Ant Lingbo Embodied Model
Société d'IA incarnée du groupe Ant Group, dédiée à la création de cerveaux robotiques multi-corps et multi-scénarios ; a publié le premier modèle d'action du monde nativement incarné du secteur
Rapport détaillé
-
Ant Lingbo est une filiale en propriété exclusive d'Ant Group créée en décembre 2024. Elle est spécialisée dans le domaine de l'intelligence incarnée et se positionne comme un « fournisseur universel de cerveaux pour robots » plutôt que comme un fabricant d'ontologies. En juillet 2026, Ant Lingbo a publié et open source en continu six grands modèles incarnés en une semaine pendant WAIC, proposant la voie technique « Embodied Native » : rejetant la migration et l'ajustement des grands modèles existants, mais pré-formation à partir de zéro autour des lois causales du monde physique. Son modèle représentatif, LingBot-VA 2.0, réalise une inférence en temps réel de 150 Hz sur une seule carte et a été mis en service dans le magasin de Shanghai de la pharmacie Guoda. Ant Group a élaboré une stratégie unique « légère pour le corps, lourde pour le cerveau » sur la piste de l'intelligence incarnée à travers une structure à trois niveaux d'auto-recherche par filiales, coentreprises (avec Zhiyuan Robotics) et prises de participation (couvrant 12 sociétés de robotique).
-
La naissance d'Ant Lingbo a commencé par un démantèlement en profondeur de la stratégie d'IA au sein d'Ant Group. Ant Group divise ses objectifs AGI en deux niveaux : l'intelligence numérique et l'intelligence physique. L'intelligence numérique est portée par Bailing Model, AI Alipay, Ant Afu et d'autres entreprises ; le principal organe exécutif de l'intelligence physique est Ant Lingbo. En décembre 2024, Ant Lingbo a été enregistrée à Zhangjiang, Shanghai, avec un capital social de 100 millions de yuans et est entièrement détenue par Ant Technology Group Co., Ltd. Le PDG Zhu Xing a rejoint Alibaba en 2011 et possède plus de 14 ans d'expérience dans les paiements, les services financiers, l'O2O et d'autres domaines. En 2023, il vient d'achever la commercialisation de la publicité Alipay de 0 à 1. Fin 2024, il est muté pour préparer la création d'Ant Lingbo. Le scientifique en chef Shen Yujun vient du laboratoire d'intelligence interactive de l'Ant Technology Research Institute. Il est titulaire d'un diplôme de premier cycle du Département de génie électronique de l'Université Tsinghua et d'un doctorat. du Département d'ingénierie de l'information de l'Université chinoise de Hong Kong. Il a travaillé comme stagiaire chez SenseTime et comme chercheur principal chez ByteDance. À l'heure actuelle, l'équipe d'Ant Lingbo compte environ 200 personnes, et plus de 90 % d'entre elles sont titulaires d'une maîtrise ou d'un doctorat. Au sein d'Ant Group, Lingbo relève de la ligne CTO, parallèlement à l'équipe des grands modèles Bailing et à l'équipe Alipay AI.
-
Ant Lingbo a construit une pile technologique complète, de la perception à l'exécution. En juillet 2026, six modèles ont été lancés en continu en une semaine, couvrant six directions principales : LingBot-Vision (modèle visuel de base, paramètres 1B) : utilisant l'architecture ViT auto-supervisée centrée sur les limites, RMSE est en tête de Meta DINOv3 sur NYU-Depth v2, surpassant ce dernier avec seulement un tiers de la quantité de données. LingBot-Depth 2.0 (modèle de conscience spatiale) : données d'entraînement échelonnées de 3 millions à 150 millions d'échantillons, classées premières dans 12 des 16 critères d'achèvement en profondeur, le RMSE a chuté de 0,132 à 0,062. LingBot-VLA 2.0 (modèle visuel-langage-action, paramètres 6B) : La quantité totale de données de pré-entraînement atteint 60 000 heures (à partir de 50 000 heures de données réelles du robot + 10 000 heures de données d'opération humaine), et a été adaptée à 20 configurations de robots (mono-bras, double-bras, bipède, à roues, etc.) de 17 fabricants. Dans l'évaluation GM-100, le score moyen global de progression des tâches et le taux de réussite sont tous deux supérieurs à π0,5 et GR00T N1,7. LingBot-World 2.0 / World-Infinity (modèle du monde interactif en temps réel, version paramétrée 14B/1.3B) : prend en charge la génération illimitée au niveau horaire sans dérive visuelle, sortie en temps réel 720p/60 ips, la première introduction du mécanisme