从灵光到灵波，蚂蚁AI两路并进。
新眸原创·作者 | 李小东
上周去WAIC逛了大半天，具身智能馆里人流最密的几个展位，灵波算一个。
四天六款全栈模型集中发布、适配二十余种机器人本体的基座开源方案、落地上海国大药房并入选WAIC十大镇馆项目，多重信息叠加，让这家成立不足一年半的蚂蚁子公司，从行业边缘走到舆论中心。
放在一年前，很少有人会把蚂蚁和机器人赛道深度绑定。大众对蚂蚁AI的认知，大多停留在C端的灵光App，能对话、生成轻应用、做实时视觉理解，是个扎根数字世界的生产力工具。突然冒出来的灵波，专做机器人的通用大脑，扎进了物理世界的产业场景，跨度确实超出很多人的预期。
在此之前，具身智能赛道的互联网大厂叙事长期分化。字节坚持软硬件自研闭环，华为锚定底层基础设施，百度依托自有终端生态延伸机器人能力，各家路径清晰、边界分明。
换句话说，灵波的集中发力，很有可能打破原有行业格局的平衡。
舆论场里两种声音，一部分观点认为，灵波推出的具身原生模型补齐了蚂蚁AGI物理交互短板，依托线下零售场景与开源策略，有望走出差异化平台路线；另一部分从业者保持观望，认为团队成立周期短、硬件工程积累薄弱，药房单一场景难以支撑全栈算法的长期迭代，开源模式短期无法转化稳定营收。
事实上，市场热议的核心，不止灵波一家公司的技术迭代，但它的集中亮相，恰好对应行业关键周期：2026年被业内普遍视作服务机器人小规模商用落地元年，赛道竞争重心从硬件运动能力比拼，转向通用大脑、跨本体适配、真实场景商业化的综合较量。
借WAIC集中释放技术成果，是蚂蚁对具身赛道的一次完整战略表态。今天就聊聊我对灵波这次集中发声的观察，以及热度背后，整个具身智能行业正在发生的深层变化。
01 一条更难走的路
“物理智能的问题，还是要回到物理智能本身去解决。”前段时间发布会上，蚂蚁灵波CEO朱兴对外抛出的这句判断，完整定义了团队从筹备阶段就确定的技术主线：具身原生。
当前国内绝大多数具身算法团队采用迁移微调的落地模式，依托成熟通用大模型、视频生成世界模型，通过少量机器人交互数据微调适配实体设备。这套方案的优势在于，研发周期短、可复用现有多模态数据积累，中小机器人厂商、跨界入局大厂普遍采用该路径。
但长期真机测试暴露的短板也同样突出。数字世界模型优化目标偏向画面渲染、文本逻辑推演，对物理空间动力学、实时动作反馈、环境因果约束优化不足，直接表现为机器人动作延迟、随机环境下任务失败率偏高。
蚂蚁灵波首席科学家沈宇军在行业闭门交流中，曾拆解两套模型体系的核心分歧。
打个直观的比方，数字世界生成一段视频，延迟几百毫秒几乎没有感知，画质越高越好；但实体机器人抓取物体，几十毫秒的延迟就可能导致抓取失败，画面清晰度优先级远低于位置精度与响应速度。
两套体系的优化目标存在本质差异，靠后期补丁式修正，越往深处走，适配成本越高。
灵波的思路是，既然要做物理世界的智能大脑，就从底层架构开始，完全围绕物理交互规则重新设计。
从环境感知、空间理解，到世界预测、任务决策、动作执行，五层技术链路全部针对实体场景搭建，而非在现有大模型上做迁移改造。这次发布的LingBot-VA2.0世界动作模型，就是这套技术路线的核心产物。
参数层面的感知最直接。官方给出的动作推理频率稳定在90到150Hz，而当前行业主流方案大多集中在30到60Hz区间。反应速度的提升落到真机表现上，就是动作流畅度、突发场景响应能力的直观差距。
展会现场的乒乓球对打演示，没有借助外部高速摄像设备，仅依靠机器人本体视觉就能完成多轮随机接球，这种实时动态追踪能力，普通迁移方案很难稳定复现。
