蚂蚁灵波期中考：拿下多项第一之后，还需证明如何养活自己

本文来自微信公众号： 潮涌AI ，作者：潮涌AI编辑部

11月的乌镇，蚂蚁灵波的智慧药房展台前围着不少人。80厘米宽的通道里，机器人接单、分拣、交付，动作连贯。

这是它今年对外展示的无数个演示中最像样的一个——同样的方案，已经在国大药房上海的门店里真实运转，而这样的故事，也已经在7月份的世界人工智能大会上讲述过一遍。

到了8月份，这家公司被曝启动首轮外部融资。多方媒体报道，此轮拟募资15亿元，目标是2026年底前完成第二轮。

近日，它又发布了一款具身基础模型LingBot-Touch，打出了全球范围内首个真正意义上的通用触觉基础模型称号，并意图放在与Fable、Astra走向物理世界，通用大模型是否降维打击具身智能这一话题高度，吸引更多的目光。

蚂蚁灵波无法低调。

成立将满两年，又在这时候开始独立面对资本市场、自己寻找商业化机会，蚂蚁灵波正站在一个中间节点上：初创期看方向对不对的阶段已经过去，收获期算总账的时候还没到。

这就是它的期中考——考的不是集团还能给多少资源，而是离开母体之后，这套技术和场景能不能自己养活自己。

这也是一场不得不参加的考试。

潮涌AI此前在《具身机器人即将进入资本整合期：谁来接盘？》中判断，这个赛道正在从讲故事切换到拼整合，钱的窗口在收窄。

母公司也不宽裕：据量子连线《AI吃光了大厂的现金》一文梳理，阿里连续两个季度自由现金流净流出，2026年Q2单季-446.7亿元，账上明明躺着4745亿现金，还要配股800亿港元投向全栈AI。

大厂的现金正在被AI吃掉，能分给孵化业务的余粮只会更少。灵波两百多人的团队、一年六七条模型线的投入，已经大到不能长期靠集团输血。

自己找钱、自己找场景，是期中考，也是成人礼。

蚂蚁灵波已经交出了自己的答卷。

技术上它一直站在行业前列，这一点不必回避；但两年过去，它和所有同行一样，还没有走出“演示机器人”的行业瓶颈。

展台上的动作再流畅，离一门能自主造血的生意，中间还隔着很长一段路。

两年答卷：第一是真的，天花板也是真的

潮涌AI在《蚂蚁集团组织了一支「物理AI特工队」：蚂蚁灵波具身路线的优势与困顿》一文里，梳理过这家公司的来时路和前路展望。

蚂蚁灵波2024年12月在上海张江注册，次年3月在浦东揭牌，两百多人的团队，硕博占比超过九成。

CEO朱兴花名陶斋，2011年加入阿里，做过支付、金融和支付宝的广告商业化；首席科学家沈宇军出自蚂蚁技术研究院交互智能实验室，清华本科、港中文博士。

2026年开始，这家公司动作频繁。1月连发四款开源模型，7月一周内连发六款，拼出LingBot 2.0全栈矩阵，11月又开源触觉模型LingBot-Touch。

这套矩阵不是散点，而是一条主线。Vision和Depth管空间感知，World和Video管预测，VLA和VA管动作生成，Touch管接触那一刻的感知。从看清、到预判、到动手、到摸到，每个环节都有一块。

接触那一刻恰恰是行业多年的死角：机器人看见目标靠视觉，但手一伸出去，视觉就被自己挡住了，拧瓶盖、抓药盒的最后一下，靠的是压力、滑移这些“手感”。

触觉传感器又四分五裂，磁触觉、视触觉、压阻式各说各话，过去每换一种手、换一个模型，都要重新采数据训练。灵波的思路是用统一的触觉Token把不同传感器的数据打通，把这层做成谁都能用的基础设施——连竞对的模型也接得进来。

核心产品LingBot-VLA 2.0用6万小时数据预训练，覆盖17个机器人品牌、20种构型。

路线判断也清晰：不做本体，只做通用大脑。

这个位置上有美国的Physical Intelligence和Skild AI，Skild AI估值超140亿美元，Physical Intelligence在2025年5月估值约110亿美元、彭博10月报道其新一轮融资洽谈中估值已接近200亿美元，灵波是国内这条路线里体量最大、资源最厚的一家。

声量也有。

根据媒体近期报道，其开源模型在GitHub累计Star超过3.3万，是国内具身模型第二名的2.7倍，VLA和VA接入了全球最大机器人开发平台LeRobot。

落地也不是空的。

钛媒体报道，国大药房的门店里，三台不同品牌、不同构型的机器人由同一套VLA 2.0驱动，在超过150种药品中识别、抓取、交付，单次任务平均不到3分钟。

两年做到这个密度，国内具身创业公司里不多。但这份答卷有一个共同点：所有成绩都停在“发布”层面。

发布的东西，得摊开分数看。

蚂蚁灵波7月公布的技术报告《From Foundation to Application:Improving VLA Models in Practice》（arXiv:2607.06403）显示，LingBot-VLA 2.0在GM-100真机评测里超过了π0.5和GR00T N1.7。

LingBot-VLA 2.0在GM-100评测中性能综合领先

但同一篇报告里的完整数字是：Agilex Cobot Magic平台上成功率34.4%，Galaxea R1 Pro上15.6%；长程任务换到分布外场景、往冰箱里分拣物品时，成功率13.3%。

