具身智能将迎收敛期 灵波科技选择跨构型路线

   时间:2026-11-17 21:03 来源:天脉网作者:闻野

11月16日,蚂蚁灵波具身大模型挑战赛在上海收官。蚂蚁灵波科技CEO朱兴在媒体采访中表示,具身智能要走向规模化,模型能力只是底座,产业基础设施和理性判断同样关键。他将数字大模型的发展视为参照:大量玩家进入后快速收敛,物理世界的基础模型大概率也会沿类似逻辑演进。

在朱兴看来,做具身物理基础模型要同时承受团队、数据Knowhow、训练与数据闭环Infra三重压力,综合门槛很高。他判断,明年行业会迎来第一波收敛,数据范式、评测Benchmark、技术路线和产业分工将逐步定型;收敛之后才可能进入加速期。具身智能周期会比自动驾驶更长,可能先收敛、再分裂、再收敛。

短期看模型训练能力,中长期看数据沉淀。朱兴认为,企业能否留在牌桌,取决于穿越技术范式变迁的能力。团队、数据理解、底层基础设施需快速跟上。国内物理基础模型赛道不会容纳大量玩家,长期看3至5家会成为主要格局,灵波的目标是成为其中之一。

面对宇树、智元等本体厂商自研VLA并绑定硬件的软硬一体趋势,朱兴对统一人形构型持保留态度。他认为,重载作业与轻载分拣、固定工位与移动任务需求差异明显,强制采用同一构型会抬高成本,难以规模化。机器人作为生产力工具,应匹配不同场景。

蚂蚁灵波长期坚持跨构型路线。模型要跨机器人身体和不同本体硬件,兼容夹爪、灵巧手、吸盘等末端执行器;感知层要适配双目、结构光、被动相机,以及电磁、压阻等不同原理的触觉传感器。朱兴称,打通多元感知信号、为机器人提供统一高质量输入,不是技术偏好,而是产业发展的客观需要。

对于通用大模型做机器人大脑的热潮,朱兴认为大语言模型会推动机器人产业,但手段不能替代目的。机器人作业核心仍是成功率、泛化能力、响应速度和成本可控。实现路径无论是大语言模型向下渗透,还是具身原生模型向上迭代,只是路线差异。超级云端大脑可能打通数字智能体与物理机器人智能体,但不等于把通用大模型直接拿来就能解决全部实操难题。他用基模像高中生、没骑过自行车仍需练习作比,说明具身智能需要多轮技术发散与收敛。

朱兴反复提示行业保持理性。全球尚无企业找到具身智能明确的“Scaling Law”路径,哪类数据规模化能触发智能涌现仍待探索。不同数据适配不同训练周期:越靠近预训练,互联网操作视频、Ego数据等以人为中心的数据更合适;越接近拆垛、上下料、插拔、物流分拣等具体任务,真机数据价值更大。数据并非越多越好,未吃透质量与处理经验就盲目扩量会浪费资源。真正的数据需求应由基础模型团队定义,模型厂商最清楚数据缺口与多样性,这一核心能力不在供应链、本体或解决方案企业手中。

回顾近一年,朱兴称模型虽未出现颠覆式质变,但实现量级提升。数据采集方式、数据供给和冷启动养料都有变化,工厂与物流试点、复杂真机操作视频也在增多。参考大语言模型市场收敛后头部企业持续留在牌桌、新参与者难入场的路径,具身模型公司也会经历多轮筛选。朱兴提醒,行业热度高涨时更要保持理性,不要盲目乐观,也不要过度悲观。

 
 
更多>同类天脉资讯
全站最新
热门内容
媒体信息
新传播周刊
新传播,传播新经济之声!
网站首页  |  关于我们  |  联系方式  |  版权隐私  |  RSS订阅  |  违规举报 鲁公网安备37010202700497号