四天时间连发六款模型，覆盖视觉感知、深度估计、跨本体控制、世界模型、动作模型、视频基座，完整铺出了全栈技术版图。国内聚焦机器人大脑的团队不在少数，能做到全链路自研的，其实并不多。
其中市场关注度最高的LingBot-VLA2.0选择全面开源，截至7月中旬，这款基座模型目前已适配20余种机器人构型，双臂、轮式底盘、灵巧手、小型人形都能接入。
开源这套玩法，互联网行业已经验证过很多次，降低接入门槛，吸引厂商与开发者入驻，靠生态规模带动数据积累，最终形成正向循环。
放到具身智能赛道，这依然是快速建立行业影响力的有效手段。
沈宇军之前在交流中提过，具身智能的行业拐点会出现在数据层面，当普通个体也能为机器人提供训练数据时，行业才会进入加速期，他给出的时间预判大概在2028年。
也就是说，现在开源基座模型，更像是提前为数据生态搭建基础框架。
02大厂的三种入场姿势
蚂蚁不是第一个布局具身智能的互联网大厂，2026年上半年，华为、腾讯、字节、百度都有明确的加码动作，只是各家基因不同，切入赛道的姿势也完全不一样。
平台底座模式代表为华为、腾讯。上个月华为发布了CloudRobo具身智能开发平台，定位一站式公共开发工具链。华为不做机器人本体，专注做行业的技术底座，中小厂商不用从零搭建开发体系，接入平台就能快速启动研发。
WAIC期间，华为又联合国家级创新中心落地了标准化实训场样板点，统一不同机型的数据接口，让多品牌机器人能共用一套训练环境，进一步降低了行业的测试成本。
腾讯的TAIROS钛螺丝平台走的是相近路线，去年首次发布时就主打模块化设计，厂商可以按需采购，不必整套接入。今年WAIC完成了全栈方案升级，从云算力底座、基础模型到开发平台、行业应用，层级更加清晰。
第二类是软硬件一体闭环，代表是字节，和灵波只研发算法大脑的路线形成鲜明对比。2023年机器人团队并入AILab后，硬件研发持续低调推进，据了解，字节自研轮式机器人累计量产突破千台。目前仓储转运机器人进入稳定量产阶段。
算法端Seed实验室同步迭代Robix多模态模型，资本端投资自变量机器人补齐人形技术布局，整套闭环打得很扎实。这种模式的优势是软硬件协同度高，整体效果可控；缺点是模式重、投入大、周期长，生态开放性相对有限。
百度、阿里走的是一种场景延伸模式。百度的具身智能布局，无论是B端还是C端，建立在文心大模型、昆仑芯、小度硬件的既有家底之上，属于自身生态的向外拓展。
阿里的布局相对分散，高德成立了独立具身业务部门，启动四足机器狗研发；阿里云提供算力与基础模型支撑；投资端参投了多家产业链上下游公司，以资本方式完成赛道卡位。
对比下来，蚂蚁灵波的位置比较特殊。它不碰硬件本体，模式比字节更轻；但它没有止步于纯平台工具，而是深度切入药房等实体场景，跑通完整落地方案，又比纯平台厂商更重场景。全栈技术自研、垂直场景落地、开源生态扩张三条线并行，是大厂里比较独特的打法。
03从秀场到战场的拐点
2026WAIC一个直观变化，具身智能独立设立专属展馆，参展企业数量从2025年80余家增长至200余家，现场动态运行真机超300台，行业整体供给规模明显扩张。
展示内容的转变更能反映产业阶段变化。
2025年各大厂商展台核心演示内容集中在后空翻、集体舞蹈、花式冲咖啡等观赏性动作，核心目标证明硬件运动性能；
2026年演示场景全部偏向商用落地，机械臂零部件装配、药房药品分拣、仓储货物转运、餐饮简易制作、场馆导览等标准化工作成为主流展示内容，机器人形态也分化出轮式、双臂、四足、小型人形多类细分品类。
