蚂蚁为何加码具身智能？

文｜孙静

2026 年，具身智能赛道最活跃的大厂名单中，蚂蚁集团不可或缺。

截至 9 月 15 日，蚂蚁集团今年至少有 8 起公开披露的投资动作，且多起为「领投」身份。除继续押注机器人本体外，其兴趣点明显向数据、模型等上游环节延伸。

另一条战线上，旗下具身智能公司「蚂蚁灵波」明确聚焦机器人通用大脑：7 月初连发 6 款具身模型，构建「全栈大脑」雏形，并持续向产业链上下游延伸，连接更多机器人本体、数据和应用伙伴。

无论是从时间维度梳理蚂蚁的对外投资节奏，还是从产业链角度拆解其落子方向，原本分散的动作正拼出一张愈发清晰的「抢位」图谱。

在物理 AI 即将带来的产业重构中，蚂蚁究竟想占据什么位置？

从时间线来看，早在蚂蚁集团 2025 年初明确 AI 战略方向之前，其对具身智能的下注便已开始。

据蚂蚁研发人员透露，2024 年下半年，管理层已达成共识——具身智能必须布局，否则未来将难以追赶。「至于未来的终局形态，当时尚不明朗。」

彼时，GPT-4o 等多模态大模型的突破、特斯拉人形机器人 Optimus 的量产路线图，以及国内机器人本体的飞速进展，一步步打开了具身智能的想象空间。

蚂蚁选择双线下注：自研与外部投资同步推进。

2024 年 9 月，蚂蚁旗下上海云玚企业管理咨询有限公司领投初创公司星海图 Pre-A 轮，率先押注「本体 + 大脑」早期玩家；3 个月后，蚂蚁灵波在上海成立，团队早期成员大多来自支付宝。

纵观投资版图，蚂蚁的出手逻辑遵循产业发展节奏，从下游一路向上游迁移。

2025 年，具身智能行业的关键词是「本体能力进阶」，蚂蚁的投资方向聚焦于机器人本体及核心零部件：2 月追投星海图，4 月领投绳驱人形机器人厂商星尘智能，5 月入股明星公司宇树科技，6 月投资关节模组头部钛虎机器人及灵巧手头部灵心巧手，9 月投资仿人机器人首形科技，11 月再次追投星尘智能。

从逻辑上看，物理 AI 将是一个广泛覆盖家庭、工业、商业等多场景的生态系统。投资机器人硬件，既可为潜在的生态合作铺路，也能分享头部公司的成长红利。尤其是核心零部件厂商，作为产业链上的「卖铲人」，其商业价值与产业规模呈正相关，不像机器人本体公司还需在场景落地中验证商业化。

2025 年底至 2026 年初，具身智能进入量产落地阶段，但「智能」不足制约了机器人的泛化能力，也限制了规模化落地的上限。行业急需「补脑」，真实世界数据和技术底座成为最关键、价值最高的环节。

映射到蚂蚁的投资中，今年以来其密集布局世界模型、数据采集与生成类公司：如 2 月投资世界模型公司大晓机器人；5 月投资专攻物理 AI 数据与评测基础设施的光轮智能、机器视觉解决方案商零零无限科技；6 月，投资高精度多模态数据与评测基础设施公司简智机器人；7 月投资通用智能初创公司自然意志；8 月，投资触觉数据公司戴盟机器人、世界模型公司逆矩阵科技；9 月，入股物理 AI 解决方案提供商厘清智能。

其间，蚂蚁还投资了家庭消费级小型人形机器人公司乐享科技。

至此，蚂蚁在具身智能产业链的布局浮出水面：从本体、零部件到数据基础设施和技术底座，多层下注，在每层的关键技术节点均占有一席之地。

国内大厂投资具身智能，或侧重产业链终端寻求与自身业务场景结合，或意在「引流」为自家云计算和 AI 基础设施储备客户，底层思路多为既有生态赋能。相较之下，蚂蚁并无太多「历史包袱」，其核心业务支付宝是数字经济的基础设施，线下场景相对较浅。

理论上，蚂蚁有机会在具身智能赛道构建一张全新版图。

这或许可以解释，为何蚂蚁灵波定位于自研具身通用大脑，为何基础模型一上来就做开源，以及为何今年 7 月亮相的首个落地案例展示的是「一脑多机」协作——乐聚、星海图、蚂蚁灵波 R-2 三种不同机器人同时在国大药房内执行任务。