Agent dans l'industrie, et est entièrement open source. LingBot-VA 2.0 (Emboded Native World Action Model) : Il s'agit du modèle phare sorti cette fois-ci. Il ne suit pas la voie traditionnelle du « réglage fin du modèle de génération vidéo » de l'industrie, mais est pré-entraîné à partir de zéro sur la base d'une architecture autorégressive. La conception de base comprend : un tokeniseur d'action visuelle sémantique (incorporant l'alignement des informations sémantiques et d'action dans la compression visuelle), un paradigme de pré-entraînement causal strict, une architecture MoE (modèle expert hybride) et un mécanisme de raisonnement asynchrone amélioré (exécuter des actions tout en prédisant les états futurs). Ce modèle atteint une efficacité d'inférence en temps réel de 150 Hz sur une seule carte, soit 150 inférences par seconde, et une réponse unique d'environ 6,7 millisecondes. LingBot-Video (modèle de base de génération vidéo) : le premier modèle de base de génération vidéo open source au monde basé sur l'architecture MoE et orienté vers l'intelligence embarquée.En termes d'application pratique, Ant Lingbo a coopéré avec Guoda Pharmacy pour mettre en œuvre une solution de pharmacie intelligente robotisée dans les magasins de Shanghai. Trois robots de configurations différentes répartissent de manière autonome le travail piloté par LingBot-VLA 2.0, complétant l'ensemble du processus en boucle fermée, depuis la prise de commande jusqu'à la livraison des marchandises. Cette solution a été sélectionnée comme l'un des dix meilleurs « trésors du musée » du WAIC en 2026. En termes de matériel, Ant Lingbo a lancé son premier robot de service, Robbyant R1, en septembre 2025, ciblant des scénarios de services tels que la maison, les soins aux personnes âgées et la santé médicale. Il a été utilisé dans des lieux tels que le musée d'histoire de Shanghai. Les modules communs du R1 proviennent de Titanium Tiger Robots et son châssis provient de Galaxy General Motors, deux sociétés investies par Ant. Le R1 est encore testé principalement dans des environnements contrôlés et n'a pas encore été vendu aux clients de détail.
-
Le modèle commercial principal d’Ant Lingbo peut être résumé comme suit : « vendre des cerveaux, pas des corps ». L'entreprise n'emprunte pas la voie de la fabrication de matériel, mais construit une « base publique » pour l'intelligence incorporée grâce à l'écologie open source et de modèle ouvert. Les pivots spécifiques de son modèle économique comprennent : La première consiste à construire un écosystème grâce à l’open source. Les six modèles sont open source (les poids, les codes, les chaînes d'outils post-formation et les ensembles d'évaluation sont tous publiés), attirant les développeurs mondiaux et les fabricants de robots à y accéder via l'open source, formant un écosystème de développeurs avec le modèle Lingbo comme noyau. À l'heure actuelle, plus d'une douzaine de fabricants de robots ont établi une coopération avec Lingbo. La seconde est la recharge basée sur la scène. Bien que les prix spécifiques n'aient pas été annoncés, le modèle économique pour les scénarios de mise en œuvre tels que les pharmacies, le tri au détail et le tri logistique a commencé à être vérifié. Ant Lingbo coopère avec des clients partenaires écologiques tels que Guoda Pharmacy et Longsheng pour fournir des services « cérébraux » sans rénover les magasins. Le troisième est la construction conjointe d’une écologie des données. Ant Lingbo et Jianzhi Robot ont conclu une coopération stratégique pour développer conjointement des équipements exclusifs d'exploration de données. En tant que partenaire de données principal, Leju Robot a fourni près de 10 000 heures de données robotiques réelles multimodales de haute qualité pour LingBot-VLA. La configuration globale d'Ant Group ne s'arrête pas à Lingbo lui-même : grâce à sa filiale d'auto-recherche (Robbyant), à ses coentreprises (« Hangzhou Chuanzhi Future Technology Co., Ltd. » créée conjointement avec Zhiyuan Robot, au capital social de 20 millions de yuans) et à ses investissements dans 12 entreprises de robots en 18 mois (la dernière en date a dirigé le cycle de financement de 500 millions de yuans de Zhiyuan Robot), il a construit une configuration stratégique à plusieurs niveaux et à risques dispersés.
