- 发布日期
机器人还吃不了「粗粮」
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
机器人还吃不了“粗粮”：蚂蚁灵波朱兴谈具身智能落地困局
在2026外滩大会期间，蚂蚁灵波CEO朱兴与APPSO交流时表示，机器人要替人上班仍面临能力与成本双重瓶颈，甚至小卖部场景也难大规模落地。他直言，今天的机器人还吃不了“粗粮”。这一判断，为火热的人形机器人赛道提供了冷静注脚。
与许多围绕整机产品展开研发的本体厂商不同，蚂蚁灵波把重心放在具身“大脑”上。朱兴希望同一套基础模型能够适配不同构型、不同任务，再通过后训练降低具体场景的使用门槛。重载作业和轻量分拣可以用不同的身体，智能则尽可能复用，灵波也保留了自己的R系列本体，用于研发和生活服务探索。
外滩大会现场，灵波大脑的机器人展示了药品拣选、物流分拣和工业上下料等操作。药房演示中的货架通道仅80厘米宽，相关方案已在国大药房零售门店部署。朱兴称，团队更在意与生态合作伙伴做实实在在的落地，而非花两个月做炫技demo。
谈到机器人为何连小卖部都难落地，朱兴表示，小卖部其实也很难落地，今天还是能力和成本两个都有问题。模型能力、硬件稳定性有些就是够不着，整个模型仍在冷启动阶段。现阶段想做一定规模落地，环境不能太开放，任务不能太长程，否则异常就会增多。主流可落地产品基本以模仿学习为主，最怕没见过异常，同时还要面对成本约束。
在小模型与基模的选择上，朱兴认为，若只做非常特定的任务，直接怼一个小模型也不是不能做。但规模化意味着跨场景、跨任务、跨场所复制，这里面有泛化挑战。基模很大的价值，是让后训练的少样本表现更好，用更少数据达到同样效果，或用同样数据达到更好效果。从一家门店复制到另一家，目前复制成本很高，本质上还是泛化性不足，短期应先选不那么开放的环境，任务先偏单任务。
对于世界模型，朱兴强调数字世界和物理世界差别较大。数字世界模型满足内容需求，允许延迟；机器人不需要那么好看和特效，需要的是合理、符合物理规律，以及高性能、实时。他举例说，矿泉水在天空中跳个舞再落到手上肯定好看，但不符合物理规律，没意义。灵波1.0系列曾基于通用视频生成模型微调，却遭遇上限不高、破坏先验、泛化性降低等问题，最终选择从头做原生研发。LingBot-Video训练时加入大量机器人真实数据，再基于它训练LingBot-VLA 2.0，同时开放LingBot-World 2.0的1.3B小模型及部分训练技术。
在数据问题上，朱兴表示相信Scaling Law，但不能机械看数据量。量重要，更要谈质量和分布，大家老说“炼丹”，背后就是数据配方。对于“数采厂90%的数据无效”的说法，他称不知数字是谁统计的，但过度重复的数据意义不大；模型方有义务定义需要什么数据、什么质量，不能把这件事赖到数采厂。灵波很早就转向定制化采集，不怎么购买成品数据。
展望未来，朱兴认为物理智能需要基于物理真实数据，从0到1训练自己的基模。数字智能包括多模态、大语言模型的发展可能给具身很多助力，但内核部分还要靠具身本身解决。具身已进入“百模大战”初期，选择更高上限的路线不见得跑得出来，但不选择的话，肯定做不大。
