对话蚂蚁灵波 CEO 朱兴：具身智能进入「百模大战」，机器人还吃不了「粗粮」- 大数跨境

APPSO

2026-09-16

导读：具身智能会有自己的「ChatGPT 时刻」吗

机器人格斗演示虽火，但距离真正替代人工仍有差距。在药房取药、物流分拣等实际场景中，面对异构商品、动态环境和长时运行，机器人仍面临巨大挑战。

在 2026 外滩大会上，蚂蚁灵波 CEO 朱兴指出，小卖部等场景落地难，核心在于能力与成本的双重瓶颈。灵波专注于具身「大脑」研发，通过通用基础模型适配不同构型与任务，旨在用更少数据实现更高效率。目前，其方案已在国大药房等零售门店部署，验证了窄通道下的药品拣选能力。

灵波保留 R 系列本体用于研发与生活场景探索，强调软硬磨合的重要性。针对行业关注的基模训练、数据质量及商业化路径，朱兴进行了深入解读。

以下内容整理自媒体沟通会：

一、小卖部也没那么容易落地

为何选择药房等普通场景？

朱兴表示，炫技式的 Demo 意义有限，团队更看重真实应用与数据迭代。当前产业受限于模型能力与成本，尚无法支撑高复杂度、开放环境的规模化应用。药房等场景虽看似简单，但能产生有价值的真实数据，推动模型闭环。

简单操作为何难以 100% 成功？

成功率取决于场景复杂度与任务序列长度。目前模型处于冷启动阶段，泛化性不足，难以应对未见过的异常。此外，若创造的价值无法覆盖高昂的硬件与运维成本，商业模式便无法跑通。

为何坚持投入通用基模？

专用小模型虽能解决特定任务，但难以跨场景复制。通用基模的核心价值在于提升后训练效率：用更少数据达到同等效果，或用同等数据获得更高成功率。这是实现规模化落地的关键。

门店复制的难点在哪？

主要瓶颈在于泛化性不足。不同门店环境差异大，导致复制成本高。短期策略是选择半封闭环境、压缩任务长度，通过分阶段爬坡，逐步提升模型主导能力。

二、矿泉水不能跳着舞落到手上

数字世界模型能否直接控制机器人？

朱兴指出，数字世界模型追求视觉效果，可接受延迟；而具身智能必须符合物理规律，且需高性能实时响应。不符合物理逻辑的生成内容（如跳舞的矿泉水）对机器人控制毫无意义。

为何放弃微调通用视频模型？

基于数字世界模型微调存在上限低、破坏先验知识导致泛化性下降等问题。灵波选择从头训练原生基模 LingBot-Video，融入大量真实机器人数据，以构建符合物理智能的底层能力。

小模型开放版的取舍

开放的 1.3B 小模型虽在效果上有所妥协，但旨在降低社区门槛，促进技术交流。同时，灵波开源了部分训练技术，如单向因果预测能力，以助力开发者与学术界。

三、「炼丹」背后是数据的配方

数据量与 Scaling Law 的关系

朱兴认为，单纯堆砌数据量并不等同于智能涌现。数据分布的均衡性与质量更为关键。「炼丹」的本质在于数据配方的优化，而非盲目大力出奇迹。

无效数据的责任归属

大量重复数据确实无效，但这要求模型厂商明确定义数据标准与分布需求，而非归咎于采集方。灵波通过定制化采集与自动化管线，将数据可用率从 15% 提升至 90% 以上，并采用流式交付缩短训练周期。

Ego 数据采集的精度挑战

第一人称视角（Ego）采集虽具便携性，但裸手重建轨迹误差较大。朱兴更看好结合高精度触觉手套的方案，以实现视觉与触觉信息的精准对齐，提升数据价值。

多源数据的配比策略

不同训练阶段需搭配不同数据源：预训练阶段利用互联网视频扩大场景泛化；后训练阶段则依赖贴近真机的数据以提升成功率。仿真数据主要用于强化特定任务，各类数据需分阶段发挥价值。

四、真正的飞轮要能接住失败

何时实现自主数据积累？

当前仍处于冷启动阶段，依赖专人采集。未来随着应用规模扩大，异常数据将成为飞轮核心，成功数据的价值相对降低。

日常数据能否直接使用？

朱兴直言，目前的机器人尚无法消化日常生活中的「粗粮」数据。模型架构与学习范式仍在演进中，高效的数据管线与深度理解能力是构建壁垒的关键。

大模型厂商入局的影响

通用大模型可作为工具提升研发效率，但具身智能的核心壁垒在于对物理世界数据的理解与管线建设，这并非单纯依靠算力即可抹平。

五、人形不必成为执念

为何重视构型泛化？

不同场景对负载、轴数需求各异，强行统一为人形既无必要也不经济。灵波主张技术服务于场景价值，而非执着于外观拟人。

自研本体的必要性

研发需软硬一体，自有本体便于数据获取与算法验证。R 系列专注于生活服务场景的探索，解决通行、避障及安全交互问题，作为进入家庭前的前哨站。

药房试点的商业逻辑

药房存在夜间人力短缺及人机协作需求，且 SKU 丰富，具备商业价值与技术牵引力。通过解决此类场景问题，可为未来家庭服务积累经验。

进入家庭的时间表

完全可信赖的家庭机器人涉及高阶安全与伦理问题，时间表尚不明朗。更现实的路径是从情绪陪伴、辅助操作起步，逐步提升技能。

六、「Chat」比「GPT」更重要

行业格局预判

基座层将走向收敛，但产业需要多方协作。灵波定位为智能提供商，输出基模与工具链，与合作伙伴共建数据网络，尤其是异常数据回流机制。

商业化的分寸

过度商业化会消耗团队精力，但适度的付费验证是技术成熟的必经之路。灵波倾向于有限度的商业化，以打磨团队能力与产品成熟度为主。

行业爆发的信号

预计今明两年，生产力应用场景将快速增长。关键指标包括：真实场景中模型驱动机器人数量的指数级增长，以及后训练数据成本的显著下降。

具身智能的「ChatGPT 时刻」

朱兴认为，互动与应用闭环（Chat）比单纯的技术突破（GPT）更为重要。只有形成规模化的应用反馈闭环，行业才能真正向前迈进。

结语

当前机器人应用仍面临「人替机器人操心」的尴尬。真正的进步应体现为降低用户接管频率与重教成本。通用模型的价值在于让错误成为共同经验，避免每台机器人都从头犯错。

尽管行业争论焦点常在模型路线与参数，但用户最终买单的理由只有一个：这件事终于不用我管了。

【声明】内容源于网络

APPSO

AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

内容 15754

粉丝 0

APPSO AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

总阅读439.3k

粉丝0

内容15.8k