王思聪投资的“牛校长”全部闭店，所属公司被列入失信被执行人
整场相同会，媒体把同一个问题换了许多种方法追问。今天的机械人大脑，距离真正进入物理世界干活，另有多远 ？蚂蚁灵波 CEO 朱兴和首席科学家沈宇军给出的判断，比市场的热度冷静得多。目今的机械人大脑，可能还没有走到 GPT-1 时刻。行业尚未迎来真正的智能涌现，技术路线也远未收敛。已往一年，VLA、世界模型、视频行动模型等看法轮番登场。蚂蚁灵波此次一口气宣布 6 款模型，但它想回覆的问题更具体。数字世界里训练出来的大模型，能否直接装进机械人的身体 ？物理世界是否需要一套从感知、预测到行动都重新设计的模型体系 ？灵波选择从物理世界的约束出发，重做这套模型体系。 01 数字世界的大模型，为什么装不进机械人的身体沈宇军在现场讲了一个「开门见猫」的例子。一扇不透明的玻璃门后面有一只猫。普通视觉模型可以识别门后的猫，也能准确描述画面。但机械人要向猫移动时，仅仅「看见」还不敷。它需要理解玻璃门组成了物理阻隔，在门翻开之前，猫处于机械臂无法触达的空间。数字模型关注画面里有什么，机械人还要判断距离、遮挡、接触关系和可达性。语义识别正确，只完成了物理任务的第一步。即梦、万相等视频模型效劳于内容创作。用户给出一段文字或一份剧本，模型可以参考完整故事，花更多算力换取画质和连续性�；等嗣娑缘氖奔渲荒芟蚯傲鞫�。它抓取杯子时，不知道下一秒是否会有人碰到桌子，也不知道杯子会不会滑动。模型只能凭据目今状态预测下一步，并在传感器返回新信息后修正行动�；媸欠衿敛⒉恢匾�，预测需要合理、快速，并且能够转化成行动。团队把这条路线称为「具身原生」，并重新训练 LingBot-VA 2.0。果真技术论文显示，该模型接纳因果预训练、稀疏 MoE 和异步推理等设计，效劳于高频、闭环的机械人控制。这种取舍甚至允许预测画面泛起一定变形�；当圩急缸テ鸨邮�，模型生成的杯子可以不敷清晰，只要行动偏向正确。传感器会连续提供真实画面，模型再凭据最新状态校准。VLA 更容易理解人的语言意图，推理资源消耗较低，是目今更容易落地的路线。灵波用 VLA 进入场景、检验数据，再用 VA 探索动态建模和未来预测。沈宇军认为，今天分立的技术路线各自在解决一块拼图，未来可能逐渐汇入一个模型。从这个角度看，灵波宣布 6 款模型，更像是在拆解机械人大脑仍未解决的单点问题。模型数量未来反而可能减少。 02 重新训练的首要价钱，是一场数据长征选择具身原生，马上会遇到第二个问题，数据从哪里来 ？这个问题在现场被重复追问。十万小时够不敷 ？百万小时能不可泛起智能涌现 ？千万小时能否迎来机械人的 ChatGPT 时刻 ？朱兴的回覆很直接，千万小时可能也不敷。自动驾驶面对相对明确的交通规则和驾驶任务。通用机械人需要进入工厂、货仓和家庭，接触差别材质的物体，适配差别身体，还要处理事先无法界说的失败状态，数据漫衍远比简单驾驶任务庞大。果真论文显示，LingBot-VLA 2.0 的预训练数据已经从第一代的约 2 万小时增至 6 万小时，其中包括 5 万小时机械人轨迹和 1 万小时第一视角人类视频，笼罩 17 家厂商的 20 种机械人构型。行动空间也从双臂扩展到头部、腰部、移动底盘和灵巧手。6 万小时仍然只是起点。灵波更看重数据闭环的速度和质量。真实数据还包括 UMI、Ego 等方法纪录的人类操作历程，可以用更低本钱扩充行为数据。下一阶段还要增补触觉、力觉等模态，并与第一视角视频对齐。团队需要连续回覆几个工程问题。哪些数据真正进入了训练 ？模型在哪类任务上失败 ？新的收罗任务能否快速笼罩能力缺口 ？从收罗、处理、训练到反响的链路需要多长时间 ？数据规模扩大后，团队还要筛选高价值样本。自动驾驶已经经历过类似变革，早期追求上量，后期则从海量帧中找出最能改善模型的少数样本�；等说囊斐：褪О苁萦绕涮诠�，也更可能决定模型能否处理长尾问题。灵波支持 20 种构型，厂商接入后仍需围绕具体任务进行后训练。预训练的作用，是让模型提前见过差别的身体。一脑多机真正节省的，是每换一种本体、每增加一个场景时从零训练的本钱。 03 机械人大脑的商业化，先过乐成率这一关现场有媒体提到一个仓储案例。人工用叉车完成一次搬运可能只需 30 秒，机械人却要花 1 分钟甚至更久，遇到新情况还可能停下来重新判断。朱兴把乐成率放在了速度之前�；等诵卸倏�，连续失败频频以后，企业仍要安排人员接管，安排也很难爆发经济价值。乐成率稳定之后，企业才会进一步盘算节拍、推理效率和单位本钱�；∧Ｐ陀牒笱盗酚纱诵紊矸止�。朱兴把预训练比作培养一名基础素质很好的大学生。学生进入银行做会计依然需要职业训练。具身基础模型抬高能力上限，后训练则把模型酿成生产工具。关于机械人厂商和场景客户，后训练包括数据收罗、标注、模型适配、安排和推理优化。每一个环节都会转化为本钱�；∧Ｐ驮街腔邸⒓墓剐秃腿挝裨蕉�，后训练需要补的课就越少。通用机械人大脑的商业价值，是降低每个场景单独开发模型的投入。工厂打螺丝的机械人没有须要学会洗碗，酒店和货仓也会选择差别本体。场景决定身体，通用大脑需要横跨更多身体。灵波已经体现正在与本体厂商推进工业落地，并探索买断、订阅和定制等差别收费方法。不过，现场没有披露可供外界验证的客户案例、收入规模和本钱模型。现阶段，市场能够确认的是技术路线和生态位置，规�；桃当栈啡孕杵诖嘞钅渴�。 04 灵波为什么要做这件重事重新训练机械人大脑需要恒久投入。预训练、数据基础设施、真机验证和本体适配，任何一项都很难靠小团队快速补齐。蚂蚁给灵波提供的焦点资源，包括资金、人才、训练基础设施、数据处理能力和场景生态。灵波在此基础上搭建从空间感知、视频生成、交互世界模型到 VLA、VA 的全栈模型体系，再通过本体相助验证投产能力。这套结构也反应了蚂蚁对工业花样的判断。具身智能仍处于类似「百模大战」的早期阶段，未来可能收敛为少数几家通用基础模型提供商�；等司嗬氪蠊婺＝爰彝ト杂泻艹ぞ嗬�，现在类比 Windows 或 Android 还太早。视察蚂蚁灵波 2.0，模型参数和榜单只是其中一部分。更要害的指标是，它能否连续提高跨任务、跨场景和跨构型的乐成率，能否把后训练本钱降到客户愿意支付的水平。数字世界的 Agent 在基础模型能力上升后迅速普及，具身智能也可能经历类似的能力外溢。只是物理世界多了一层无法回避的约束，模型做出的每一个判断，最终都要由一副真实的身体完成。蚂蚁灵波选择提前重做这颗大脑。路线能走多远，最终还要看机械人能不可真正干活。