深度报告
-
蚂蚁灵波是蚂蚁集团于 2024 年 12 月成立的全资子公司，专攻具身智能领域，定位为「机器人的通用大脑供应商」，而非本体制造商。2026 年 7 月，蚂蚁灵波在 WAIC 期间一周内连续发布并开源六款具身大模型，提出「具身原生（Embodied Native）」技术路线——拒绝在现有大模型上做迁移微调，而是围绕物理世界的因果规律从头预训练。其代表性模型 LingBot-VA 2.0 实现了单卡 150Hz 实时推理，已在国大药房上海门店投入实际运营。蚂蚁集团通过子公司自研、合资公司（与智元机器人）和股权投资（覆盖 12 家机器人公司）三层布局，在具身智能赛道上形成了独特的「轻本体、重大脑」战略。
-
蚂蚁灵波的诞生，始于蚂蚁集团内部对 AI 战略的一次深层拆解。蚂蚁集团将 AGI 目标分为两个层面：数字智能和物理智能。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，就是蚂蚁灵波。 2024 年 12 月，蚂蚁灵波在上海张江注册成立，注册资本 1 亿元，由蚂蚁科技集团股份有限公司全资持股。CEO 朱兴 2011 年加入阿里巴巴，在支付、金融服务、O2O 等领域有超过 14 年的经验，2023 年刚完成支付宝广告商业化的从 0 到 1，2024 年底被抽调筹建蚂蚁灵波。首席科学家沈宇军来自蚂蚁技术研究院交互智能实验室，本科学位来自清华大学电子工程系，博士毕业于香港中文大学信息工程系，曾在商汤实习、字节跳动任高级研究员。 目前蚂蚁灵波团队规模约 200 余人，硕博技术人才占比超过九成。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。
-
蚂蚁灵波构建了一套从感知到执行的完整技术栈，2026 年 7 月在一周内连续发布了六款模型，覆盖六大方向： LingBot-Vision（视觉基础模型，1B 参数）：采用边界中心的自监督 ViT 架构，在 NYU-Depth v2 上 RMSE 领先 Meta DINOv3，仅用三分之一数据量即超越后者。 LingBot-Depth 2.0（空间感知模型）：训练数据从 300 万扩展到 1.5 亿样本，在 16 个深度补全基准中 12 项排名第一，RMSE 从 0.132 降至 0.062。 LingBot-VLA 2.0（视觉-语言-动作模型，6B 参数）：预训练数据总量达 6 万小时（来自 5 万小时真实机器人数据 + 1 万小时人类操作数据），已适配 17 家厂商的 20 种机器人构型（单臂、双臂、双足、轮式等）。在 GM-100 评测中，总体平均任务进度分和成功率均领先于 π0.5 与 GR00T N1.7。 LingBot-World 2.0 / World-Infinity（实时交互世界模型，14B/1.3B 参数化版本）：支持小时级无限生成无视觉漂移，720p/60fps 实时输出，业界首次引入 Agent 机制，已全部开源。 LingBot-VA 2.0（具身原生世界动作模型）：这是本次发布的旗舰模型。它不沿用「视频生成模型微调」的行业主流路线，而是基于自回归架构从头开始预训练。核心设计包括：语义视觉-动作分词器（在视觉压缩中融入语义与动作信息对齐）、严格的因果预训练范式、MoE 架构（混合专家模型）、增强异步推理机制（执行动作同时预测未来状态）。该模型实现了单卡 150Hz 实时推理效率，即每秒完成 150 次推理，单次响应约 6.7 毫秒。 LingBot-Video（视频生成基础模型）：全球首个基于 MoE 架构、面向具身智能的开源视频生成基模。 在实际应用层面，蚂蚁灵波已与国大药房合作，在上海门店落地机器人智慧药房方案。三台不同构型的机器人在 LingBot-VLA 2.0 驱动下自主分工，完成从接单、取货到交付的全流程闭环，该方案入选了 2026 年 WAIC 十大「镇馆之宝」。 硬件方面，蚂蚁灵波于 2025 年 9 月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，已在上海历史博物馆等场所投入使用。R1 的关节模组来自钛虎机器人，底盘来自银河通用——两家蚂蚁投资的企业。目前 R1 仍主要在受控环境中测试，尚未向零售客户销售。
-
