心理罪

蚂蚁集团组织了一支「物理AI特工队」：蚂蚁灵波具身路线的优势与困顿_我的网站

A |     该图片使用了AI生成技术          本文来自微信公众号： 潮涌AI ，作者：潮涌AI编辑部，原文标题：《蚂蚁集团组织了一支「物理AI特工队」：蚂蚁灵波具身路线的优势与困顿》          2024年12月，上海张江，一家新公司注册成立。

B |     
抖音直播电商业务大幅拉动了罗永浩的还债速度，2020年9月23日，罗永浩在《脱口秀大会》总决赛中更新还债进度：“始于2018年年底的6个亿的债务，到今天我们已经还了快4个亿了。         硕博占比超过九成，CEO是朱兴，首席科学家沈宇军来自蚂蚁技术研究院交互智能实验室。等这些债务真的全部还完了之后，可能会拍一个纪录片，来纪念这一段诡异的人生旅程，这个纪录片的名字我都想好了，就叫《真还传》。”2022年6月12日晚间宣布要退网的罗永浩还在13日晚间于抖音“交个朋友直播间”进行了直播告别。         这家公司叫蚂蚁灵波，蚂蚁集团全资子公司，注册资本1亿元，在刚刚结束的WAIC上以“镇馆之宝”的名号扩散势能。         毫无疑问，蚂蚁集团内部多了一支被员工称为“物理AI特工队”的队伍。但是将第一个创业赛道定为AR的老罗截至目前并未透露相关方面的进展，一位多年聚焦AR/VR赛道的创业者对记者表示，五年之后，AR消费级市场应该还没开始，但老罗进来，至少供应链和现在这一批AR硬件厂商会被刺激到，并产生一定的加速作用。罗永浩的抖音直播间将继续运作，而“起家”于抖音直播间并进行多平台探索的除了老罗还有俞敏洪。他们的任务不是做支付，不是做大模型聊天机器人，而是给实体机器人造“大脑”。         蚂蚁如何爬出一家“机器人公司”          朱兴2011年加入阿里巴巴。

C |          过去14年里，他做过支付、金融服务、O2O，2023年刚刚完成支付宝广告商业化的从0到1，而在2024年底，他被抽调筹建蚂蚁灵波。

D |          这是一个令外界意外的选择。昨日，已有消息称俞敏洪将现身“新东方迅程教育专营店”淘宝直播间，讲解大学生学习成长与规划方面内容。

E | 在俞敏洪将现身的“新东方迅程教育专营店”淘宝直播间里，目前暂未透露更多信息。         从时间线来看，灵波的筹建时间非常紧迫。         朱兴没有机器人行业的背景，但他有一个蚂蚁当下最需要的能力：把技术变成能落地的产品。记者在“新东方迅程教育专营店”店铺看到，该店铺粉丝数为7.86万，售卖的产品包括英语四六级、考研、英语口语等教育产品。去年双11期间，俞敏洪首次在淘宝“直播带课”，分享大学学习、职业路径规划等，共有数万用户购买了考研英语、大学英语四六级等课程。         灵波的首席科学家沈宇军则来自蚂蚁技术研究院交互智能实验室，研究方向是计算机视觉和深度学习，本科毕业于清华大学电子工程系，然后选择在香港中文大学信息工程系攻读博士学位，曾在商汤实习，担任过字节跳动高级研究员。         两人搭配的逻辑清晰：一个懂产品化和商业化，一个懂技术底层。“现在不让搞二选一，更多的还是要看主播的意愿。”有电商平台人士告诉第一财经。         目前，灵波团队硕博技术人才占比超过九成。在蚂蚁集团内部，灵波挂在CTO线下，与百灵大模型团队、支付宝AI团队平行，但专攻“物理智能”——也就是具身智能。今年，淘宝天猫推出“品牌书课”名师直播计划，除俞敏洪外，考研界名师张雪峰、肖秀荣等已接连登陆淘宝直播，未来还有更多名师入驻。淘宝天猫正为成人在线教育提供更广阔的空间，不仅能购买辅导书籍和培训课程，还有试听试看、直播学习等教育服务。对于教育机构而言，直播是天然适合的场景。

F | 教育产品本身以内容服务为主，在直播间可以试课、解决用户对于课程产品的个性化提问。

G | 对于潜在学员而言，授课老师在直播中展示自己的教学风格、气质谈吐，可以让学员更快地做出购买决策。         蚂蚁集团对灵波的战略定位，是把AGI目标拆成两个层面：数字智能和物理智能。淘宝教育运营总监叶挺曾表示，淘宝上大量职业考试用书的购买行为背后，是对考试需求的表达，而在线课程正是对这一关联需求的满足。这种“书课一体”的模式，在供给侧将课程产品与淘宝上最普遍的实物商品结合在一起。