现场交流人群的诉求变化更明显。往年观展观众多停留拍照观看演示，今年线下连锁企业、工厂采购方到场后，优先询问设备采购成本、部署周期、单场景人力成本节约幅度、后期维护费用，行业关注点已经从技术可行性，转向商业落地性价比。
2026年被很多人称为人形机器人小批量商用元年，这个定位并不算夸张。对标产业发展节奏，大概相当于2008年前后的新能源汽车，核心技术完成初步验证，首批量产产品进入市场，上下游供应链逐步成熟。
市场数据也能支撑这种判断。第三方统计显示，2025年全球具身智能市场规模约900亿元，2026年预计达到1500到2000亿元，同比最高增速超过120%。
人形机器人赛道增长更快，2025年全球出货量1.8万台，2026年预测出货量6.25万台，同比增幅接近250%。中国市场占全球份额超过65%，已经成为全球最核心的产业落地市场。
但赛道热度之下，行业的核心矛盾并没有得到根本解决。
首先是数据瓶颈。实体交互数据采集成本高、效率低，遥操作数据精度高但人力成本昂贵，仿真数据生成快但与现实存在偏差，人类第一视角数据规模大但标注对齐难度高。各家都在摸索不同的数据积累路径，至今没有形成公认的最优方案。
灵波CEO朱兴在多次分享里都强调数据的三个维度：规模、分布、多模态对齐质量。在他的判断里，现阶段数据体系建设的优先级，要高于模型架构迭代，没有高质量的真实交互数据，再先进的架构也难以支撑稳定商用。
除此以外，一台通用人形机器人硬件采购成本数十万，绝大多数服务场景难以在合理周期内收回设备投入。工业产线任务固定、人力成本持续上涨，成本核算更容易达成正向收益；零售、餐饮、家用服务场景，设备复用率有限，大规模落地还需要时间。
灵波推出的智慧药房方案主打门店零改造部署，无需改造原有货架、分拣设备即可完成机器人落地，核心目的降低场景准入门槛，单台设备可完成药品分拣、配送，单次取药耗时压缩至90秒，分担药师重复性工作。
不过，门店完整投入、人力节约、回本周期等量化商业数据，目前暂无完整公开披露信息，长期盈利模型仍待验证。
考虑到实际情况，当下不同厂商的机器人接口、数据格式互不兼容，模型与硬件适配需要单独二次开发，大幅拉高了全行业的协作成本。华为做标准化实训场、灵波开源VLA基座，本质都是在推动底层标准统一，只有基础设施通了，行业整体效率才能提上来。
回到灵波本身，这次引发行业热议，说明赛道竞争逻辑发生了阶段性切换。
行业发展早期，市场评判机器人的核心标准集中在硬件运动性能，关节自由度、动作难度、稳定性是核心比拼维度；产业链成熟度提升后，硬件差距持续缩小，差异化竞争向上游算法层转移，通用控制大脑、跨机型适配、真实场景任务完成能力，成为新的竞争核心。
这个规律和智能手机产业的发展高度相似。硬件供应链成熟后，设备本体差距逐步抹平，操作系统、配套生态、软件算法成为拉开差距的关键。当下具身智能赛道，各家企业争夺的正是机器人领域的底层通用软件生态。
现在评判哪条路线最终能跑通还为时过早。具身原生路线技术逻辑更彻底，但研发与落地难度也更高；平台路线扩张速度快，但技术壁垒相对有限；软硬一体路线协同性强，但开放性与生态规模会受限制。
每条路径都有对应的资源禀赋，也都有对应的风险与代价。
2026年WAIC具备行业分水岭意义，展会之前赛道以技术验证、概念展示为主；展会结束后，行业竞争全面转向规模化场景落地、底层生态卡位的实质比拼。
蚂蚁灵波已经完整亮出了自己的技术布局与战略方向。这套打法能不能复制到更多线下场景，开源生态能不能形成可持续的正向循环，还要看接下来的落地成效。
本文系新眸原创，申请转载授权、商务合作请联系。
— END —
更多内容，点击下方关注
原文标题 : 逛完WAIC，聊聊最近很火的蚂蚁灵波