-
Le parcours technique d’Ant Lingbo a provoqué des divisions évidentes entre les développeurs et les praticiens de l’industrie. Un fabricant partenaire a déclaré : « Le modèle de Lingbo nous offre un nouveau choix sans avoir à construire un cerveau à partir de zéro. » Leju Robot a officiellement annoncé que son KUAVO 4 Pro (Kuafu) avait achevé l'adaptation post-formation de LingBot-VLA et mené une évaluation systématique dans 95 scénarios d'opération réels. Mais certains praticiens de l’industrie robotique ont soulevé des questions. "La fréquence d'inférence n'est qu'un des indicateurs techniques. Le véritable test est la capacité de généralisation dans des scénarios réels. Utiliser 150 Hz dans un environnement de simulation et exécuter 150 Hz dans un environnement domestique avec des personnes âgées, des enfants et des animaux domestiques sont deux choses différentes." Concernant le robot R1, les retours des utilisateurs n’en sont qu’à leurs débuts. Il est actuellement principalement utilisé dans les visites de musées, de pharmacies et d’autres scénarios, et il n’existe pas encore de rapports d’expérience de consommation à grande échelle. Certains téléspectateurs qui ont visité WAIC ont déclaré que la démonstration de tennis de table de Lingbo était "impressionnante et que la vitesse de réaction du robot est très rapide". Cependant, certains pensent qu '«il existe un écart énorme entre l'environnement de démonstration et les scènes réelles à la maison».
-
Ant Lingbo a reçu une grande attention de la part des médias industriels et des marchés financiers. Évaluation de Geek Park : « Ant Lingbo est en tête des performances globales de l'évaluation du GM-100, démontrant des capacités opérationnelles collaboratives à deux bras plus fortes et des capacités de généralisation transversales et multitâches. L’analyse approfondie de 36Kr estime que « le natif incarné représente une voie technique différente du courant dominant de l’industrie et touche à une question sous-jacente qui a été ignorée pendant longtemps : la question de savoir si les robots devraient avoir leur propre paradigme de conception de modèles ». AI Dev Signals a classé Ant Lingbo au deuxième rang mondial dans le domaine de l'IA physique (après NVIDIA) et l'a évalué comme « le promoteur open source le plus radical dans ce domaine ». En termes de paysage de produits concurrentiels, la voie « légère pour le corps, lourde pour le cerveau » d’Ant Lingbo contraste fortement avec la voie d’intégration verticale de Figure et Tesla. Goldman Sachs se montre prudent quant au processus de commercialisation des robots humanoïdes dans son rapport de recherche. Il estime que le point d’inflexion technologique n’est pas encore clair. On s’attend à ce que les livraisons mondiales de robots humanoïdes s’élèvent à environ 76 000 unités d’ici 2027 et à environ 502 000 unités d’ici 2032. Le rythme est plus lent que les attentes du marché.
-
Les défis auxquels Ant Lingbo est confronté sont tout aussi clairs. La plus grande incertitude vient du parcours technique lui-même. La voie de la pré-formation « native incarnée » à partir de zéro signifie un investissement en R&D plus élevé et un cycle de vérification plus long. Par rapport au rythme de "les résultats sont produits en quelques mois" de la route de réglage fin de la migration, la route de Lingbo mettra plus de temps à prouver l'avantage de sa capacité de généralisation - si l'effet final ne dépasse pas de manière significative le plan de migration, l'investissement élevé ne sera pas durable. Les goulots d’étranglement des données constituent une difficulté plus réaliste. L’industrie de l’intelligence incarnée est confrontée à un problème fondamental : il existe un écart de plusieurs dizaines, voire de millions de fois, entre les données du monde réel et les données linguistiques. La source de données de Lingbo repose principalement sur la fourniture de partenaires écologiques et ne crée pas elle-même un grand nombre d'ontologies. Mais le problème est que Yushu Technology vient de lancer son propre grand modèle incorporé UnifoLM-OminiA-0.3, et Zhiyuan Robot possède également son propre modèle mondial et sa propre plate-forme de données. Une fois que ces fabricants d’ontologies commenceront sérieusement à développer leur propre cerveau, l’offre de données pourra être restreinte à tout moment. Bien que l’open source soit une stratégie de construction d’un écosystème, il ne constitue pas en soi un fossé. Au sein d'Ant Group, Lingbo doit rivaliser pour les ressources avec l'équipe Bailing Model et l'équipe Alipay AI. En dehors d'Ant Group, au sein du seul département d'Alibaba, il existe plusieurs lignes de renseignement incarnées qui « se battent de manière indépendante », notamment Qianwen Qwen-Robot et AutoNavi Model, mais n'ont pas encore formé une synergie stratégique unifiée. Le volume d'expédition du robot R1 est également relativement limité. Il est actuellement plus proche d'un "support de vérification du modèle" et est encore loin d'une production de masse à grande échelle.
