机器人的身体已就位，“大脑”等谁来造？

今年 9 月，一批金色的 Cybercab 开始在美国得州奥斯汀街头提供付费服务。

相比于汽车行业，这件事对机器人行业的意义更大：一个由 AI 感知、决策并作用于现实世界的机器，开始执行可以直接计价的商业任务。

这恰好印证了 Andrej Karpathy 在特斯拉负责 AI 时说的一句话：汽车本来就是机器人，Tesla 本质上是一家"robotics at scale"的公司。

过去，人们习惯用外形来理解机器人：双足、人形、机械臂。而一旦以外形来定义机器人，人们对它商业场景的想象也很容易随之变窄。

当 AI 开始接管感知、决策和控制之后，仅凭外形，已经很难判断一台机器的真实商业价值。让它完成任务的，是它体内那套能感知、会决策、并驱动身体完成任务的智能系统。行业里更愿意把它叫作"大脑"。

当同一套"大脑"可以持续控制成千上万台机器，在真实场景中完成任务、积累数据，并让第三方基于它部署业务，公司出售的就不再只是某种硬件，而开始接近一种物理世界的智能基础设施。

行业其实已经演示过一遍这种公司长什么样——操作系统、云、大语言模型的 API，都是"一次投入、多方复用"的结构。

由此，一个比"谁能造出最好的机器人"更重要的问题浮出水面：到底什么样的公司，最终有机会成为具身智能的平台型企业？

2026 年的中国是回答这个问题的合适地点。随着宇树等具身智能厂商相继启动或完成上市，这条赛道正式交由二级市场定价。身处其中的玩家，在资本的聚光灯下，因生态位的差异，各自走到了截然不同的十字路口。

9 月 11 日，启动独立融资后的蚂蚁灵波 CEO 朱兴首次公开露面，把这个问题的一部分答案推向台前；答案的另一部分，则散落在外滩大会的展区、合作伙伴和真实场景之中。

把台上台下的这些碎片拼在一起，一条平台化的路径正在逐渐变得清晰：蚂蚁灵波想做的，并不是再造一台属于自己的机器人，而是成为更多广义机器人背后的那颗"通用大脑"。

站在具身智能十字路口，该向哪侧看？

当具身智能从技术演示走向商业部署，不同生态位的公司，正在望向不同的"北极星"。

独立具身大脑公司追求的是复用率。Skild AI、Physical Intelligence、Generalist AI、FieldAI都在尝试让一套智能跨机器人、跨任务反复使用。今年 1 月，Skild AI 完成 14 亿美元新一轮融资，估值超过 140 亿美元；Physical Intelligence 在 2026 年5 月最新一轮融资约10.5 亿美元，估值约 112 亿美元。资本已经愿意为独立于整机的智能能力定价。

具身本体公司看到的是出货量。Figure、1X、宇树首先要解决制造、成本和供应链，但也在加速补"大脑"——Figure 在 2025 年结束与 OpenAI 的合作后自研了 Helix；宇树招股书显示，其 IPO 募资 42.02 亿元中，约 48% 投向了模型研发。

第三类玩家是场景方，他们不关心模型是谁的，只核算部署成本、工作量替代、故障率和回本周期，北极星是单点 ROI。

三股力量之间存在真实的张力，平台机会就诞生于此。真实场景里，机械臂、移动底盘、人形机器人往往同时存在，场景方希望一套智能能跨硬件迁移、持续降低部署成本；本体公司面对一个经典的"自建还是采购"问题，具身基础模型的预训练投入巨大，每家本体厂都自己付一遍，整个产业的效率会很低；而对具身基础模型来说，接入的机器人越多，软件边际成本越低，回流的物理数据又反过来抬高泛化能力。

把智能从单一本体里抽离出来、成为跨硬件复用的基础层——这就是独立"大脑公司"的位置。它成立的前提是一个可以被验证的经济学命题：随着接入的本体和场景增加，把模型适配到下一台机器、下一个场景的边际成本必须持续下降。 做不到这一点，"大脑公司"就只是一家项目制的算法外包商。

那么，什么决定这个边际成本下降？沿着全球头部公司的路线，有五个杠杆：

第一，大规模自主预训练。这决定了能力的起点。 第二，数据管线与 Infra。回流的数据能否真正变成模型能力，而不是堆在硬盘里。 第三，跨构型的模型设计。决定同一套模型能覆盖多宽的硬件形态。 第四，全栈的工具链。决定合作伙伴用起来的门槛有多低。 第五，外部采用。前四项是否成立，最终要用第三方愿不愿意把自己的机器人交给这套模型来检验。

这五项能力并不是并列的：大规模自主预训练是核心；数据管线与 Infra 是根；跨构型决定能力能否复用；工具链决定复用的门槛；外部采用是市场的判决。

沿着这五把尺子看中国市场，候选者不少，但同时在预训练、数据体系、模型设计和工具链上持续投入，并已进入外部本体和真实商业场景的公司并不多，蚂蚁灵波无疑是解析价值最高的样本之一。

