当行业普遍在仿真环境中训练机器人时，蚂蚁灵波反其道而行，坚持从真实物理世界的数据出发构建智能。其一周内开源的四款具身模型，不仅展示了独特的“逆向思维”技术路线，更预示着AI从数字世界迈向物理世界的关键一步，为行业探索AGI提供了全新视角。
智能速览
蚂蚁灵波一周内开源四款具身智能模型，覆盖感知、控制到世界模型。
团队摒弃主流的“Sim-to-Real”路径，坚持使用互联网与真实世界数据。
全球首个因果视频-动作世界模型 LingBot-VA 实现了“边推演、边行动”。
该模型仅用 30-50 次真实演示学习新技能，成功率比基准高约 20%。
蚂蚁灵波旨在打造机器人领域的“安卓系统”，通过开源构建生态护城河。
精华内容
为何要舍弃仿真环境的“安全温室”，选择成本更高、挑战更大的真实物理世界？蚂蚁灵波的技术抉择背后，是对智能本质的深刻理解。
逆向的技术选型
在具身智能领域，主流技术路线是“Sim-to-Real”，即在虚拟环境中训练再迁移到现实。蚂蚁灵波首席科学家沈宇军明确表示，这不是他们的主路线。团队坚定认为，基模训练应更多依赖互联网数据和真实数据。
真实数据成本高只是阶段性问题，而仿真数据在模拟流体、柔性物体和传感器误差等方面存在根本性挑战，解决周期可能更长。因此，他们选择了一条更艰难但可能更正确的路：以真实世界的反馈驱动智能进化。
基于超两万小时高质量真机数据预训练的 LingBot-VLA 模型，在权威评测中超越了一系列国际顶尖基线，初步验证了该路线的可行性。
世界模型的实践
本次发布的“压轴”模型 LingBot-VA，是全球首个用于通用机器人控制的因果视频-动作世界模型。它试图在视频预测与现实行动之间构建闭环，实现“想象”与执行的统一。
该模型结合了视频生成模型的“想象力”和多模态模型的逻辑推理，再叠加真实环境的反馈进行学习。它不再是死记硬背，而是试图理解物理规律。
数据显示，LingBot-VA 仅通过 30-50 次真实世界的演示就能学会新技能，其成功率比常见的基准模型（如 π0.5）高出约 20%。这恰好回应了图灵奖得主 Yann LeCun 关于 AI 需要在物理世界里实现预测的呼吁。
开源的商业逻辑
蚂蚁灵波为何选择将核心模型全部开源？CEO 朱兴的逻辑很清晰：在技术路线尚未收敛的早期阶段，开源是推进行业进步的最优解。
但其商业野心不止于此。不同于特斯拉 Optimus “造脑也造驱干”的封闭模式，蚂蚁灵波希望构建机器人领域的“安卓系统”。他们专注于研发跨构型的通用基础模型，并提供高效的“后训练工具链”，让硬件厂商能用更低的数据和 GPU 成本，将灵波的“大脑”适配到自己的“身体”上。这或许才是开源背后真正的商业护城河。
未来的挑战与野心
具身智能领域的“DeepSeek 时刻”是否到来？朱兴坦言还为时尚早，甚至“ChatGPT 时刻都还没有到来”。当前技术仍面临强化学习范式未收敛、AI 推理中的“慢思考”能力不足等瓶颈。
尽管挑战巨大，但背靠蚂蚁集团的 AGI 整体战略、一梯队的 AI Infra 支持和坚定的资金投入，灵波已做好打持久战的准备。未来，蚂蚁灵波将持续探索世界模型与具身智能的深度结合，并积极拓展生态，助力机器人真正走入商业应用场景。
