从零开始预训练，蚂蚁灵波发布具身原生世界动作模型LingBot-VA2.0
告别“强行微调”！蚂蚁灵波LingBot-VA2.0原生重塑机器人大脑
lingbot-va2-native-model
让机器人看视频学做事，听起来很酷，但真的靠谱吗？当前业内流行拿做视频生成的数字世界模型去“微调”适配机器人，但这其实像给拖拉机装跑车引擎——诉求完全不对口。
7月10日，蚂蚁灵波抛出了一个颠覆性的答案：业界首个具身原生世界动作模型 LingBot-VA2.0。这标志着机器人基础模型正式告别“数字世界嫁接”，迈入“面向物理世界原生设计”的新阶段。
物理世界不需要“视频生成套壳”
今年以来，关于世界模型与具身智能如何融合的争论不断。主流路线大多依赖面向数字内容创作的视频生成模型，试图通过微调将其转化为机器人的控制大脑。
然而，内容创作追求的是画质惊艳、脑洞大开；机器人控制讲究的却是因果严谨、执行利索。强行把数字世界的模型“嫁接”到物理世界，不仅水土不服，还会带来知识遗忘和泛化性崩塌的严重副作用。
蚂蚁灵波的思路很明确：不再妥协，直面物理世界“控制执行”的原始需求。机器人面对的是连续变化的真实环境，不仅要对当下做出反应，更要理解一个动作会引发怎样的环境变化，从而决定下一步。这就要求机器人的“大脑”必须从动态建模、因果预测和实时执行出发，进行原生设计。
走难路，从零构建四大硬核底座
拒绝捷径，LingBot-VA2.0 选择了一条更艰难但更彻底的路——基于自回归架构从头开始预训练，通过四大核心设计夯实原生基模：
- 懂语义，更懂动作：首创语义视觉-动作分词器（Tokenizer）。它不再是单纯地“压缩画面”，而是在视觉压缩中加入语义与动作信息的对齐，让模型更丝滑地将“听懂指令”转化为“完成动作”，大幅提升指令跟随与动作精度。
- 敬畏时间法则：采用严格的因果预训练范式。从训练之初就使用自回归架构，确保视觉预测和动作生成严格遵循单向时间顺序，绝不“开上帝视角”偷看未来。
- 既要大容量，又要快响应：引入 MoE 架构，在不牺牲推理效率的前提下有效扩充模型容量，在性能与速度之间找到绝佳平衡。
- 边干边想，实时纠偏：通过增强的异步推理机制实现实时闭环控制。机器人可以一边执行动作，一边预测未来状态，并利用最新的真实观测不断校正下一步决策。
150Hz实时推理，真机实测秀翻全场
原生架构带来的直接红利就是：快！稳！准！
在行业普遍被“具身世界模型执行效率低下”卡脖子时，LingBot-VA2.0 交出了单卡 150Hz 实时推理效率的硬核答卷。在真机测试中，即使不依赖任何外部拍摄设备，机器人也能与人类完成多轮随机对打，反应敏捷，泛化能力拉满。
“全家桶”收官，开启具身原生新纪元
机器人想干好活，必须“看得清、想得明、干得利”。本周，蚂蚁灵波已经连续打出“连环大招”，发布并开源了多款细分能力模型：
– 面向空间感知的 LingBot-Vision 与 LingBot-Depth2.0
– 面向“一脑多机”的 LingBot-VLA2.0
– 面向实时交互的 LingBot-World2.0
– 面向更高推理效率的 LingBot-Video
而 LingBot-VA2.0 则作为这套能力的集大成者，扮演了收官之作的角色，正式开启了具身原生的新阶段。
蚂蚁灵波CEO朱兴表示，未来团队一方面会持续死磕具身智能的技术上限，另一方面也将加速构建开放的技术与场景生态，推动机器人真正走进产业落地。
现场体验指引：
想亲眼见证这套全栈大脑2.0的硬核实力？7月17日至20日，蚂蚁灵波将在2026世界人工智能大会（WAIC）亮相。观众可前往上海世博展览馆（H3-B302、H1-C701展位）亲自感受物理世界原生大脑的魅力。