-
Les produits d'Ant Lingbo s'adressent actuellement principalement à deux types de publics : premièrement, les fabricants de corps de robots peuvent réduire les investissements répétés au niveau des algorithmes en accédant au cerveau universel de Lingbo, particulièrement adapté aux petites et moyennes entreprises de robotique. Deuxièmement, les opérateurs de scénarios de services spécifiques, tels que les pharmacies, les établissements de soins pour personnes âgées, les musées, etc., peuvent déployer rapidement des robots dotés de capacités de prise de décision autonomes grâce à la solution d'Ant Lingbo. Pour les consommateurs ordinaires, les produits Ant Lingbo en sont encore à leurs débuts. Les canaux d'achat et les prix officiels du robot R1 n'ont pas encore été rendus publics. Il n’est pas recommandé aux consommateurs individuels de l’acheter pour le moment. Si vous recherchez des alternatives, les robots humanoïdes G1 (au prix d'environ 16 000 $ US) et H1 (environ 90 000 $ US) de Yushu Technology présentent des avantages évidents en termes de performances en termes de coût matériel, mais nécessitent des capacités d'algorithme auto-construites au niveau du « cerveau ».
-
Ant Lingbo représente une étape importante dans la stratégie d’IA d’Ant Group, du monde numérique au monde physique. Son parcours technologique « natif incarné » est une tentative audacieuse. En cas de succès, cela pourrait redéfinir le paradigme de développement des cerveaux des robots ; Si la vérification n'est pas fluide, les investissements élevés en R&D et le dilemme « sans faille » de l'écosystème open source deviendront des soucis cachés. Quoi qu'il en soit, le style de jeu d'Ant Lingbo est unique parmi les grands fabricants nationaux. Il ne répond pas à "comment créer un meilleur robot", mais à la question de niveau inférieur "d'où doit venir l'intelligence du robot ?"
Avis des utilisateurs
-
CelestiaSky360—J'ai vu en direct la démo de pharmacie intelligente d'Ant LingBo à la WAIC : trois robots différents collaborant pour aller chercher des médicaments, sans intervention humaine, et l'effet sur place était vraiment stupéfiant. Guoda Pharmacy l'utilise déjà ; ce n'est pas un produit de labo, et c'est ça qui compte. -
Sarah.Murray5209—Le LingBot-VLA 2.0 de LingBo est open-source : pré-entraîné sur 60 000 heures de données réelles de robots, il supporte plus de 20 configurations. Ce volume de données n'a pas d'équivalent dans le monde open-source actuel ; il surpasse même le π0.5 de Physical Intelligence. -
BenjaminGonzalez_7—Honnêtement, la stratégie open-source de LingBo est plutôt intelligente. La voie technique n'est pas encore figée, donc celui qui construit l'écosystème en premier prend l'ascendant. Reste que le chemin de la monétisation est flou — vendre des modèles et vendre du matériel, c'est différent. -
ABrown007—Une inférence temps réel à 150 Hz sur une seule carte — l'efficacité est vraiment competitive. Mais en lisant les docs techniques, à quel point leur 'embodied natif' diffère réellement du fine-tuning dépend encore des résultats de déploiement concrets. -
Betty.MoralesZ663—Je suis la LingBo d'Ant depuis un moment. Le CEO Zhu Xing venait du côté commercialisation d'Alipay, sans aucun background en robotique, et pourtant il a choisi la voie la plus difficile : le pré-entraînement from scratch. Le judgement technique de cette équipe mérite vraiment qu'on la surveille. -
AJohnson_8893—Tourner à 150 Hz dans un environnement simulé, c'est une chose ; à la maison, avec des personnes âgées, des enfants et des animaux, l'incertitude environnementale est énorme. Le scénario de pharmacie de LingBo marche pour l'instant, mais il est encore loin d'entrer dans le foyer. -
GP_wal—J'ai vu la démo de tennis de table à la WAIC : la vitesse de réaction du robot est vraiment rapide ; dès que la balle a rebondi, il prédisait déjà où elle tomberait. Sans caméra haute vitesse externe, pure vision embarquée. C'est plutôt impressionnant. -