从灵光到灵波，蚂蚁AI两路并进。
新眸原创·作者 | 李小东
上周去WAIC逛了大半天，具身智能馆里人流最密的几个展位，灵波算一个。
四天六款全栈模型集中发布、适配二十余种机器人本体的基座开源方案、落地上海国大药房并入选WAIC十大镇馆项目，多重信息叠加，让这家成立不足一年半的蚂蚁子公司，从行业边缘走到舆论中心。
放在一年前，很少有人会把蚂蚁和机器人赛道深度绑定。大众对蚂蚁AI的认知，大多停留在C端的灵光App，能对话、生成轻应用、做实时视觉理解，是个扎根数字世界的生产力工具。突然冒出来的灵波，专做机器人的通用大脑，扎进了物理世界的产业场景，跨度确实超出很多人的预期。
在此之前，具身智能赛道的互联网大厂叙事长期分化。字节坚持软硬件自研闭环，华为锚定底层基础设施，百度依托自有终端生态延伸机器人能力，各家路径清晰、边界分明。
换句话说，灵波的集中发力，很有可能打破原有行业格局的平衡。
舆论场里两种声音，一部分观点认为，灵波推出的具身原生模型补齐了蚂蚁AGI物理交互短板，依托线下零售场景与开源策略，有望走出差异化平台路线；另一部分从业者保持观望，认为团队成立周期短、硬件工程积累薄弱，药房单一场景难以支撑全栈算法的长期迭代，开源模式短期无法转化稳定营收。
事实上，市场热议的核心，不止灵波一家公司的技术迭代，但它的集中亮相，恰好对应行业关键周期：2026年被业内普遍视作服务机器人小规模商用落地元年，赛道竞争重心从硬件运动能力比拼，转向通用大脑、跨本体适配、真实场景商业化的综合较量。
借WAIC集中释放技术成果，是蚂蚁对具身赛道的一次完整战略表态。今天就聊聊我对灵波这次集中发声的观察，以及热度背后，整个具身智能行业正在发生的深层变化。
01 一条更难走的路
“物理智能的问题，还是要回到物理智能本身去解决。”前段时间发布会上，蚂蚁灵波CEO朱兴对外抛出的这句判断，完整定义了团队从筹备阶段就确定的技术主线：具身原生。
当前国内绝大多数具身算法团队采用迁移微调的落地模式，依托成熟通用大模型、视频生成世界模型，通过少量机器人交互数据微调适配实体设备。这套方案的优势在于，研发周期短、可复用现有多模态数据积累，中小机器人厂商、跨界入局大厂普遍采用该路径。
但长期真机测试暴露的短板也同样突出。数字世界模型优化目标偏向画面渲染、文本逻辑推演，对物理空间动力学、实时动作反馈、环境因果约束优化不足，直接表现为机器人动作延迟、随机环境下任务失败率偏高。
蚂蚁灵波首席科学家沈宇军在行业闭门交流中，曾拆解两套模型体系的核心分歧。
打个直观的比方，数字世界生成一段视频，延迟几百毫秒几乎没有感知，画质越高越好；但实体机器人抓取物体，几十毫秒的延迟就可能导致抓取失败，画面清晰度优先级远低于位置精度与响应速度。
两套体系的优化目标存在本质差异，靠后期补丁式修正，越往深处走，适配成本越高。
灵波的思路是，既然要做物理世界的智能大脑，就从底层架构开始，完全围绕物理交互规则重新设计。
从环境感知、空间理解，到世界预测、任务决策、动作执行，五层技术链路全部针对实体场景搭建，而非在现有大模型上做迁移改造。这次发布的LingBot-VA2.0世界动作模型，就是这套技术路线的核心产物。
参数层面的感知最直接。官方给出的动作推理频率稳定在90到150Hz，而当前行业主流方案大多集中在30到60Hz区间。反应速度的提升落到真机表现上，就是动作流畅度、突发场景响应能力的直观差距。
展会现场的乒乓球对打演示，没有借助外部高速摄像设备，仅依靠机器人本体视觉就能完成多轮随机接球，这种实时动态追踪能力，普通迁移方案很难稳定复现。
