蚂蚁灵波连续签约多家企业，具身大脑加速进产线

具身智能正从实验室走向真实产线。蚂蚁集团旗下具身智能公司蚂蚁灵波近期动作频频，接连与隆盛唯睿、德马科技、德迩象网等多家智能制造及现代物流企业达成深度战略合作，围绕工业上下料、汽车制造数智化、物流柔性分拣等场景展开落地探索。

一、签约风向：工业与物流双线并进

据公开信息，蚂蚁灵波此次合作伙伴覆盖工业制造与智慧物流两大领域。隆盛科技控股子公司隆盛唯睿将与其共建“具身智能机器人创新中心”，首期主攻工业上下料场景，未来服务对象包括博世、宝钢等全球工业制造龙头。德迩象网则与灵波共同探索汽车制造车间的数智化转型路径。

物流端，德马科技作为物流装备与解决方案提供商，将与蚂蚁灵波在工程化赋能、二次开发协同及新技术测试验证方面展开合作，核心目标是解决海量包裹高速柔性分拣难题。这些合作并非停留在框架层面，而是明确了具体场景和交付方向，显示出灵波推进产业落地的决心。

二、一脑多机：破解适配成本难题

具身智能走向产业应用，长期受制于适配成本。机器人从一个场景切换到另一个场景，往往需要重新采集数据、训练模型、调试系统；更换硬件后还可能面临全新适配工作。模型泛化能力不足叠加硬件差异，使单点验证难以复制到更多产线。

蚂蚁灵波CEO朱兴曾指出，公司跳出单机调优的传统思路，选择从零训练面向物理世界的具身基模，打造机器人的原生通用“大脑”。其自研的LingBot-VLA 2.0基础大模型在预训练阶段已适配17个品牌的20种机器人构型，在业内率先树立“一脑多机”工程标杆。这一策略的核心价值在于：同一大脑可驱动不同构型本体，降低跨场景、跨硬件的迁移成本。

三、工博会现场：多场景真实作业展示

在正在举行的中国国际工业博览会上，蚂蚁灵波携多家生态伙伴展示了药房精准拣药、智慧物流柔性分拣、工业产线上下料等真实场景应用。现场可见钛虎与星尘智能两款构型各异的机器人本体，同时搭载灵波大脑LingBot-VLA 2.0，分别完成高精度工业上下料与柔性分拣任务。

这种“不同本体、同一大脑”的演示，直观验证了一脑多机在真实工业环境下的泛化能力。此前，蚂蚁灵波已在线下药房跑通“智慧药房”连续拣药方案，积累了从窄道穿梭到连续作业的工程经验。

四、开源生态与全球化布局

蚂蚁灵波的开源策略为其技术影响力提供了另一条增长曲线。截至公开数据，其开源模型在GitHub累计获得3.29万颗star，居国内具身模型前列。海外主流技术社区已完成对灵波模型的适配：LingBot-VLA、LingBot-VA均完成对全球最大机器人开发平台LeRobot的生态适配，LingBot-Vision合入主流视觉骨干模型库timm主线，LingBot-World则成为全球首个同时获得vLLM、SGLang两大主流开源推理引擎支持的世界模型。

全球化方面，蚂蚁灵波与阿拉伯数字经济联盟在技术模型、本地化场景适配与产业生态融合等方面达成合作，为“一脑多机”在全球物理世界的规模化落地开启新阶段。

LeRobot 是 Hugging Face 推出的开源机器人学习框架，提供统一的数据格式、预训练模型库和训练工具链，被视为机器人领域的“模型与数据集集散地”；timm（PyTorch Image Models） 是计算机视觉领域最广泛使用的骨干网络库，收录大量主流视觉模型实现；vLLM 与 SGLang 则是当前大模型推理侧两大主流开源引擎，前者以高吞吐的 PagedAttention 调度著称，后者在结构化生成与多轮推理上效率突出。灵波模型分别完成这些生态的适配与合入，意味着开发者可以在主流工具链中直接调用其能力，而不必从零搭建环境，这对其技术扩散与生态影响力至关重要。

五、行业观察：具身智能进入工程兑现期

从智慧药房的窄道穿梭，到工博会上的产线作业，再到密集签下工业制造与智慧物流标杆订单，蚂蚁灵波正以“领先模型+工程工具”的双轮驱动推进商业化。具身智能的竞争焦点，已从模型参数比拼转向真实场景的稳定性与泛化能力。

能否在严苛工业与物流环境中持续交付，将决定这一轮具身智能落地浪潮的最终格局。蚂蚁灵波的连续签约，为行业提供了一个观察样本：通用大脑加生态协作，或许是规模化普及的可行路径。

所谓**“工程兑现期”**，是相对于具身智能此前以论文指标和演示视频为主的阶段而言。早期行业竞争集中于模型参数规模、benchmark成功率等实验室指标，但真实产线要求的是长时间连续作业下的稳定性、故障率可控、以及与现有PLC、MES等工业系统的对接能力。这些指标很难靠单点技术突破解决，需要场景数据积累、硬件适配和交付团队协同。因此这一阶段的胜负手从“模型多强”转向“能否稳定交付”，也解释了为何蚂蚁灵波密集签约工业与物流标杆客户——订单本身即是工程能力的验证通道。

背景补充

VLA（Vision-Language-Action）模型是具身智能中的一类基础大模型，其核心思想是把视觉感知、语言指令和动作生成统一到同一个模型中：模型接收摄像头画面与自然语言指令，直接输出机器人关节或末端执行器的动作序列。相比传统的“感知—规划—控制”分离式流水线，VLA端到端架构能让机器人更好地理解开放场景中的语义信息，并具备跨任务泛化潜力。LingBot-VLA 2.0 属于这一技术路线，其“面向物理世界从零训练”意味着训练数据大量来自真实机器人操作轨迹而非纯互联网数据，这也是它能适配多种机器人构型的前提。