记者 陈植

2026年7月10日，，蚂蚁集团旗下具身智能公司——蚂蚁灵波宣布业界首个具身原生天下行动模子LingBot-VA 2.0。。。。

蚂蚁灵波CEO朱兴向记者透露，，LingBot-VA 2.0不再沿用行业常见的“视频天生模子微调”蹊径，，而是基于自回归架构从零最先预训练，，围绕动态建模、因果展望、实时执行等机械人与真真相形交互的焦点需求举行原生设计，，从而让机械人能在行动中一连明确真实物理情形转变，，展望行动效果并天生下一步行动。。。。

朱兴体现，，这意味着机械人“大脑”研发，，正从“基于数字天下模子构建”转向“物理天下原生设计”。。。。它也给具身智能机械人生长带来一种要害蹊径选择，，即机械人“大脑”不再依托数字天下模子能力的“嫁接”，，而是从与真实物理情形交互的原始需求出发，，举行原生设计。。。。

这也是机械人“大脑”研发思绪的又一次转向。。。。

去年，，全球机械人“大脑”研发企业纷纷放弃此前依赖的真机遥操路径，，转而探索纯视觉学习方案。。。。所谓纯视觉学习方案，，就是给机械人“大脑”寓目海量视频，，让它直接学习人类行动与智慧，，从而让机械人能像“人类”一样的感知、思索、决议与执行。。。。

可是，，这种学习方式令机械人“大脑”依然缺乏对物理真实天下的力学纪律、物理属性和行动意图的明确，，导致机械人“大脑”执行效率低下与机械人行动缓慢。。。。

朱兴告诉记者，，究其原因，，是目今机械人“大脑”研发的主流蹊径，，是依托面向数字内容创作的视频天生模子，，通过微调方式适配机械人控制使命。。。。可是，，数字内容创作更在意画质与创意，，缺乏真实物理情形的随机性转变与种种因果关系的相互影响，，难以知足机械人控制使命在执行效率与行动展望合理性等方面的高要求。。。。

他向记者举例说，，通过向数字内容创作的视频天生模子“学习”，，机械人可以在一个方位牢靠的桌面上，，拿起放在桌面指定位置的杯子。。。。在真实物理情形下，，这个杯子时常被人放在其他位置，，机械人或需仰面、弯腰、上前几步才华看到杯子并伸手拿起。。。。可是，，由于机械人“大脑”此前缺乏对真实物理情形的感知—妄想—最后执行等方面的训练，，就不知道该接纳哪些行动。。。。

为相识决这个挑战，，部分机械人“大脑”研发企业实验通过强行“微调”，，将基于数字内容创作的视频模子调解为基于真实物理情形的视频行动模子，，此举反而令机械人“大脑”泛起知识遗忘、泛化性下降等问题——它刚做完若干个行动，，就不知道下一个行动该做什么。。。。

这让朱兴意识到，，机械人面临的是一个一连转变的物理真真相形，，其“大脑”不但要针对目今情形做出合理反映，，还要明确一个行动会造成哪些情形转变，，据此决议下一步合理行动。。。。

朱兴体现，，蚂蚁灵波决议探索一条更艰难的手艺研发路径——基于自回归架构重新最先预训练，，引入语义视觉—行动分词器（Tokenizer）作为全新的视觉编码器，，接纳严酷的因果预训练范式，，构建混淆专家模子（MoE）架构，，增强异步推理机制实现实时闭环控制，，构建起适配真实物理情形的机械人“大脑”原生基础模子，，进而形成LingBot-VA 2.0。。。。

可是，，要让机械人“大脑”看得更明确、想得清晰，，干得更利索，，还需要大宗高质量数据的支持。。。。

朱兴坦言，，未来机械人“大脑”基于真实物理情形的训练，，还需引入听觉、触觉等多维度多模态数据，，让机械人除了“看得清”，，还得“听得懂”“触得着”，，更周全地感知真实物理情形的种种转变，，做出更切合因果纪律的行动展望，，以及下一步准确行动。。。。因此，，蚂蚁灵波将加速构建开放的手艺生态和场景生态，，助力机械人更快走向工业场景，，通过更大领域收罗高质量数据，，一连提升机械人“大脑”在真实物理情形里的感知、思索、决议与应变能力。。。。