具身大脑要大规模走向真实场景，确实还有不少坎要跨。跨本体适配、数据飞轮、后训练成本、商业化交付……每一个都是实打实的门槛。现阶段，整个行业还处于非常早期的阶段，这点必须清醒地认识。
"不用太纠结技术路线，现在整个具身大脑非常不成熟，要解决的问题还有很多。"7月10日，蚂蚁灵波首席科学家沈宇军在蚂蚁灵波大脑全栈2.0模型沟通会上，面对包括澎湃科技在内的媒体时，给出了这样直白的判断。
当天，蚂蚁灵波发布了具身原生世界动作模型LingBot-VA 2.0。这个模型最大的特点是不再沿用行业常见的"拿现有视频生成模型微调"那套做法，而是基于自回归架构从零开始预训练，从设计之初就围绕着机器人与真实环境交互的核心需求——动态建模、因果预测、实时执行——来构建。
蚂蚁灵波CEO朱兴直言，目前模型从研发到实际部署，整个过程依然很艰难。预训练和后训练都有各自的挑战，这也是为什么真正以模型驱动商业落地，现在还处于非常早期阶段。这段话背后，是整个行业都在面对的共性难题。
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，关于具身模型的技术路线到底是走向分化还是走向融合，一直是行业里最热的话题之一。
目前，具身大脑的主流路线大致可以分成两类：VLA（视觉-语言-动作模型）和VA（视觉-动作模型，或者说世界-动作模型）。
沈宇军的看法很清晰：VLA的优势在于"对齐"，它能很好地理解人的语言意图，推理成本相对较低，落地也相对容易，所以成了不少公司的优先选择。而VA则更强调对未来状态和动作结果的预测能力。
"（我们相信）未来不会是VA或者VLA一家独大，一定会出现1+1>2的新模型。"沈宇军指出，不必太纠结技术路线。这次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——并不是彼此割裂的，它们各自在解决不同的技术问题，等这些问题逐步被攻克后，相关能力会融合到发布的收官之作——LingBot-VA 2.0中去。
灵波2.0系列模型延续了"具身原生"的技术思路。简单说，就是不再在语言模型、视频模型等数字模型的基础上修修补补，而是从具身在物理世界里的真实需求出发，来构建属于具身自己的基础模型。
朱兴解释，如果只看具体的模型名词，本质差异不大，真正的区别在于底座模型的来源。传统数字世界的视频生成模型，设计初衷是为内容创作服务的，更在意画质、想象力和创造力；但机器人在物理世界里工作，核心诉求是动作合理、因果预测准确、能够实时执行闭环。灵波之前也尝试过在数字模型基础上发展具身模型，但很快就发现这条路行不通，所以决定不再依赖数字模型。沈宇军补充说，在构建"具身原生"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部分。
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。行业内，机器人本体公司几乎都在"重金求脑"。
之前有机器人本体公司对澎湃科技透露，现阶段大脑模型真正能适配本体的依然有限，多数模型还是高度依赖后期高成本的工程微调。
朱兴把问题拆得更细：预训练更多解决模型能力上限的问题，后训练则是"托底下限"。机器人进入具体的工业或商业场景后，后训练几乎不可避免。数据采集、标注效率、推理效率这些技术门槛，会直接转化为客户落地时的成功率和成本。
这次开源的系列模型中，具身基座模型LingBot-VLA 2.0已经支持17家厂商、20种机器人构型。朱兴特别说明，这里的"支持"是指在预训练阶段，模型已经有了对应构型的真实物理数据。随着预训练基模能力的"水涨船高"，后训练阶段的成本也会随之降低。
脱离质量，单一谈数据规模"意义不大"
无论选哪条技术路线，数据卡点始终是具身行业绕不开的老话题。
LingBot-VA 2.0模型以互联网数据和真实数据为主。比起盲目堆砌数据规模，朱兴更看重真实数据的质量与分布。真实数据既包括真机遥操作数据，也包括无本体数据（比如第一视角Ego数据、UMI数据等）。好消息是，随着采集效率的提高，行业内真实数据的生产成本正在快速下降。
媒体很爱问一个问题：到底要多少数据量才能达到具身智能的"ChatGPT"时刻？朱兴的回答很干脆：纠结百万小时量级还是千万小时量级，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，蚂蚁灵波已经搭建了自己的Data infra（数据基础设施），用来打通从数据采集、处理、模型训练到评测反馈的全链路，并且把"链路延迟（latency）"作为数据闭环优化的核心指标。这个指标，直接决定着模型迭代的效率。
商业化方面，朱兴表示蚂蚁灵波一直在推进。目前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。部分模型能力也可以通过商业化方式提供给更广泛的具身智能客户，甚至其他具身大脑的客户。至于收费模式是买断式还是订阅制，朱兴说都还在早期探索中，会根据不同场景灵活调整。