H | 数字智能由百灵大模型、AI支付宝、蚂蚁阿福等业务承载；物理智能的核心执行主体，就是灵波。“俞敏洪和罗永浩的加入，也许会带去流量，加上李佳琦在，淘宝直播双十一成绩应该还是可观的。不过现在直播电商也在‘去大主播’化，头部大主播的销售额背后折射出巨大的资源集中效应，中小主播及长尾主播能获得的空间被压缩。         六款模型，两条路线          2026年7月初，蚂蚁灵波在一周内连续发布六款具身智能大模型，覆盖视觉、视频、空间感知、灵巧操作、世界模型和世界动作模型六个方向，并且全部开源。         这不是一次普通的产品发布，灵波在发布会上展示了它的技术路线选择：双线并进。”网经社电子商务研究中心分析师莫岱青告诉第一财经记者，商家为了能够进入到头部主播的直播间，势必要做出让利和牺牲。“中小主播来到台前，加上店播的争夺，直播电商环境也在发生变化。另外头部是可以培养的，没有薇娅，也会有其他人出现。” 莫岱青认为。

I |          第一条是VLA路线（视觉-语言-动作），代表模型是LingBot-VLA 2.0。这条路线的主流逻辑是“看到→理解→动作”，基于视觉-语言模型做基座，让机器人根据视觉输入和语言指令输出动作。这是当前行业最主流的技术路线，Figure、Google DeepMind的RT系列都在这个方向。         第二条是世界模型路线，代表模型是LingBot-VA 2.0。这条路线不直接映射感知到动作，而是先预测“世界接下来会如何变化”，再同步生成下一步动作。沈宇军在技术分享中把VA 2.0定义为“行业首个具身原生世界动作模型”，基于自回归架构从零开始预训练，实现了单卡150Hz的实时推理。

J |          六款模型的分工是清晰的：          VA 2.0的技术细节值得单独拆解。

K |          据灵波发布的技术文档，它采用了四项核心设计：语义视觉-动作分词器、严格的因果预训练范式、MoE架构，以及增强的异步推理机制。

L | 前三项解决的是“理解世界”的问题，最后一项解决的是“实时响应”的问题，让机器人在执行当前动作时，模型已经开始预测未来状态。         150Hz的推理频率是什么概念？          它意味着模型每秒完成150次推理，单次响应约6.7毫秒；作为参照，人类眨眼一次约需300-400毫秒，也就是说，机器人“思考”一次的时间不到眨眼时间的1/50。         灵波的技术文档称，VA 2.0让机器人具备了“边推演、边行动”的通用控制能力。         但一位机器人行业从业者向亿邦动力表示，推理频率只是工程指标之一，真正的考验是在真实场景中的泛化能力。“在仿真环境里跑150Hz和在有老人、小孩、宠物的家庭环境里跑150Hz，是两回事。

M | ”          开源、R1和生态          灵波这次发布的另一个关键策略是全栈开源——权重、代码、后训练工具链、评测集全部放出。         在技术标准尚未定型的阶段，开源是建立生态影响力的最快方式。灵波的模型支持多种机器人构型，不同本体和场景均可接入同一套“大脑”。         目前，已有十几家机器人厂商与灵波建立合作。         除了蚂蚁直接参与投资的宇树科技、星海图，今年6月，乐聚机器人官宣旗下KUAVO 4 Pro（夸父）已完成LingBot-VLA的后训练适配，并围绕GM-100评测体系里的95个真实操作场景做了系统性测评。         LingBot‑VLA 2.0训练          但灵波并非只做“大脑”。         2025年9月，它推出了首款服务机器人Robbyant R1，定位家庭、养老、医疗健康等服务场景。不过，根据多家媒体的报道，R1目前的出货量有限，更接近“验证模型的载体”，距离大规模走量尚有距离。         这是一个现实的处境。         在硬件本体环节，宇树、智元、银河通用、星动纪元等公司在硬件工程、供应链和量产上已经积累了数年，灵波的机器人产品力和量产能力还无法与它们直接竞争。         大厂具身地图上的“唯一”          把灵波放在中国大厂具身智能的地图上，它的位置有些特殊。         阿里在通义体系下推出了Qwen-Robot，但产品定位更偏平台工具，给机器人厂商提供多模态基础模型，本身不做本体，也不深入到具身大脑的操作层；腾讯的Robotics X研究院走“云+投资”路线，把大脑和算力卖给机器人公司；华为CloudRobo同样以云端能力为主。京东和美团采取重投资、轻自研的策略，聚焦物流和配送场景。         灵波是唯一一家同时押注大脑基座、世界模型和本体落地的大厂子公司。         蚂蚁灵波官网截图          但这个“唯一”也带来了问题。         灵波在蚂蚁集团内部需要与百灵大模型团队、支付宝AI团队争夺资源；在蚂蚁集团外部，仅阿里系内部就有多个具身智能条线“各自为战”，包括千问Qwen-Robot、高德世界模型，尚未形成统一的战略协同。         数据困局与开源的悖论          如果技术路线的不确定性是第一层困顿，那么数据瓶颈是更现实的第二层。         具身智能行业有一个被反复提及的残酷数字：真实世界数据与语言数据有几万到几百万倍的差距。大语言模型可以调用万亿级的人类语言数据进行训练，但机器人需要的物理交互数据，比如“怎么抓杯子不碎”“在湿滑地面上怎么保持平衡”，只能靠真机一点点积累。         灵波的数据从哪里来？          根据AIX财经报道，灵波的真机数据主要依赖生态伙伴供给，包括宇树、乐聚、星海图等合作厂商的真机测试数据。         这是一种“借鸡生蛋”的模式：灵波自己不造大量本体，靠合作伙伴的数据来训练模型。