此前在世界人工智能大会亮相的蚂蚁灵波机器人药房

图源：蚂蚁集团官网

蚂蚁看中的是平台生态，是在 AI 时代成为物理 AI 基础设施的一张入场券。

公开信息显示，蚂蚁灵波基座模型 LingBot-VLA 2.0 已适配 17 家厂商、20 多种机器人构型，是业内支持本体种类最多的开源 VLA 模型之一。值得注意的是，部分适配厂商同时出现在蚂蚁的被投公司名单之列，如星海图、宇树、星尘智能等。

这种「生态结盟」策略在科技史上屡见不鲜。面对微软在前沿技术上的短板，CEO 萨提亚·纳德拉曾提出通过投资代表未来 AI 发展方向的技术和项目来补齐布局。2019 年微软以 10 亿美元入股 OpenAI，这一关键决策后来让 Azure 成了 OpenAI 的独家云服务商，行业竞争力大幅拉升。

反观蚂蚁，其对具身产业链的投资，既是双线押注的核心策略之一，也是在为自研的通用大脑和「一脑多机」的落地路线铺路。

上述双线策略能否相辅相成，关键在于蚂蚁灵波的表现。

「一脑多机」的底层是基座模型的泛化能力。在工业界人士看来，泛化是机器人部署成本下降、效率提升的必备能力。

宇树科技创始人王兴兴此前在世界机器人大会上指出，泛化能力不足是行业最大的发展瓶颈，也是机器人无法大规模进厂干活的原因。

泛化能力同样是具身大脑公司们希望突破的方向。

具身基座模型研究在预训练阶段投入巨大，不仅涉及算力、数据成本，还有多技术路线齐头并进带来的资源分散风险。而大厂在资源组织上有天然优势，选择向本体厂商和伙伴输出基模能力的模式顺理成章。

据蚂蚁灵波研发人员透露，团队内通用大脑研发人员目前已有 100 多人，今年的工作重点是打磨通用大脑和数据。

由于行业尚处早期，技术路线远未收敛，蚂蚁灵波在多条技术路线上尝试和验证，基座模型从去年的 1 个拓展到今年的 6 个，分别是面向空间感知的 LingBot-Vision 和 LingBot-Depth 2.0，面向「一脑多机」的动作模型 LingBot-VLA 2.0，面向实时交互的 LingBot-World 2.0，以及面向更高推理效率的视频生成基模 LingBot-Video。

▲LingBot-Video 在 RBench 评测上领先

至于未来最适合机器人的基座模型形态，行业目前尚无标准答案。因此，蚂蚁灵波一面持续补齐具身原生能力，一面以开源形式邀请外部开发者共同使用并改善模型。

一名来自大湾区国家技术创新中心的算法工程师交流时表示，就目前的测试体验来看，蚂蚁灵波无论在模型规模还是开源友好性上，都较为领先。

一些制造业企业也在密切关注蚂蚁灵波的进展。在世界机器人大会上，某机床制造厂的软件工程师表示，他们正在评估机器人进厂的可能性，此前已与智元的代理商沟通过。但由于执行新任务需重新训练机器人模型，从数据采集训练、软件开发、平台到机器人本体，整套配置成本高达两三百万元。

这让机床厂开始研究与具身「通用大脑」企业的合作空间。「通用」意味着模型能力能够跨本体复用，开发成本理论上应能降低。该工程师径直找到蚂蚁灵波工作人员，咨询合作可能性。

不过，只有当相同场景任务下的后训练数据成本指数级下降，让行业客户看到机器人的效率远超人类，这个产业才具备大规模落地的可能。

根据蚂蚁灵波此前的对外分享，未来的商业化形式除了向本土公司输出基座模型，也可能向其他模型公司提供相关能力。这或许源自新的行业共识：VLA 或世界模型可能都不是终局，未来有可能出现一个高度适配物理世界的新范式。而蚂蚁灵波的最终目标应该是「基模中的基模」；另一方面，在做通用大脑中沉淀下来的数据等能力可以工具链形式输出给同行。

▲外滩大会上灵波科技的 R1 机器人展示厨房作业功能

图源：蚂蚁集团官网

通用大脑们面临的挑战是双重的：一是能力上限，二是成本效率。这两个挑战都需要长期蓄力。蚂蚁灵波近期传出对外融资的消息，估计与这个行业现实有一定关联。毕竟大厂即便有「余粮」，也要考虑内部分配的优先级问题。

具身智能行业同这个行业里的机器人一样，均处于「自进化」的早期。目前可见的是，蚂蚁正在构建一个结构化的产业布局——通过一边发力通用大脑，一边投资产业链关键节点，为「大脑」施展能力创造生态协同，最终打通机器人落地的最重要卡点。

顺利的话，蚂蚁将离成为机器人时代的基础设施更近一步。这将是一个在支付宝、健康医疗之外，有望长成平台级业务的新机遇。