Ant LingBot VLA 2.0 Seizes the 'Brain Entry Point' for Robots as Hardware Makers Move Upstream and Large Model Companies Move Downstream

Full text · 原文 4,220 字

智东西 作者 | 江宇 编辑 | 漠影 当下，具身智能行业正在进行一场关于利润率的无声战争。 过去两年，资本密集涌入机器人本体和核心零部件环节，试图复制智能手机时代的供应链降本逻辑。据智东西不完全统计，目前行业内26家估值百亿元的独角兽企业中，至少有9家聚焦硬件及本体。 表面上，本体厂正在通过规模化量产、供应链整合和核心零部件自研，持续压低机器人成本，争夺更高的硬件利润率。 不过，当一台台机器人被送进工厂、商超、药房和实验场景后，另一个更现实的问题浮出水面：由于缺乏统一、可复用的能力底座，不同本体、不同任务、不同场景之间，依然需要大量软件工程师到现场进行低效“特调”。 硬件降本省下来的利润，转眼就可能被高昂的非标软件工程成本吞噬。 这也是具身智能产业眼下面临的关键矛盾：本体厂不想只做没有“大脑”的硬件代工厂，通用大模型巨头急于寻找进入物理世界的入口，而异军突起的夹在中间的垂直具身大脑玩家，则必须证明自己不是一次性交付的外包工具，而是能沉淀数据、模型和生态的基础层。 7月8日，蚂蚁灵波开源新一代具身基座模型LingBot-VLA 2.00，原生支持20种主流构型并打通全身控制。 除开源惠及具身产业与开发者生态之外，这是一次极具战略性的卡位：蚂蚁灵波抢先把自己做成行业公用的标准化能力层，让不同本体、不同场景、不同任务都能接入同一套具身大脑，从而在硬件厂、大模型公司与集成商之间，拿下一个让产业链无法绕开的生态位置。 一、机器人硬件在降本，算法部署还停在“手工时代” 具身智能这轮热潮里，硬件端的降本曲线已经率先跑出来。 以人形机器人为例，头部厂商正通过电机、减速器、传感器、结构件等环节的供应链整合，把过去动辄数十万元甚至上百万元的机器人价格持续压低。 SemiAnalysis此前拆解宇树G1后测算，其毛利率可维持在67%左右，这说明部分头部玩家已经具备接近消费电子式的降本能力。 硬件越来越便宜，意味着机器人更容易进入真实场景。但机器人进场之后，真正决定它能否稳定干活的，仍然是背后的“大脑”。 SemiAnalysis也提到，即便机器人已经在部分物流、搬运等场景中接近经济可行，部署环节仍然受限于具身模型能力。换句话说，本体可以更便宜地送到现场，但让它理解环境、完成任务、适应变化的模型能力，还没有跟上硬件降本的速度。 这就带来了一个被行业长期低估的隐性成本：每出现一个新构型、新场景或新任务，往往都需要重新采集数据、重新训练模型、重新进行现场对齐。AI落地并没有天然变成软件复制，而是变成了重度依赖工程师的人力项目。 这就是具身智能的“手工时代”。 在实验室里，一个机器人完成一次演示已经不算稀奇；难的是把同一套能力复制到另一台机器人、另一个门店、另一条产线、另一批商品上，还能保持稳定效果。 如果视觉、语言与动作相结合的VLA模型无法做到“一次训练，多处部署”，具身智能在商业化上仍是一个低毛利的生意。 LingBot-VLA 2.0切入的正是这个问题。它要解决的是同一套具身操作能力能不能跨越不同构型、不同任务和不同场景迁移。 为了做到这一点，模型不能只在单一机械臂、单一任务或固定场景中表现更好，而要同时补上几块能力短板：既要理解不同机器人构型本体之间的差异，也要覆盖更复杂的动作空间，还要能对动态物理环境中的后续变化做出预判。 这背后的产业意义，是用一套标准化算法能力，对齐分散的机器人硬件和应用场景，减少对非标工程交付的依赖。 二、支持20种以上构型，模型能力先要跨过“构型差异” 要成为行业公用的“大脑”，第一道门槛就是克服机器人本体的碎片化。 今天的机器人行业并不存在统一形态。有人做人形机器人，有人做双臂机器人，有人做单臂机械臂，有人做轮式双臂机器人，还有厂商在探索灵巧手、腰部、头部、底盘等更多自由度组合。 对本体厂来说，模型适配效率直接影响产品迭代速度；对客户来说，跨本体能力决定了项目验证周期，以及未来替换硬件时的灵活性。 LingBot-VLA 2.0这次升级中，跨构型支持被放在了核心位置。 其预训练数据便覆盖了20种机器人构型，包括单臂、双臂、移动机器人平台，以及搭载灵巧手或夹爪的不同形态。其数据集包含Franka、Flexiv Rizon 4、AgileX Cobot Magic、Galaxea R1Pro/R1Lite、Realman Rs-02、Astribot S1、Leju KUAVO、Unitree G1、Fourier GR-2、AgiBot A2等平台。 20+种构型的意义，不只是平台数量变多了。更关键的是，它把不同机械结构、自由度配置、传感器条件和执行方式纳入同一套训练体系，检验模型能否把操作能力迁移到更多机器人形态上。 为此，LingBot-VLA 2.0采用了统一动作表示，把不同构型的控制信号映射到一个55维规范向量中，其中包括手臂关节位置、末端执行器位姿、夹爪、手部关节、腰部、头部和移动信号等不同组成部分。 