长线者手里的筹码

要拆解蚂蚁灵波，方式或许有一万种。过去一年，这家公司在数据、模型、架构和场景上铺开的东西已经足够多。相比逐项罗列技术名词，从一次真实的产业选择切进去，可能更容易看清这些能力之间的关系。

这个选择来自乐聚，开发 KUAVO-VLA 时，乐聚最终选择 LingBot-VLA 2.0 作为通用基座。乐聚从机器人本体和小脑控制起家，随后延伸到数据和垂域模型，本身具备模型研发能力——这让它的选择更值得追问。

乐聚机器人联合创始人兼 CEO 常琳在外滩大会上提到，双方团队"融合程度非常高"；蚂蚁灵波 CEO朱兴则形容，灵波把基模和工具链交给乐聚，同时也持续吸收乐聚在本体和场景侧的输入。

一家已经拥有本体、数据和算法能力的机器人公司，为什么仍然选择建立在LingBot这个基座上？

答案的第一层，是大规模预训练的门槛。蚂蚁灵波科技首席科学家沈宇军在外滩大会上专门提到，从零到一开发基模，与基于已有模型继续微调，需要的是两套不同的能力——难点不只在模型结构，还包括能否把大规模数据稳定运行在大规模算力上，并持续产出可迭代的模型。

朱兴也多次把预训练看作基座公司的重要分水岭。回看大语言模型的发展，最终留在"主桌"上的玩家，都经历了从零预训练的高投入和高风险；在别人模型上做微调的公司，很少能形成独立的议价权。具身智能进入"百模大战"后，类似的分化也正在出现。

蚂蚁灵波联合国大药房打造的智慧药房，已在国大药房上海门店投入运营

灵波目前押注的，是持续训练和迭代通用基座的能力。对乐聚这样的厂商而言，采用基座与自主研发也并不矛盾——不必把整套预训练体系从头再建一遍，仍然可以围绕自己的本体和场景，发展专有的模型能力。

第二层是数据。LingBot-VLA 2.0 用了 6 万小时预训练数据，但这个数字本身不是重点。对具身基模来说，预训练的难点从来不只是把数据规模做大，还包括如何组织数据分布、判断哪些数据真正有效，以及让模型持续从真实世界的反馈中修正训练方向。

原因在于，物理世界里的 OOD （分布外泛化）几乎是常态：光照、背景、物体和任务持续变化，本体本身还存在硬件误差和运动误差。蚂蚁灵波科技首席数据科学家黄用韬在 WRC 2026 上表示，单纯把 10 万小时扩到 100 万甚至 1000 万小时，也不会自然解决泛化问题。

问题也因此逐渐从"有多少数据"，转向"模型究竟需要什么数据"。这要求模型公司掌握更深的数据 know-how：哪些场景和任务值得采集，什么轨迹有效，哪些数据应该过滤，模型失败之后又应该补充哪一类数据。

这也是为什么蚂蚁灵波很早便从采购成品数据转向定制化采集。大规模用工和场景运营可以交给专业供应商，模型公司则重点掌握数据标准、采集 SOP、质量判断、数据配方，以及模型向采集端回传需求的能力。黄用韬把这套思路概括为"Feedback is all you need"。

蚂蚁灵波已经搭出一套持续把物理数据转化为模型能力的 Infra。朱兴透露，原始数据进入模型训练的数据漏斗可用率，也从早期约 15%提升到 90%以上。

对一个基座公司来说，这个数字比 6 万小时更加重要。它意味着每一小时新采回来的数据，有多少能真正变成模型能力，这直接决定下一个场景的数据成本能不能降。

第三层是模型设计的原则。 沈宇军复盘过去一年时提到，行业早期存在一定的数字世界路径依赖：VLA 借助 VLM，WAM 借助视频生成，希望沿用已经成熟的数字模型能力。但机器人面对的是持续输入的传感器信号、视觉、空间和力等物理模态，以及最终必须实时执行的动作。

灵波把自己的研发原则称为"具身原生"：从机器人在物理世界工作的要求出发，来设计数据、训练目标和模型。距离估计是否准确，动作能否及时响应，换一种身体还能否完成任务，这些要求都需要在预训练阶段得到处理。

搭载蚂蚁灵波通用大脑的钛虎机器人完成工业上下料

机器人并没有统一的"身体"。单臂、双臂、灵巧手、腰、头和移动底盘，在自由度和动作空间上都存在差异。LingBot-VLA 2.0 从预训练阶段便引入多构型数据，并通过统一动作空间、动作侧 MoE 等设计，尝试让不同身体共享更多控制能力。对于希望承担平台角色的大脑公司而言，这一点无法绕开。工业中的重载、分拣，以及未来家庭中的服务机器人，都可能采用完全不同的硬件形态。如果模型长期绑定单一本体，其复用范围自然会受到限制。

灵波的全栈模型投入也有类似的考虑。空间感知不准，会影响抓取；无法预判环境的变化，动作规划也会受限。Vision、Depth、VLA、World、VA、Zero-WAM 看上去属于不同方向，但它们共享数据、训练 Infra 和物理世界的研究经验，并始终围绕同一个核心问题展开：如何让机器人更好地理解物理世界，并最终完成行动。

