蚂蚁灵波CEO朱兴：机器人连小卖部都难落地，数据是真正壁垒
APPSO · wechat · 2026-09-16
2026 外滩大会上，APPSO 与蚂蚁灵波 CEO 朱兴长谈具身智能落地的真实瓶颈。核心判断：能力和成本都还不够，连小卖部都难以规模化落地。
落地现状：现阶段想做规模落地，环境不能太开放、任务不能太长程，主流可落地产品仍以模仿学习为主，最怕没见过的异常。复制到新门店成本高，本质是泛化不足。药房拣选方案已部署到国大药房门店，货架通道仅 80 厘米宽。
为什么要自训基模：基模的价值是让后训练少样本表现更好——用更少数据达到同样效果。灵波曾基于通用视频模型（如 Wan）微调做具身世界模型，但「撞到南墙」：上限不高且破坏原模型先验。于是从零训练 LingBot-Video 和动作模型 LingBot-VLA2.0，认为物理智能必须基于物理真实数据自训基模；机器人需要的是符合物理规律、实时合理，而非好看特效。
数据配方论：相信 Scaling Law 但不能机械堆数据量——已有数据多 3-5 倍效果反而差的情况，关键是质量与分布，「炼丹背后是数据的配方」。灵波转向定制化采集而非购买成品数据，可用率从约 15% 拉到 90% 以上，与供应商流式交付。互联网视频用于预训练扩规模，真机与仿真数据价值在后训练拉成功率。Ego 数采看好但当前手部轨迹重建精度不够，更看好高精度便携触觉手套。
其他观点：
- 真正的数据飞轮要能接住异常数据，成功数据意义不大；日常生活数据机器人现在还「吃不了粗粮」
- 大模型公司下场未必能碾压：具身核心壁垒在数据理解与管线，类比大厂做自动驾驶也难颠覆特斯拉
- 不认同「人形必须像人」是第一性原理，不同任务该用不同构型；灵波自留 R 系列本体用于研发与生活服务探索，工业出货场景交给伙伴
- 机器人进家庭需分步走：情绪陪伴→辅助操作，信任如家人的高阶形态尚无时间表
「具身」频道最新
- 中国无人机被拍到给狗洗澡,本是清洗光伏板设计 — ZeroStateReflex · 2026-09-16
- RoboDojo 实测 GPT-6 Astra:语义空间理解强,物理常识仍是短板 — ZeYanjie · 2026-09-16
- Muse 学会自己每天早上穿衣,Scale CEO 直呼会来事 — alexandr_wang · 2026-09-16
- Scoble 预判：未来每人将拥有数亿到数十亿个数字分身 — Scobleizer · 2026-09-16
- iPadOS 无辅助功能 API，开发者用 USB 硬件狗实现 iPad 计算机操控 Agent — alfcnz · 2026-09-16
- Apple 推出 Reference Image：传感器端哈希原始底片实现可验证摄影 — nptacek · 2026-09-16