N |          但这个模式的脆弱性是显而易见的。         宇树科技刚刚推出了宇树UnifoLM-OminiA-0.3具身大模型，智元机器人有自己的世界模型和AgiBot World数据平台。

o | 一旦这些本体厂商认真自研大脑，数据供给随时可能收紧，灵波将失去最重要的训练燃料。         微博截图          全栈开源是灵波应对这个困局的策略：权重、代码、工具链、评测集全部放出，吸引全球开发者基于其标准开发，试图把自己变成“公共底座”。         但是，别忘记了具身智能头部玩家们自己也都在有意识布局“大脑”，如果它们自己的大脑做得比灵波更好，为啥选择灵波？          开源在标准未定型的阶段是建立生态的最快方式，但它本身不构成护城河。

p | 模型能力能否持续领先，才是灵波能不能守住“公共底座”位置的关键。         为什么要做这件事？          蚂蚁做具身智能，最直接的背景是战略重心发生了变化。         “具身智能”在2025年首次被写入政府工作报告，随后，上海、深圳等地相继出台支持政策。但政策红利之外，蚂蚁有一个更具体的业务逻辑。         蚂蚁的主业，支付、金融、健康，增长已见顶。

q | 但很多人忽略了一点：蚂蚁从来就不是一家纯线上的公司。

r |          支付宝的二维码遍布全国数千万商户，蚂蚁的医疗业务（好大夫在线、阿福）直接连接医院和患者，芝麻信用渗透进租房、出行、政务等线下场景。         蚂蚁的触角早已延伸到线下，只是过去用软件和二维码作为入口。

s |          在老龄化社会里，AI助手不仅要解决问诊这一个问题，最终还要有实体：陪伴、送药、康复、看护，纯软件解不了这些问题。         沈宇军在今年7月的一次技术分享中表示，“未来要更好地服务用户，肯定会进入到物理世界，这是业务的自然延伸。”          从这个角度看，灵波对蚂蚁而言，不是一次跨界冒险，而是主业的自然延伸。         对一家科技公司来说，做具身智能、做物理AI，是进入线下最深场景最合理的路径之一。蚂蚁必须走这一步，因为线下的刚需场景终究需要实体来承接。         但这条路的长度可能超出预期。         高盛团队在研报中认为，人形机器人技术拐点仍不明朗，能力尚不足以处理多种通用任务。高盛预计，到2027年全球人形机器人出货量约7.6万台，到2032年约50.2万台，步伐慢于市场预期。         灵波的200余人团队正在和时间赛跑。他们在一周内开源了六款模型，但把模型变成能在老人家里安全运行的机器人，还需要更长的周期。         CEO朱兴在公司成立之初说过一句话：“让人形机器人早日走进寻常百姓家。”          这句话的实现时间，目前还没有人能给出一个确切的数字。

t |          *参考文章：          AIX财经《蚂蚁，为何狂卷具身智能？》          亿邦动力《一周开源六款模型蚂蚁灵波卡位“具身原生”》          科创板日报《WAIC观察：具身智能“深圳军团”，补齐人形机器人落地关键中间层》          本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。

Current article:http://fz9q6wl.shengyaodanrongchui.buzz/list_1pabyf/00eyws.html

Published on:20:49:12