來源：@21世紀商業評論微博

記者/ 韓璐 編輯/ 譚璐

「機器人沒必要替代人。」9月中旬，螞蟻靈波科技CEO朱興在外灘大會上表示。

靈波是螞蟻集團旗下的具身智能公司，正在推進獨立孖展。

朱興回應了外界「缺錢」的猜測：拆分的原因一是人才激勵，二是公司治理，"這個行業要長坡厚雪，要經歷非常多周期"。

過去一年，靈波的LingBot系列模型在圈裏打出了名氣：首個具身原生世界動作模型 LingBot-VA 2.0、首個面向具身的視頻生成基座LingBot-Video、適配十幾個主流品牌機器人的LingBot-VLA 2.0、剛開源的LingBot-World 2.0小模型。

朱興接受採訪時說，海外同行未必知道"螞蟻靈波"這個名字，但一定知道LingBot，有海外友商發布新成果時，會把靈波的模型納入基線測評。

不執着人形

具身智能賽道最擁擠的方向是人形，但朱興認為，"機器人沒必要替代人、長得像人。"

靈波更關心的是，具身智能作為一項新技術，能創造什麼商業價值和社會價值。

落到路線選擇上，朱興相信，物理智能必須基於機器人在物理世界完成任務的實際需求，從0到1訓練自己的基模。這也是靈波堅持具身原生、從頭進行大規模預訓練的原因。

在1.0時代，團隊曾對數字世界的通用視頻生成模型做微調。

"調到最後，反而把原模型的先驗和知識破壞掉了。"朱興認為，數字世界的模型往往追求好看、追求特效，但機器人要的是符合物理規律、實時響應。

他打了個比方，"礦泉水在天上跳個舞落到我手上，肯定好看，但不符合物理規律，對機器人完成任務沒意義"。

構型上，靈波同樣不執着於人形，主打跨構型泛化，重載作業和輕分揀不需要同一套硬件，未來進家庭，看護老人和陪伴小孩也不會是同一種形態。

不執着於人形的另一面，是對行業階段的清醒。

眼下，具身智能還在很早期。「大家要有點耐心。好的地方是，行業已經開始做有限的、真實的落地了。」朱興說。

落地先算賬

在外灘大會上，靈波展示了目前推進落地的場景：藥房、物流分揀和工業上下料。

藥房的邏輯很實際。大型藥店白天的外賣單高峯期，藥師的工作異常忙碌；夜間藥師更辛苦，尤其是在訂單量大、外賣佔比高的藥店，機器人可以搭把手。

對靈波來說，藥房是進入更復雜場景的「前哨」：藥房內有幾千個SKU，考驗機器的抓取泛化能力；機器與人近距離接觸和協作，也極其考驗人機安全。

在朱興看來，可以做出很炫酷的機器人demo，但炫酷不等於有實際價值。他更看重真實落地，產生數據和模型迭代的循環。

落地的兩個條件，他劃得很清楚：能力是必要條件，初期優先選擇相對安全、環境較封閉、任務鏈條較短的場景；成本是充分條件，賬必須算得過來。

他的判斷是，從今年下半年到明後年，機器人在生產力場景中的應用規模將迎來快速增長。

靈波極為重視數據，已圍繞模型訓練需求自建了一套數據基礎設施。行業熱衷比拼採集了多少萬小時，而靈波更重視數據的質量與分佈，很早就開始了定製化採集。

模型團隊先定義要什麼數據、什麼分佈，試採後形成SOP，再交給供應商上量，流式交付而非批量交付。在從原始數據到進入訓練的數據漏斗中，可用率從15%左右拉到了90%以上。

對商業化，靈波刻意保持克制。"不會為了一個更好的收入數字，過度推進商業化，那是撿了芝麻丟了西瓜。"但朱興也清楚，只有客戶真正付費，才能迎來真實的考驗。

具身智能的"百模大戰"啱啱開始，朱興判斷，未來會像大模型一樣收斂到幾家。靈波能不能坐上「大人那桌」，要看數據這條護城河挖得夠不夠深。更重要的是，能否把面向物理世界的預訓練做紮實。

今天真正困難的問題，已經從「一」轉向「多」，即在一個場景裏跑通之後，如何以更低的成本複製到更多場景。靈波在預訓練和具身原生上的探索，最終要回答的也是這個問題。