从取药到工厂：VLA与世界模型在上海加速落地，机器人“具身大脑”成形

上午取药高峰，药房门店订单不断。一台机器人接到线上订单后准确移动到货架前，面对尺寸相近、包装密集且透明包装反光的药盒，轻巧探出机械臂精准夹取一盒，转身送达取药窗口。指挥它的是张江AI创新小镇企业蚂蚁灵波的“灵波通用大脑”，该“大脑”在预训练阶段适配了17个主流机器人品牌、20种机器人构型，可跨本体、跨任务运行，搭载该大脑的机器人已在上海国大药房多家门店正式上岗。

会看、会听、会动手之外，机器人还需在动手前推演未来，这正是世界模型的核心任务。在上海张江，VLA已规模化上岗，世界模型则刚进入试运营阶段。业内初步形成共识：VLA解决“能干”，世界模型解决“想清楚再干”。2025年1月，全国首个异构人形机器人训练场在张江启用，国家地方共建人形机器人创新中心与华为共建具身智能实训场样板点，研发基于国产昇腾算力的VLA，同步推进世界模型与VLA模型的高效训练。

练成的能力还需真实工业场景检验。国地中心“灵龙”系列机器人已进驻汽车零部件企业延锋，在零件火焰处理、齐套分拣、激光弱化等工位完成实景数据采集与自主作业验证，跑通“实训场训练—模型迭代—工业现场部署”的迁移路径。从单个场景走向更多门店和工位，还需跨过能力迁移这一关：货架布局、药品包装和摆放方式都可能变化，模型能否应对、需补充多少数据与现场调试，均需逐一验证。

多家企业正探索融合路径。蚂蚁灵波发布了行业首个具身原生的世界动作模型LingBot-VA 2.0；智元联合创始人姚卯青指出，世界模型最重要的功能是准确预测物理世界的下一步状态，其9月发布的GE-Act 2.0将“预测未来”与“生成动作”整合进同一模型，训练数据从300小时扩展至3万小时，在陌生场景、陌生物体上不做额外训练直接测试，一款机器人总体成功率从17.1%提升至44.1%，陌生场景成功率提升约2.6倍。擎朗智能则将世界模型嵌入VLA，让人形机器人不依赖遥操作完成咖啡制作等长流程任务。

世界模型也面临“要快、要真、要数据”的必答题：GE-Act 2.0在RTX 5090上生成一个连续动作块约需104毫秒；有的模型能生成机器人端水杯的逼真画面，杯中之水却纹丝不动；大晓机器人首席科学家陶大程与开悟世界模型研发负责人王飞判断，能力明显涌现或需接近千万小时级的数据。上海具身智能产业的独特之处，在于面对同一问题，多种解法同时在尝试落地。