蚂蚁灵波正以一系列密集的技术发布，推动机器人大脑从通用模型向具身原生预训练架构的转型。这家专注于具身智能的公司，在四天内连续推出六款新模型，涵盖空间感知、操作控制、世界建模等核心领域，试图重新定义物理世界中机器人的认知与行动逻辑。
此次发布的“全栈大脑2.0”体系，标志着蚂蚁灵波从单一模型迭代转向系统性技术突破。新架构包含LingBot-Vision、LingBot-Depth 2.0、LingBot-VLA 2.0等六款模型，形成从环境感知到动作执行的完整闭环。其中，LingBot-VA 2.0作为行业首个具身原生预训练模型，首次将“动作后世界状态预测”纳入训练目标，使机器人能够预判操作后果而非仅响应当前画面。
空间感知能力的升级是此次突破的重点。LingBot-Depth 2.0通过将训练数据量从300万扩充至1.5亿，显著提升了复杂场景下的深度补全精度。在玻璃、镜面等传统深度相机易失效的场景中，该模型将深度误差降低至0.062，较前代减少一半。这种能力已通过奥比中光深度视觉实验室认证，未来将集成到3D相机产品中实现端侧部署。
动作控制层面，LingBot-VLA 2.0支持17家厂商的20余种机器人构型，覆盖从双臂操作到移动底盘的多样化本体。通过统一训练框架处理不同自由度、相机位置和末端执行器的数据，该模型在预训练阶段即适应多种身体结构，大幅降低跨本体迁移成本。在零售分拣、物流搬运等场景的测试中，其长程操作任务完成率显著优于前代模型。
更具颠覆性的是LingBot-VA 2.0的推演机制。传统VLA模型遵循“观察-执行”路径，而VA路线通过引入视频预测与世界模型，使机器人具备“观察-推演-执行”能力。技术团队通过异步推理设计，将推理时间从927ms压缩至142ms，控制频率提升至225Hz，解决了动态场景中推理延迟的瓶颈问题。在水果分拣、抽屉整理等任务测试中，该模型仅需20条示教数据即可训练通用策略，任务成功率超越主流模型。
技术落地的挑战不仅在于模型性能，更在于工程化能力。蚂蚁灵波构建了覆盖数据采集、处理、反馈的闭环系统，通过标准化数据体系降低训练成本。其与乐聚、钛虎等本体厂商，以及国大药房、隆盛等场景方的合作，正在零售、物流、工业等领域验证技术可行性。据透露，集成LingBot-Depth的商业化相机产品将于年底推出，实现空间感知能力的开箱即用。
这场技术马拉松背后，是蚂蚁灵波对具身智能产业路径的独特判断。公司CEO朱兴指出，预训练模型决定能力上限，而后训练工程决定落地下限。通过“全栈大脑2.0”架构，蚂蚁灵波试图在模型通用性与场景适应性之间找到平衡点——既避免为每个本体、任务定制专属模型，又通过构型泛化、任务泛化技术降低迁移成本。这种策略若能持续验证，或将重塑具身智能产业链的智能层竞争格局。