四天时间连发六款模型，覆盖视觉感知、深度估计、跨本体控制、世界模型、动作模型、视频基座，完整铺出了全栈技术版图。国内聚焦机器人大脑的团队不在少数，能做到全链路自研的，其实并不多。
其中市场关注度最高的LingBot-VLA2.0选择全面开源，截至7月中旬，这款基座模型目前已适配20余种机器人构型，双臂、轮式底盘、灵巧手、小型人形都能接入。
开源这套玩法，互联网行业已经验证过很多次，降低接入门槛，吸引厂商与开发者入驻，靠生态规模带动数据积累，最终形成正向循环。
放到具身智能赛道，这依然是快速建立行业影响力的有效手段。
沈宇军之前在交流中提过，具身智能的行业拐点会出现在数据层面，当普通个体也能为机器人提供训练数据时，行业才会进入加速期，他给出的时间预判大概在2028年。
也就是说，现在开源基座模型，更像是提前为数据生态搭建基础框架。
02大厂的三种入场姿势
蚂蚁不是第一个布局具身智能的互联网大厂，2026年上半年，华为、腾讯、字节、百度都有明确的加码动作，只是各家基因不同，切入赛道的姿势也完全不一样。
平台底座模式代表为华为、腾讯。上个月华为发布了CloudRobo具身智能开发平台，定位一站式公共开发工具链。华为不做机器人本体，专注做行业的技术底座，中小厂商不用从零搭建开发体系，接入平台就能快速启动研发。
WAIC期间，华为又联合国家级创新中心落地了标准化实训场样板点，统一不同机型的数据接口，让多品牌机器人能共用一套训练环境，进一步降低了行业的测试成本。
腾讯的TAIROS钛螺丝平台走的是相近路线，去年首次发布时就主打模块化设计，厂商可以按需采购，不必整套接入。今年WAIC完成了全栈方案升级，从云算力底座、基础模型到开发平台、行业应用，层级更加清晰。
第二类是软硬件一体闭环，代表是字节，和灵波只研发算法大脑的路线形成鲜明对比。2023年机器人团队并入AILab后，硬件研发持续低调推进，据了解，字节自研轮式机器人累计量产突破千台。目前仓储转运机器人进入稳定量产阶段。
算法端Seed实验室同步迭代Robix多模态模型，资本端投资自变量机器人补齐人形技术布局，整套闭环打得很扎实。这种模式的优势是软硬件协同度高，整体效果可控；缺点是模式重、投入大、周期长，生态开放性相对有限。
百度、阿里走的是一种场景延伸模式。百度的具身智能布局，无论是B端还是C端，建立在文心大模型、昆仑芯、小度硬件的既有家底之上，属于自身生态的向外拓展。
阿里的布局相对分散，高德成立了独立具身业务部门，启动四足机器狗研发；阿里云提供算力与基础模型支撑；投资端参投了多家产业链上下游公司，以资本方式完成赛道卡位。
对比下来，蚂蚁灵波的位置比较特殊。它不碰硬件本体，模式比字节更轻；但它没有止步于纯平台工具，而是深度切入药房等实体场景，跑通完整落地方案，又比纯平台厂商更重场景。全栈技术自研、垂直场景落地、开源生态扩张三条线并行，是大厂里比较独特的打法。
03从秀场到战场的拐点
2026WAIC一个直观变化，具身智能独立设立专属展馆，参展企业数量从2025年80余家增长至200余家，现场动态运行真机超300台，行业整体供给规模明显扩张。
展示内容的转变更能反映产业阶段变化。
2025年各大厂商展台核心演示内容集中在后空翻、集体舞蹈、花式冲咖啡等观赏性动作，核心目标证明硬件运动性能；
2026年演示场景全部偏向商用落地，机械臂零部件装配、药房药品分拣、仓储货物转运、餐饮简易制作、场馆导览等标准化工作成为主流展示内容，机器人形态也分化出轮式、双臂、四足、小型人形多类细分品类。
