一句话看懂：蚂蚁灵波于7月10日发布了行业首个具身原生世界动作模型LingBot-VA2.0。该模型不再依赖数字世界的视频生成模型进行微调适配，而是从零开始预训练，专为物理世界的动态建模、因果预测和实时控制设计，旨在解决当前机器人“大脑”执行效率低、泛化能力弱的核心痛点。
事件核心：发生了什么
蚂蚁灵波发布的LingBot-VA2.0模型，在业界首次实现了从零开始的具身原生预训练，而非基于已有的视频生成模型做“嫁接”。模型采用四种核心设计：引入语义视觉-动作分词器，将语义和动作信息对齐，提升指令跟随性和动作精度；采用严格的因果预训练范式，确保视觉预测与动作生成按单向时间序列执行；引入MoE（混合专家）架构，在不牺牲推理效率的前提下扩展模型容量；增强异步推理机制，实现实时闭环控制，在机器人执行动作的同时预测未来状态并持续校正。根据官方数据，该模型单卡可实现150Hz的实时推理效率，大幅提升了具身世界模型的执行速度。
为什么重要
目前AIbase披露的信息显示，行业主流做法是依靠数字内容创作的视频生成模型（如Sora等），再通过微调适配到机器人控制任务。但内容创作追求图像质量和创意，机器人控制要求执行效率与预测合理性，两者的设计出发点存在根本差异。强行微调会导致知识遗忘和泛化能力下降。LingBot-VA2.0从零开始预训练的技术路线，意味着机器人“大脑”不再依赖数字世界能力的嫁接，而是为物理世界交互而原生设计。这为具身智能的研发提供了一条可验证的替代路径，特别是对需要连续因果预测和高速响应的实时控制场景具有重要意义。
对用户/开发者/创作者的影响
对于机器人开发者而言，LingBot-VA2.0的150Hz实时推理效率，意味着机器人在执行动作时能更快速响应环境变化，减少延迟带来的控制误差。模型的原生设计让机器人在未经过专门训练的场景中也能表现出更强的泛化能力，例如在人与机器人的多轮随机对抗对练中，它不再依赖外部摄像头设备。对于产业用户（如制造、物流、服务机器人场景），这一模型有望降低机器人部署前的场景适配工作量。对于AI研究者和具身智能团队，从零预训练的路经以及MoE、异步推理等架构选型，提供了可直接参考的实验设计范本。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，蚂蚁灵波将在7月17日至20日举办的2026世界人工智能大会（WAIC）上全面展示全栈大脑2.0能力，这将是LingBot-VA2.0在实际场景中的一次公开检验；第二，官方是否会对该模型进行开源或对外开放API，将直接影响开发者生态的构建速度；第三，竞品团队（尤其是依赖视频生成模型微调的方案）是否会跟进原生预训练路线，或在效率、成本上形成新的对比，值得持续观察。
来源：AIbase