蚂蚁灵波的核心商业模式可以概括为「卖大脑，不卖身体」。公司不走硬件制造路线，而是通过开源加开放模型生态，构建具身智能的「公共底座」。 其商业模式的具体支点包括： 一是开源建生态。六款模型全部开源（权重、代码、后训练工具链、评测集全部放出），通过开源吸引全球开发者和机器人厂商接入，形成以灵波模型为核心的开发者生态。目前已有十几家机器人厂商与灵波建立合作。 二是场景化收费。虽未公布具体定价，但药房、零售分拣、物流分拣等落地场景的商业模式已开始验证。蚂蚁灵波与国大药房、隆盛等生态客户伙伴合作，在不改造门店的前提下提供「大脑」服务。 三是数据生态共建。蚂蚁灵波与简智机器人达成战略合作，联合研发专属数采设备。乐聚机器人作为核心数据合作伙伴，为 LingBot-VLA 提供了近 1 万小时的高质量多模态真实机器人数据。 蚂蚁集团的整体布局不止于灵波自身：通过子公司自研（Robbyant）、合资公司（与智元机器人合资成立的「杭州传智未来科技有限公司」，注册资本 2000 万元）、以及 18 个月内投资 12 家机器人公司（最新一笔领投智元机器人 5 亿元融资轮），构建了多层次、分散风险的战略格局。
-
蚂蚁灵波的技术路线在开发者和行业从业者中引起了明显分化。有合作厂商表示，「灵波的模型给了我们一个新的选择，不用从头造大脑」。乐聚机器人官方宣布旗下 KUAVO 4 Pro（夸父）已完成 LingBot-VLA 的后训练适配，并在 95 个真实操作场景做了系统性测评。 但也有机器人行业从业者提出质疑。「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」。 关于 R1 机器人，用户反馈仍处于早期阶段，目前主要在博物馆导览、药房等场景使用，尚未有大规模消费者体验报告。部分参观过 WAIC 的观众表示，灵波的乒乓球对打演示「令人印象深刻，机器人反应速度确实快」，但也有人认为「演示环境和真实家庭场景差距巨大」。
-
蚂蚁灵波在行业媒体和资本市场获得了较高的关注度。 极客公园评价：「蚂蚁灵波在 GM-100 评测中性能综合领先，展现出更强的双臂协同操作能力和跨本体、多任务泛化能力」。 36氪的深度分析认为，「具身原生代表了一条不同于行业主流的技术路径，切入了一个长期被忽视的底层问题——机器人是否应该有一套属于自己的模型设计范式」。 AI Dev Signals 将蚂蚁灵波列为 Physical AI 领域全球排名第二（仅次于英伟达），评价其为「该领域最激进的开源推动者」。 竞品格局方面，蚂蚁灵波的「轻本体、重大脑」路线与 Figure、Tesla 的垂直整合路线形成鲜明对比。高盛在研报中对人形机器人的商业化进程持谨慎态度，认为技术拐点仍不明朗，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。
-
蚂蚁灵波面临的挑战同样清晰。 最大的不确定性来自技术路线本身。「具身原生」从零预训练的路径意味着更高的研发投入和更长的验证周期。相比迁移微调路线「几个月出成果」的节奏，灵波的路线需要更长时间才能证明其泛化能力的优势——如果最终效果没有显著超越迁移方案，高昂的投入将难以持续。 数据瓶颈是更现实的困难。具身智能行业面临一个根本性问题：真实世界数据与语言数据存在几万到几百万倍的差距。灵波的数据来源主要依赖生态伙伴供给，自身不造大量本体。但问题在于——宇树科技刚刚推出了自己的具身大模型 UnifoLM-OminiA-0.3，智元机器人也有自己的世界模型和数据平台。一旦这些本体厂商开始认真自研大脑，数据供给随时可能收紧。开源虽然是建立生态的策略，但它本身不构成护城河。 在蚂蚁集团内部，灵波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。R1 机器人的出货量也较为有限，目前更接近「验证模型的载体」，距离大规模量产尚有距离。
-
蚂蚁灵波的产品目前主要面向两类受众：一是机器人本体厂商，可以通过接入灵波的通用大脑，减少在算法层面的重复投入，尤其适合中小型机器人公司。二是特定服务场景的运营方，如药房、养老机构、博物馆等，可以通过蚂蚁灵波的方案快速部署具备自主决策能力的机器人。 对于普通消费者来说，蚂蚁灵波的产品仍处于早期阶段，R1 机器人的购买渠道和正式定价尚未公开，暂时不推荐个人消费者入手。 如果希望寻找替代方案，宇树科技的人形机器人 G1（售价约 16,000 美元）和 H1（约 90,000 美元）在硬件性价比上有明显优势，但在「大脑」层面需要自建算法能力。
-
