蚂蚁灵波：不必太纠结是世界模型还是VLA，具身大脑要解决的问题还很多

·具身大脑距离真正大规模走向真实场景，蚂蚁仍要跨过跨本体适配、灵波数据飞轮、不必后训练成本和商业化交付等多重门槛，太纠现阶段仍处于非常早期阶段。结世界模A具决

“不用太纠结技术路线，型还现在整个具身大脑非常不成熟，脑解要解决的问题问题还有很多。”7月10日，还多在蚂蚁灵波大脑全栈2.0模型沟通会上，蚂蚁蚂蚁灵波首席科学家沈宇军在接受包括澎湃科技（www.thepaper.cn）在内的灵波媒体采访时明确表示。

当天，不必蚂蚁灵波发布具身原生世界动作模型LingBot-VA 2.0。太纠据介绍，结世界模A具决LingBot-VA 2.0不再沿用行业常见的型还“现有视频生成模型微调”路线，而是基于自回归架构从零开始预训练，围绕动态建模、因果预测和实时执行等机器人与真实环境交互的核心需求进行原生设计。

蚂蚁灵波CEO朱兴表示，目前模型整个落地部署的过程仍然很艰难，预训练和后训练均存在不同程度的挑战，这也是当前真正以模型驱动商业落地还在早期阶段非常重要的原因。

蚂蚁灵波大脑全栈2.0系列

不再依赖数字模型，打造具身原生模型

今年以来，关于具身模型技术路线是走向分化还是融合一直是行业内讨论的热点话题。

当前具身大脑行业主流路线大致可以分为VLA（Vision-Language-Action，视觉-语言-动作模型）和VA（Vision-Action，视觉-动作模型）或WAM（World -Action- Model，世界-动作模型）两类。

蚂蚁灵波首席科学家沈宇军认为，VLA的优势“对齐”，能够便利理解人的语言意图，推理成本相对较低，也更容易落地，因此成为不少具身模型公司优先选择的技术路线；VA（世界动作模型）则强调对未来状态和动作结果的预测。

“（我们相信）未来不是VA或者VLA的天下，一定会出现1+1>2的新模型，两个技术路线各有优劣。”沈宇军指出，不必过于纠结技术路线，此次蚂蚁灵波发布的系列模型比如视频生成基础模型（LingBot-Video）、实时交互世界模型（LingBot-World 2.0）等，并非彼此割裂，而是各自在解决不同技术问题，等这些问题逐步被解决后，相关能力会融合到本次发布的收官之作---具身原生世界动作模型（LingBot-VA 2.0）。

灵波此次发布的2.0系列模型，延续了“具身原生”的技术思路，即不再是在语言模型、视频模型等数字模型的基础上进行调整，而是从具身在物理世界的真实需求出发构建属于具身的基础模型。

朱兴表示，如果只看具体模型名词，本身没有本质区别，核心差异在于底座模型的来源。传统数字世界的视频生成模型设计初衷主要服务于内容创作，更在意画质、想象力和创造力；但机器人在物理世界中工作时，核心诉求是动作合理、因果预测是否准确，以及能否实时执行闭环。此前，灵波也曾尝试在数字模型的基础上发展具身模型，但很快就发现这条路行不通，因此决定不再依赖数字模型。沈宇军表示，在着手构建“具身原生”的模型的过程中也汲取了数字模型的一些能力，强化了一些能力，同时剔除了一些具身模型不需要的能力。

预训练和后训练“两个阶段都各有挑战”

找到一个能直接适配不同机器人本体的大脑模型并不容易，具身行业内，机器人本体公司都在“重金求脑”。

此前曾有机器人本体公司告诉澎湃科技，现阶段，大脑模型真正适配本体的情况仍然有限，多数大脑模型仍高度依赖后期高成本的工程微调。

朱兴表示，模型在预训练和后训练“两个阶段都各有挑战”。其中，预训练更多解决模型能力上限问题，后训练则是“托底下限”的过程。在机器人进入具体工业或商业场景后，后训练依然不可避免。数据采集、标注效率、推理效率等技术门槛，将直接转化为客户的落地成功率与成本。

朱兴介绍，此次开源的系列模型中的具身基座模型LingBot-VLA 2.0已支持17家厂商、20种机器人构型。“支持”是指模型在预训练阶段已经有相应构型对应的真实物理数据，随着预训练基模能力的“水涨船高”，会让后训练阶段成本降低。

脱离质量，单一谈数据规模“意义不大”

无论选择哪条技术路线，数据卡点一直是具身行业“老生常谈”的话题。

LingBot-VA 2.0模型以互联网数据和真实数据为主。相较于单一盲目堆砌数据规模，朱兴强调，蚂蚁灵波更看重真实数据的质量与分布。当然，真实数据既包含真机遥操作数据，也包含无本体数据（例如，第一视角Ego数据、UMI数据等），随着采集效率的提高，当前行业内真实数据生产成本也在快速下降。

针对媒体界常谈多少数据量才能达到具身智能的“ChatGPT”时刻，朱兴直言，纠结百万小时量级还是千万小时量级的数据意义不大，具身智能所处的物理环境和任务复杂度，远高于自动驾驶，“千万小时还不够”。

在数据闭环方面，蚂蚁灵波已搭建自身的Data infra（数据基础设施），用于打通从数据采集、处理、模型训练到评测反馈全链路，并将“链路延迟（latency）”作为数据闭环优化的核心指标，这一指标直接影响模型迭代效率。

商业化方面，朱兴表示，蚂蚁灵波一直在推进模型商业化，已有商业产品形态在稳步试点，携手机器人本体联盟伙伴在一些场景中推进“模型加本体”的投产和落地。当然，部分模型能力也可以通过商业化方式提供给更更广泛的具身智能客户，甚至其他具身大脑客户。

朱兴表示，具体产业落地进展近期会有其他沟通安排，至于收费模式是买断式还是订阅制，朱兴表示都在早期探索中，会根据不同场景灵活调整。

(责任编辑：娱乐)