这相当于为不同机器人建立了一套共同的“动作语言”。 在这个基础上，模型才能在面对不同构型时，在统一动作空间中学习不同形态之间可迁移的操作规律。 从产业角度看，跨构型泛化能力决定了VLA模型的服务半径。LingBot-VLA 2.0把多构型支持作为核心升级，背后指向的正是更低适配成本和更高部署效率。 三、全身协同与时序预测：接管复杂物理环境的硬性指标 真实物理世界里的任务，往往需要机器人调动整个身体一起完成。所以，具身大脑必须啃下“动态交互”这块硬骨头。 在零售分拣、物流分拣、工业操作等场景中，机器人可能需要先移动到目标位置，再调整视角识别物体，随后伸手抓取、放置、开关门、清洁或搬运。整个过程包含移动、观察、操作、反馈和修正，任何一个环节出错，都会影响最终任务完成。 LingBot-VLA 2.0这次把动作空间从双臂平台进一步扩展到全身自由度，支持头部、腰部、末端执行器、移动底盘和灵巧手等控制信号。其系统能够处理手臂、末端执行器、夹爪、移动底盘、腰部、头部、手部等不同动作维度。 这意味着，机器人执行任务时可以更自然地完成感知、移动与操作的协同。 除了动作空间，另一个关键升级是时序预测。 过去不少VLA模型更偏向反馈式执行：模型根据当前画面和语言指令生成下一步动作。但真实环境是动态的，物体可能移动，空间关系可能变化，机器人自己的动作也会改变下一帧看到的世界。 如果模型只理解“当前看到什么”，就容易在长序列任务中出现反应滞后、动作中断或执行偏移。 LingBot-VLA 2.0引入了未来预测机制，把未来状态预测作为代理任务。具体来说，它通过LingBot-Depth提供几何线索，通过DINO-Video提供语义和时序信息，让模型预测未来时刻的深度表示和视频特征，从而更好理解场景演进和动作后果。 通俗来说，机器人不只是看见眼前的画面，还要提前判断“接下来可能会发生什么”。 这类前瞻式时序理解，对长序列任务尤其重要。比如机器人要把物品放进冰箱，任务并不只是“抓取”和“放置”，还包括移动到厨房台面、把物体放进篮子、移动到冰箱前、打开冰箱门、逐个放入物体、关闭冰箱门等一连串动作。 在其技术报告中，LingBot-VLA 2.0在两个长程移动操作任务上与π0.5进行了对比：一个是在Astribot S1上完成“冰箱分拣”，另一个是在Cobot Magic-ARX X5上完成“清洁炉灶”。每个任务分别在域内和域外设置下进行15次独立测试。 ▲冰箱分拣 ▲清洁炉灶 结果显示，在域内设置下，LingBot-VLA 2.0在冰箱分拣任务中取得77.1的任务进度分和60.0%的成功率，在炉灶清洁任务中取得84.3的任务进度分和66.7%的成功率，均领先π0.5。在域外设置下，LingBot-VLA 2.0同样保持优势。 可见，在更接近真实应用的长链条任务中，LingBot-VLA 2.0具备更强的任务推进能力和跨构型泛化能力。 四、6万小时数据和130毫秒延迟，支撑生态闭环 对具身基座公司来说，模型开源只是第一步。 更关键的是，能不能让更多本体和场景接入，再把真实任务中的交互数据沉淀回来，形成“部署—数据回流—模型进化”的生态闭环。 行业不止缺数据，更缺能够真实反映物理交互规律的高质量数据。 蚂蚁灵波从9万小时数据中清洗出5万小时高质量真机数据，并从2万小时第一视角视频中提炼出1万小时有效数据。 这种对真机物理规律的筛选和提纯，决定了机器人大脑后训练质量的下限。 数据之外，商业落地还要算另一笔账：时间和算力。 基于架构更新，LingBot-VLA 2.0同步开源的高效后训练版本在RTX 4090上将推理耗时压缩至130毫秒以内。 只有算得平时间账和算力账，本体厂、集成商和场景方才有可能把VLA模型真正纳入实际部署流程。 而开源的直接意义，则是进一步降低本体厂、开发者和场景方的接入门槛。 蚂蚁灵波向开发者、本体厂开放模型权重与代码，并携手乐聚、国大药房等生态伙伴开展商业落地测试，推动LingBot-VLA 2.0作为标准能力层嵌入零售、物流等真实高频场景。 在数据体系上，蚂蚁灵波还联合简智科技等生态伙伴共建标准化数据体系，将真实场景中的交互数据重新纳入模型迭代。 机器人产业正在进入能力复用与规模部署并重的新阶段。 随着更多机器人完成部署、更多真实数据持续回流，具身智能“部署—数据回流—模型进化”的产业闭环有望逐步建立。 这场关于通用具身大脑的卡位战，已然打响。而决定胜负的，或将取决于谁能在足够多的真实场景中跑通数据飞轮、建立生态闭环。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

Site key	ifeng
Policy area	具身智能
Category	report
CMS	媒体报道
AI score	0.35

Ant LingBot VLA 2.0 Seizes the 'Brain Entry Point' for Robots as Hardware Makers Move Upstream and Large Model Companies Move Downstream

本体厂向上，大模型厂向下，蚂蚁灵波VLA2.0抢到机器人“大脑入口”