万一是狼群来了，麻烦可就大了！但陆曼却不肯走，她凭借着多年军中治疗的经验，判断这头狼并非想要攻击他们，它似乎遇到了什么麻烦或者病痛，想要寻求帮助。 这不是一次普通的产品发布，灵波在发布会上展示了它的技术路线选择：双线并进。她上前走了两步，想近距离观察这匹狼是否受了伤，而野狼依然没有表现出攻击性，陆曼心里就更笃定了。另一边的女伴被吓得不轻，见陆曼和野狼距离这么近，赶紧上前拉她要跑，周围还有几个战友也都寻声而来，还有人掏出枪要保护陆曼。但陆曼却不跟他们走，反而自己跟着公狼往前继续走。
十 | 当时刚来草原，陆曼就听当地牧民说过，草原上的动物都是有灵性的，能听懂人说话的；而现在这匹狼不但没有害人的心思，还不断低声嚎叫，似乎在自己身前有引路的意思，她心里就更有数了。 第一条是VLA路线（视觉-语言-动作），代表模型是LingBot-VLA 2.0。这条路线的主流逻辑是“看到→理解→动作”，基于视觉-语言模型做基座，让机器人根据视觉输入和语言指令输出动作。这是当前行业最主流的技术路线，Figure、Google DeepMind的RT系列都在这个方向。 第二条是世界模型路线，代表模型是LingBot-VA 2.0。
十一 | 这条路线不直接映射感知到动作，而是先预测“世界接下来会如何变化”，再同步生成下一步动作。沈宇军在技术分享中把VA 2.0定义为“行业首个具身原生世界动作模型”，基于自回归架构从零开始预训练，实现了单卡150Hz的实时推理。
十二 | 她示意周围的战友保持警惕，紧跟其后，如有异常再发出救援，而自己则跟着公狼向草丛深处走去。
十三 | 六款模型的分工是清晰的： VA 2.0的技术细节值得单独拆解。战友们小声地议论着，但谁也不敢轻易靠近，陆曼和野狼轮番踏过草丛，传来低低的悉索声，加上远处飞虫走兽的叫声，让周围的气氛显得非常紧张。陆曼心里不是不紧张，狼毕竟是狼，不通人情，不懂人言，一旦发性自己可能会立刻毙命；但她还是相信，自己的直觉不会出错，这匹狼一定是需要自己帮助的。走了不远，公狼就停在一个隐秘的洞穴前，回身示意。陆曼立刻闻到了一股血腥味儿，探头往里一看，就见到一只母狼躺在地上。 据灵波发布的技术文档，它采用了四项核心设计：语义视觉-动作分词器、严格的因果预训练范式、MoE架构，以及增强的异步推理机制。再仔细看看，母狼肚腹部明显隆起，而神情却很是痛苦，不停的发出叫声，却是有气无力一般。前三项解决的是“理解世界”的问题，最后一项解决的是“实时响应”的问题，让机器人在执行当前动作时，模型已经开始预测未来状态。陆曼反应过来，这应该是母狼难产，公狼出来是为了寻人帮助！顾不上多想，陆曼立即从随身携带的医药箱里拿出工具，戴上医疗手套，先给母狼做好消毒，就开始着手帮母狼分娩。这时候，一直没听到陆曼求救的战友们也跟了上来，见到眼前的一幕，他们才明白陆曼刚刚的分析是对的。战友们都觉得十分惊奇，随后几人在陆曼的安排下，找来了干净的布和水，做起了协助准备工作。 150Hz的推理频率是什么概念？ 它意味着模型每秒完成150次推理，单次响应约6.7毫秒；作为参照，人类眨眼一次约需300-400毫秒，也就是说，机器人“思考”一次的时间不到眨眼时间的1/50。 灵波的技术文档称，VA 2.0让机器人具备了“边推演、边行动”的通用控制能力。