LingBot-Touch也一样。

据蚂蚁灵波公布的测试结果，26项真机任务成功率提升14到26个百分点。

这个提升建立在一个稀缺的底座上：据国金证券测算，2026年初全球高质量真实物理交互数据存量约50万小时，不足通用具身模型训练所需的5%，灵波的近5000小时触觉数据已是领先量级。

官方数据同时显示，补上触觉之后，LingBot-VLA在Sharpa Wave灵巧手上的平均成功率是72.51%，测试条件是每项任务约20次试验。

媒体写了太多“排名第一”、“超越国际大厂”，很少有人告诉读者一件事。

第一名也可能是三四成的成功率。

我们承认灵波是行业第一，这个名次是真的；但第一并没有突破行业的上限，这个上限也是真的。药房可以容忍机器人抓错一盒药再试一次，工厂产线和医院不行。

上限还卡在另一处：适配。

“一脑多机”解决了“接得上”，接得上不等于用得上。

乐聚是灵波最深的数据伙伴，今年8月发布基于VLA 2.0的垂域模型KUAVO-VLA。

据乐聚披露，基础迁移之后还要加入600多小时同构型真机数据二次训练，25项任务的成功率才从16.27%提升到48.27%——出厂状态的大脑，在这25项任务上大约六次里错五次。新技能的学习确实快了，约5小时示范数据就能达到80%左右的成功率，整体训练成本下降过半，这说明底座有价值；但每一款本体要真正干活，都绕不开那600小时。

灵波自己的人并不回避。

朱兴今年7月在一场媒体沟通会上说，具身智能技术成熟度总体仍处于早期，机器人大脑“可能还没有走到GPT-1时刻”。

沈宇军此前接受甲子光年访谈时说得更直接：“不用太纠结技术路线，整个具身大脑还非常不成熟。”

商业客户不问benchmark，他们只问一句话：这套大脑装到我的机器人上，多久能干活？

从一家药房，到一门生意

国大药房是灵波目前唯一可以确认的真实运营场景。

方案是好方案，但公开信息里只有上海门店。

朱兴说过，成熟后希望复制到至少20至50家——那是计划，不是现实。

而且要分清这层落地的性质。

乌镇展台上的药房是演示，上海门店里的药房，同样带着试验性质。

据潮新闻报道，灵波现场工作人员把药房称作“通往物理世界乃至未来家庭的试验场”。试验场的首要功能是验证和展示，不是赚钱。

更现实的是成本账。

一台能做分拣的移动操作机器人，本体加部署、运维，行业普遍成本在数十万元级；而一个药房分拣岗位的月薪，不过几千元。机器人要在药店里赚钱，得靠远超人力的效率和足够低的故障率摊薄这笔差价——这道数学题，目前没人公开算过。

2026年世界互联网大会现场

没人算过的还有适配账。

每接一个新本体，谁来出那几百小时的真机数据、这笔训练费用、这几个月工程时间——本体厂商、场景方，还是灵波自己？这个答案决定“一脑多机”到底是一门平台生意，还是一门项目制生意。

从一家店到一门生意，中间还缺一串数字：几家门店在稳定运行，每天处理多少订单，人工接管率多少，机器人连续在线多少小时，单店部署和运维成本多少，多久回本，药房续不续约......这些数字，灵波还没有交出来。

数字背后是一个更根本的机制问题：数据飞轮。

6万小时是预训练阶段的投入，不是部署之后的自动回流。朱兴自己承认，行业还在冷启动，数据规模不足以支撑广泛应用。

飞轮要转起来，前提是足够多的机器人在真实场景里稳定干活，持续产生值得回流的异常数据——机器人干活还不稳的时候，回流的数据里有多少能用来训练，本身就是问题。

开源能换声量，换不来数据；Star涨得再快，也替代不了场景密度。

场景密度又取决于生态，而生态里藏着一层博弈。

灵波的商业化依赖第三方本体厂商，但宇树、智元这些头部本体公司都在自研大脑。

伙伴今天用你的模型做迁移，明天就可能变成竞争对手。灵波必须强到不可替代，而“不可替代”的标准每年都在抬高。

独立融资让这些问题变得更具体。

据蓝鲸报道，灵波独立融资的核心原因之一是集团内部的算力挤压——2025年蚂蚁集团科技研发投入350.3亿元，净利润却少了230亿元，百灵大模型、AI支付、蚂蚁阿福都在抢算力。

蚂蚁集团副总裁周俊有句流传很广的话：万亿参数模型每运行15分钟，就消耗一辆特斯拉的费用。走向市场，意味着灵波此后烧的每一分钱，都要向外部投资人解释回报。

而投资人要看的东西，和发布会观众要看的，已经不是同一份材料。

潮涌AI观点：下一份答卷

过去两年，具身大脑赛道比的是发布：参数、数据量、benchmark排名、开源声量。这几科，灵波考得都不错。

但考试的科目正在换。

据虎嗅报道，沈宇军给过一个更产业化的标准：下一代基模发布后，合作伙伴完成同一个场景所需的数据、时间和落地成本，能不能继续下降。

这个标准里没有Star数，没有排名，只有账本。

灵波已经证明了一套通用大脑可以接得上十几种机器人身体。接下来要证明的是另一件事：部署规模、接管率、单店经济模型、客户续约——这些运营数据能不能支撑“机器人通用大脑”从概念变成生意。

它是国内第一个被这张考卷检验的公司。

被这样检验，本身就是头部位置带来的资格。