SCwar—La voie de LingBo d'Ant est totalement différente de celle d'Unitree : l'une construit le cerveau, l'autre le corps — elles ne se font pas réellement concurrence. Le problème, c'est que les données de LingBo dépendent des fabricants de corps ; le jour où Unitree ou AgiBot se fabriquent leur propre cerveau, la source de données s'assèche. -
Anthony.Howard—Six modèles open-source en une semaine — une telle audace est rare. Du framework de deep learning à la chaîne d'outils d'entraînement, tout est disponible, et la communauté de développeurs a bien réagi. Mais l'open-source en soi n'est pas un fossé : c'est la vitesse d'itération qui compte. -
SHill_Plus68—J'ai vu la vidéo du robot R1 servant de guide au Musée d'Histoire de Shanghai : la marche était plutôt stable et l'interaction correcte. Mais un robot financé à 100 millions de capital enregistré, à côté de Tesla ou Figure qui lèvent des milliards, n'est pas du même calibre. -
CherylKim_2021—Un ami qui construit des robots m'a dit qu'ils adaptaient le LingBot-VLA de LingBo. Avant, il leur fallait une équipe d'algorithmes dédiée pour leur robot ; désormais il suffit de brancher le 'cerveau' de LingBo pour qu'il bouge. Pour les petites boîtes, ça fait économiser une fortune. -
JBailey_Plus7—En substance, c'est la réserve technologique d'Ant Group pour les scénarios hors ligne. Paiements, santé et crédit sont déjà très ancrés hors ligne, et les robots en sont l'extension naturelle. Ce n'est pas un pivot, mais le prolongement de l'activité principale. -
BreadBud513—LingBot-Depth 2.0 a beaucoup progressé sur la reconnaissance d'objets transparents : des coupes à champagne, impossibles avant pour les caméras de profondeur, obtiennent désormais un contour complet reconstruit. C'est crucial pour les tâches de préhension. -
赵华_1—Beaucoup encensent l'IA incarnée, mais après avoir lu les documents de LingBo, je réalise que ce domaine est bien plus difficile que prévu. Les données du monde réel dépassent les données linguistiques de millions de fois ; rien que résoudre le problème des données coûtera des années d'argent. -
SusanEdwards—Plus de 90% de l'équipe de LingBo est titulaire d'un master ou d'un doctorat. Le scientifique en chef Shen Yujun a fait sa licence à Tsinghua et son doctorat à CUHK, avec un profil en vision par ordinateur. La base technique est solide, mais une équipe de 200 personnes reste minuscule face à Google DeepMind. -
琉璃_23—J'ai lu le rapport de Goldman Sachs : très prudent sur la commercialisation des robots, avec seulement 76 000 unités livrées dans le monde d'ici 2027. Ant investit massivement dans LingBo sans retour à court terme, mais à long terme, sans positionnement anticipé, on se fait distancer. -
EHall520—LingBot-Video repose en fait sur une architecture MoE : 30B de paramètres mais seulement 3B activés à l'inférence — un design plutôt astucieux. C'est un modèle vidéo conçu spécifiquement pour l'entraînement de l'IA incarnée, une voie complètement différente de la génération de contenu façon Sora. -
Sandra156—Je viens de voir la conférence de lancement de LingBo. VA 2.0 a été pré-entraîné from scratch, sans fine-tuner un modèle existant — il faut vraiment du courage pour faire ce choix. Mais le résultat est là : la démo où le robot saisit une chips sans la casser était ultra convaincante. -
Brenda.Ross_Plus—Ant a déjà investi dans une bonne dizaine de sociétés de robotique — Unitree, Galaxea et Lingxin Qiaoshou comptent parmi ses participations. LingBo ne fabrique pas de corps de robot : elle se positionne comme fournisseur de 'cerveau', un positionnement vraiment unique parmi les grands groupes chinois. -
dm0feb8—J'ai fait le tour de la zone IA incarnée du WAIC, et le stand de LingBo était de loin le plus fréquenté. L'argument « déploiement sans rénover le magasin » fait mouche : beaucoup de pharmacies et de supermarchés veulent des robots sans vouloir réaménager leur espace.