十四 | 但一位机器人行业从业者向亿邦动力表示，推理频率只是工程指标之一，真正的考验是在真实场景中的泛化能力。“在仿真环境里跑150Hz和在有老人、小孩、宠物的家庭环境里跑150Hz，是两回事。洞穴里光线昏暗，空间狭小，陆曼只能半跪在地上，为母狼接生；过程中为了缓解母狼痛苦，她不住用手轻柔地按摩母狼腹部，帮忙矫正胎位，安抚情绪。前后折腾了一个多小时，在几名军医的共同协助下，这匹命大的母狼终于结束分娩，顺利诞下六只小狼崽子，也算是“母子平安”。” 开源、R1和生态 灵波这次发布的另一个关键策略是全栈开源——权重、代码、后训练工具链、评测集全部放出。 在技术标准尚未定型的阶段，开源是建立生态影响力的最快方式。陆曼掏出身上所有的食物，放在狼窝里，自己和战友们悄悄回了营地，没有再打扰这一家狼的生活。不过意想不到的是，这之后两只狼好像就认识了她，虽然没有真冲进营地里大吼大叫，不过也一直往陆曼在的部队旁边跑。有时候值勤的战士会在营地门口捡到刚断气的野兔子，还有时候会是别的什么野物。灵波的模型支持多种机器人构型，不同本体和场景均可接入同一套“大脑”。 目前，已有十几家机器人厂商与灵波建立合作。 除了蚂蚁直接参与投资的宇树科技、星海图，今年6月，乐聚机器人官宣旗下KUAVO 4 Pro（夸父）已完成LingBot-VLA的后训练适配，并围绕GM-100评测体系里的95个真实操作场景做了系统性测评。 LingBot‑VLA 2.0训练 但灵波并非只做“大脑”。
十五 | 2025年9月，它推出了首款服务机器人Robbyant R1，定位家庭、养老、医疗健康等服务场景。不过，根据多家媒体的报道，R1目前的出货量有限，更接近“验证模型的载体”，距离大规模走量尚有距离。 这是一个现实的处境。大家觉得很奇怪，还特意派了几个人“侦查”，结果发现这些野兔竟然是当初那两头狼半夜放到门口的。
十六 | 这是被接生的母狼在“报恩”呢！有夜晚值班的士兵说，他经常可以看到那对儿狼夫妇晚上在经营附近“巡逻”；更让人感到诧异的是，从此之后这对儿狼夫妇也没有再去牧民家里偷过家畜，攻击牧民饲养的牛羊。 在硬件本体环节，宇树、智元、银河通用、星动纪元等公司在硬件工程、供应链和量产上已经积累了数年，灵波的机器人产品力和量产能力还无法与它们直接竞争。无论是陆曼还是部队里的士兵，都为狼如此通人性、懂报恩的举动感动了，不仅减少了对狼的戒备，还会拿出食物投喂狼群，人与狼在这片草原上，建立起微妙的友谊关系。 大厂具身地图上的“唯一” 把灵波放在中国大厂具身智能的地图上，它的位置有些特殊。
十七 | 阿里在通义体系下推出了Qwen-Robot，但产品定位更偏平台工具，给机器人厂商提供多模态基础模型，本身不做本体，也不深入到具身大脑的操作层；腾讯的Robotics X研究院走“云+投资”路线，把大脑和算力卖给机器人公司；华为CloudRobo同样以云端能力为主。京东和美团采取重投资、轻自研的策略，聚焦物流和配送场景。万物皆有灵，都值得我们以尊重和珍视相待。 灵波是唯一一家同时押注大脑基座、世界模型和本体落地的大厂子公司。
十八 | 人和动物在大自然的面前是平等的，每一份善意都会被公平对待，这段人狼情缘更见证了跨越物种的爱与勇气。但愿在地球上生活的生灵都能彼此信任、彼此依靠，守护我们共同的家园。 蚂蚁灵波官网截图 但这个“唯一”也带来了问题。 灵波在蚂蚁集团内部需要与百灵大模型团队、支付宝AI团队争夺资源；在蚂蚁集团外部，仅阿里系内部就有多个具身智能条线“各自为战”，包括千问Qwen-Robot、高德世界模型，尚未形成统一的战略协同。