搭载蚂蚁灵波通用大脑的乐聚机器人在零售药房工作

朱兴透露，灵波早期的 VA 曾基于通用视频生成模型继续训练，但随着研发深入逐渐碰到上限，随后开始转向大规模自主预训练，并在空间感知、环境预测和可泛化灵巧操作上，都发布了面向具身智能的预训练基模。

当然，平台能力最终仍然需要体系之外的验证。LingBot-VLA 2.0 在 GM-100 双臂平台上已经进入通用 VLA 的第一梯队，而乐聚提供了一个更具体的产业样本。

据乐聚披露，在 LingBot-VLA 2.0 完成 KUAVO 基础迁移后，乐聚加入 600 多小时真机数据二次训练，成功率从 16.27%提升至 48.27%，过程分从 42.06%提升至 74.51%；新技能仅需约 5 小时示范数据便可达到约 80%的成功率，整体训练成本下降超过一半。

这些数字至少说明了一种可能的分工方式：通用基座先提供更高的能力起点，本体厂再利用自己的数据、场景和工程能力完成垂域适配。

沈宇军也给出过更产业化的评价标准：下一代基模发布后，合作伙伴完成同一个场景所需要的数据、时间和落地成本，能否继续下降。相比单纯看 benchmark，这可能更接近平台型基模在产业中的实际价值。

到这里，乐聚为什么选择 LingBot，也就有了一个相对清晰的解释：它可以把投入最重、周期最长的通用预训练交给基座，同时把更多资源集中在本体、客户和垂域能力上。

而当镜头继续拉远，奥比中光、Reactor、国大药房又分别从传感器、开发者和终端场景接入，围绕 LingBot 的合作开始延伸到产业链的不同环节。

至此，已经能看到灵波几张逐渐成形的牌：作为底座的数据管线与 Infra，作为核心的大规模预训练，作为设计原则的具身原生，以及作为最终检验的外部采用。

近期的独立融资，正开始把这套平台化路线推向新的阶段。

融资摊开，路线图浮出水面

前面的几张牌，回答了蚂蚁灵波已经积累了什么。独立融资之后，更值得观察的，是这些能力接下来如何被放大。

在 CEO 沟通会上，朱兴专门回应了融资动机：一是核心 AI 人才的市场化激励，二是公司治理。具身智能需要长期投入、穿越多个产业周期，更独立的治理结构，也让灵波拥有了更清晰的公司边界。

这条边界进一步明确了它在产业链中的位置。朱兴表示，灵波会继续聚焦智能中心和通用大脑，对外核心输出基座模型和工具链——覆盖后训练、数据处理、端侧部署、真机强化学习等环节，再由本体厂和解决方案商结合具体机器人与客户场景完成适配。乐聚已经呈现出这套分工的雏形。数据服务商、传感器厂商、芯片厂商和场景客户则从不同环节加入。

内部保留的 R 系列机器人，定位不是与本体厂竞争，主要服务模型研发和生活服务等前沿场景探索——朱兴把它定义为"2B2C"的前哨：在机器人进入家庭之前，先在与人有接触的生活服务场所，完成技术和商业的早期验证。

朱兴对商业化也保持着一定克制。过早投入大量定制项目容易消耗基座研发资源，真实付费客户和商业场景又不可缺少，它们能够把模型放进更严格的环境中，让异常和失败重新回到训练体系。

商业化由此成为模型迭代的一部分。基模进入更多本体，经过后训练走向真实场景，再让场景中的反馈回到模型。如果这套循环逐渐扩大，灵波连接的将是一张由本体、数据和场景共同构成的反馈网络。

朱兴给明年定了两个可检验的指标：模型驱动的机器人真实干活的数量，以及相同场景任务下后训练数据成本的"指数级下降"。这两个指标能不能兑现，是这套平台叙事下一次接受检验的时间点。

结语

日本传统纸牌游戏花札里，有一种玩法叫 Koi-Koi。

当手里的牌凑成一副有效牌型，玩家可以就此结束这一局、落袋为安，也可以喊一句"Koi-Koi"——继续摸牌，去争取一个更大的组合。

某种程度上，今天的蚂蚁灵波正站在同一个位置上。沿着五个杠杆看，它的牌相对齐全：大规模自主预训练，一套可用率从 15% 走到 90% 的数据管线，从预训练阶段就面向多构型的模型设计，正在铺开的工具链，以及从乐聚、国大药房开始的外部采用。

更重要的是，这些牌正在开始彼此组合。独立融资，又把它推向了一张更大的牌桌。

如果把具身智能看作一场刚刚开始的长牌局，此刻的蚂蚁灵波显然刚开始出牌。

它没有停下计分，而是喊了一句"Koi-Koi"。

而平台型公司的想象力，正在于这些尚未完成的组合：接入的身体越多，进入的场景越广，沉淀的数据越丰富，基础模型也就越有机会继续向前演化，再去触及此前无法触及的身体和场景。

下一张牌的价值，未必只在它自身。它也可能让此前握在手里的每一张牌，都多出一种可能的组合。

蚂蚁灵波选择继续摸牌。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4890909.html?f=wyxwapp