现场交流人群的诉求变化更明显。往年观展观众多停留拍照观看演示，今年线下连锁企业、工厂采购方到场后，优先询问设备采购成本、部署周期、单场景人力成本节约幅度、后期维护费用，行业关注点已经从技术可行性，转向商业落地性价比。
2026年被很多人称为人形机器人小批量商用元年，这个定位并不算夸张。对标产业发展节奏，大概相当于2008年前后的新能源汽车，核心技术完成初步验证，首批量产产品进入市场，上下游供应链逐步成熟。
市场数据也能支撑这种判断。第三方统计显示，2025年全球具身智能市场规模约900亿元，2026年预计达到1500到2000亿元，同比最高增速超过120%。
人形机器人赛道增长更快，2025年全球出货量1.8万台，2026年预测出货量6.25万台，同比增幅接近250%。中国市场占全球份额超过65%，已经成为全球最核心的产业落地市场。
但赛道热度之下，行业的核心矛盾并没有得到根本解决。
首先是数据瓶颈。实体交互数据采集成本高、效率低，遥操作数据精度高但人力成本昂贵，仿真数据生成快但与现实存在偏差，人类第一视角数据规模大但标注对齐难度高。各家都在摸索不同的数据积累路径，至今没有形成公认的最优方案。
灵波CEO朱兴在多次分享里都强调数据的三个维度：规模、分布、多模态对齐质量。在他的判断里，现阶段数据体系建设的优先级，要高于模型架构迭代，没有高质量的真实交互数据，再先进的架构也难以支撑稳定商用。
除此以外，一台通用人形机器人硬件采购成本数十万，绝大多数服务场景难以在合理周期内收回设备投入。工业产线任务固定、人力成本持续上涨，成本核算更容易达成正向收益；零售、餐饮、家用服务场景，设备复用率有限，大规模落地还需要时间。
灵波推出的智慧药房方案主打门店零改造部署，无需改造原有货架、分拣设备即可完成机器人落地，核心目的降低场景准入门槛，单台设备可完成药品分拣、配送，单次取药耗时压缩至90秒，分担药师重复性工作。
不过，门店完整投入、人力节约、回本周期等量化商业数据，目前暂无完整公开披露信息，长期盈利模型仍待验证。
考虑到实际情况，当下不同厂商的机器人接口、数据格式互不兼容，模型与硬件适配需要单独二次开发，大幅拉高了全行业的协作成本。华为做标准化实训场、灵波开源VLA基座，本质都是在推动底层标准统一，只有基础设施通了，行业整体效率才能提上来。
回到灵波本身，这次引发行业热议，说明赛道竞争逻辑发生了阶段性切换。
行业发展早期，市场评判机器人的核心标准集中在硬件运动性能，关节自由度、动作难度、稳定性是核心比拼维度；产业链成熟度提升后，硬件差距持续缩小，差异化竞争向上游算法层转移，通用控制大脑、跨机型适配、真实场景任务完成能力，成为新的竞争核心。
这个规律和智能手机产业的发展高度相似。硬件供应链成熟后，设备本体差距逐步抹平，操作系统、配套生态、软件算法成为拉开差距的关键。当下具身智能赛道，各家企业争夺的正是机器人领域的底层通用软件生态。
现在评判哪条路线最终能跑通还为时过早。具身原生路线技术逻辑更彻底，但研发与落地难度也更高；平台路线扩张速度快，但技术壁垒相对有限；软硬一体路线协同性强，但开放性与生态规模会受限制。
每条路径都有对应的资源禀赋，也都有对应的风险与代价。
2026年WAIC具备行业分水岭意义，展会之前赛道以技术验证、概念展示为主；展会结束后，行业竞争全面转向规模化场景落地、底层生态卡位的实质比拼。
蚂蚁灵波已经完整亮出了自己的技术布局与战略方向。这套打法能不能复制到更多线下场景，开源生态能不能形成可持续的正向循环，还要看接下来的落地成效。
本文系新眸原创，申请转载授权、商务合作请联系。
— END —
更多内容，点击下方关注
原文标题 : 逛完WAIC，聊聊最近很火的蚂蚁灵波