十九 | 数据困局与开源的悖论 如果技术路线的不确定性是第一层困顿，那么数据瓶颈是更现实的第二层。 具身智能行业有一个被反复提及的残酷数字：真实世界数据与语言数据有几万到几百万倍的差距。大语言模型可以调用万亿级的人类语言数据进行训练，但机器人需要的物理交互数据，比如“怎么抓杯子不碎”“在湿滑地面上怎么保持平衡”，只能靠真机一点点积累。 灵波的数据从哪里来？ 根据AIX财经报道，灵波的真机数据主要依赖生态伙伴供给，包括宇树、乐聚、星海图等合作厂商的真机测试数据。 这是一种“借鸡生蛋”的模式：灵波自己不造大量本体，靠合作伙伴的数据来训练模型。 但这个模式的脆弱性是显而易见的。 宇树科技刚刚推出了宇树UnifoLM-OminiA-0.3具身大模型，智元机器人有自己的世界模型和AgiBot World数据平台。
| 一旦这些本体厂商认真自研大脑，数据供给随时可能收紧，灵波将失去最重要的训练燃料。 微博截图 全栈开源是灵波应对这个困局的策略：权重、代码、工具链、评测集全部放出，吸引全球开发者基于其标准开发，试图把自己变成“公共底座”。 但是，别忘记了具身智能头部玩家们自己也都在有意识布局“大脑”，如果它们自己的大脑做得比灵波更好，为啥选择灵波？ 开源在标准未定型的阶段是建立生态的最快方式，但它本身不构成护城河。模型能力能否持续领先，才是灵波能不能守住“公共底座”位置的关键。 为什么要做这件事？ 蚂蚁做具身智能，最直接的背景是战略重心发生了变化。 “具身智能”在2025年首次被写入政府工作报告，随后，上海、深圳等地相继出台支持政策。
| 但政策红利之外，蚂蚁有一个更具体的业务逻辑。 蚂蚁的主业，支付、金融、健康，增长已见顶。但很多人忽略了一点：蚂蚁从来就不是一家纯线上的公司。
| 支付宝的二维码遍布全国数千万商户，蚂蚁的医疗业务（好大夫在线、阿福）直接连接医院和患者，芝麻信用渗透进租房、出行、政务等线下场景。 蚂蚁的触角早已延伸到线下，只是过去用软件和二维码作为入口。 在老龄化社会里，AI助手不仅要解决问诊这一个问题，最终还要有实体：陪伴、送药、康复、看护，纯软件解不了这些问题。 沈宇军在今年7月的一次技术分享中表示，“未来要更好地服务用户，肯定会进入到物理世界，这是业务的自然延伸。
| ” 从这个角度看，灵波对蚂蚁而言，不是一次跨界冒险，而是主业的自然延伸。 对一家科技公司来说，做具身智能、做物理AI，是进入线下最深场景最合理的路径之一。蚂蚁必须走这一步，因为线下的刚需场景终究需要实体来承接。 但这条路的长度可能超出预期。 高盛团队在研报中认为，人形机器人技术拐点仍不明朗，能力尚不足以处理多种通用任务。
| 高盛预计，到2027年全球人形机器人出货量约7.6万台，到2032年约50.2万台，步伐慢于市场预期。 灵波的200余人团队正在和时间赛跑。他们在一周内开源了六款模型，但把模型变成能在老人家里安全运行的机器人，还需要更长的周期。 CEO朱兴在公司成立之初说过一句话：“让人形机器人早日走进寻常百姓家。” 这句话的实现时间，目前还没有人能给出一个确切的数字。
| *参考文章： AIX财经《蚂蚁，为何狂卷具身智能？》 亿邦动力《一周开源六款模型蚂蚁灵波卡位“具身原生”》 科创板日报《WAIC观察：具身智能“深圳军团”，补齐人形机器人落地关键中间层》 本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。
Current article:http://mltti.ninyakenhongnian.sbs/2tucxio/2poo.html
Published on:06:40:03