蚂蚁灵波代表了蚂蚁集团在 AI 战略上的一个重要落子——从数字世界走向物理世界。它的「具身原生」技术路线是一次大胆的尝试，如果成功，可能重新定义机器人大脑的开发范式；如果验证不畅，高昂的研发投入和开源生态的「无护城河」困境将成为隐忧。无论如何，蚂蚁灵波的打法在国内大厂中独树一帜，它回答的不是「怎么做出一款更好的机器人」，而是「机器人的智能应该从哪来」这个更底层的问题。
用户评论
-
CelestiaSky360—WAIC 现场看了蚂蚁灵波的智慧药房 demo，三台不同机器人协作取药，全程不需要人工干预，现场效果确实震撼。国大药房已经在用了，不是实验室产品，这点很关键。 -
Sarah.Murray5209—灵波的 LingBot-VLA 2.0 开源了，6 万小时真机数据预训练，支持 20 多种机器人构型。这数据量目前开源界应该没有对手，连 Physical Intelligence 的 π0.5 都被超了。 -
BenjaminGonzalez_7—说实话，灵波开源这个策略挺聪明的。现在技术路线还没定死，谁先建生态谁就有话语权。就是不知道变现路径怎么走，毕竟卖模型和卖硬件是两回事。 -
ABrown007—150Hz 实时推理，单卡就能跑，这效率确实能打。不过看技术文档，他们说的「具身原生」到底和微调路线差多少，还得看实际部署效果。 -
Betty.MoralesZ663—关注蚂蚁灵波有一段时间了。CEO 朱兴之前是做支付宝商业化的，没有机器人背景，反而选了最难的从零预训练路线。这个团队的技术判断力确实值得关注。 -
AJohnson_8893—在仿真环境里跑 150Hz 和在家里跑是两回事，家里有老人小孩宠物，环境不确定性太大。灵波现在药房场景还行，但离走进家庭还有距离。 -
GP_wal—看了 WAIC 的乒乓球对打演示，机器人反应速度确实快，球刚弹起来它就已经在预判落点了。没有外接高速相机，纯靠本体视觉，这点挺牛。 -
SCwar—蚂蚁灵波的路线和宇树科技完全不同，一个做大脑一个做身体，其实并不直接竞争。问题是灵波的数据靠本体厂商供给，哪天宇树或智元自己把大脑做起来了，数据源就断了。 -
Anthony.Howard—六款模型一周内全部开源，这魄力确实少见。深度学习框架到训练工具链全放出来了，开发者社区反响也不错。不过开源本身不构成护城河，技术迭代速度才是。 -
SHill_Plus68—R1 机器人在上海历史博物馆当导游那个视频看过，走路还算稳，互动也还行。但 1 亿注册资本做机器人，和特斯拉、Figure 这种几十亿美金融资的比，体量差太多。 -
CherylKim_2021—有个做机器人的朋友说他们正在适配灵波的 LingBot-VLA，原来他们的机器人要走专门的算法团队，现在直接接灵波的大脑就能动了。对小公司来说省了一大笔钱。 -
JBailey_Plus7—本质上是蚂蚁集团为线下场景做的技术储备。支付、医疗、信用这些业务早就渗透到线下了，机器人是自然延伸。不是跨界，是主业的延伸。 -
BreadBud513—LingBot-Depth 2.0 在透明物体识别上进步很大，香槟杯那种以前深度相机完全搞不定的东西，现在能补全出完整轮廓了。这对抓取任务太关键了。 -
赵华_1—一堆人吹捧具身智能，但我看了灵波的资料后意识到这个赛道比想象中难得多。真实世界数据和语言数据有几百万倍的差距，光解决数据问题就要烧很多年钱。 -
SusanEdwards—灵波这个团队硕博占比超过九成，首席科学家沈宇军是清华本科港中文博士，之前做计算机视觉的。技术底子确实厚，但 200 人的团队和 Google DeepMind 比还是太小了。 -
琉璃_23—高盛的报告看过了，对机器人商业化很谨慎，说到 2027 年全球才 7.6 万台出货量。蚂蚁现在砸钱做灵波，短期看不到回报，但长期来看如果不提前布局就会被甩开。 -
EHall520—LingBot-Video 居然是 MoE 架构的，30B 参数推理时只激活 3B，这个设计挺巧妙。专门给具身智能训练用的视频模型，和 Sora 那种内容生成路线完全不同。 -
Sandra156—刚看完灵波的发布会，VA 2.0 从零预训练不微调已有模型，这个思路真的需要勇气。但是结果是好的，夹薯片不碎那个演示太有说服力了。 -
Brenda.Ross_Plus—蚂蚁在机器人赛道投了十几家公司了，宇树、星海图、灵心巧手都有参股。灵波自己不做本体，而是做大脑供应商，这个定位在国产大厂里确实是独一份。 -
dm0feb8—看了一圈 WAIC 的具身智能展区，灵波的展台人最多。不改造门店直接上岗这个卖点确实抓人，现在很多药房和商超就是想引入机器人但又不想改造空间。