蚂蚁灵波把大模型塞进药房，英伟达和斯坦福同时盯上了这套中国代码

7月的杭州，蚂蚁灵波实验室里一组工程师做了一件反共识的事：当行业还在争论“大模型能否包办具身智能”时，他们选择从头预训练一个因果视频—动作模型LingBot-VA 2.0，让机器人在真实物理世界里学习“环境变化与动作之间的因果联系”。这家隶属于蚂蚁集团的具身智能团队，为机器人本体厂商与具身应用开发者解决了一个核心痛点：通用大模型懂语言却不懂物理世界的动作后果，而LingBot-VA 2.0在推理阶段能利用最新观察实时修正预测，将“看懂”转化为“做对”。

希鸥网观察到，这套模型开放后，外部团队最先用脚投票。斯坦福大学视觉与学习实验室10月发布的OpenWAM项目，目标是为五花八门的世界动作模型建立一张“统一考卷”，而他们在实现层直接复用了LingBot-VA的Transformer架构、文本编码器和分词器作为参考实现。新加坡国立大学则拿LingBot-Fast-Cam当底座，提出空间记忆方法Velox，在158个WBench导航案例中，其API-free平均分与原生底座仅差0.15分——几乎无损地解决了长序列生成越跑越慢的工程难题。

这两类用法指向同一个事实：中国团队不再只是被比较的对象，而正在成为被复用的基座。开源具身大脑的价值分水岭，不在于论文引用次数，而在于全球研究者是否愿意把你的架构当作实验的“控制变量”。斯坦福选择LingBot-VA做参考实现，本质上是在用中国团队的架构定义“什么算公平比较”——这相当于在具身智能的评测标准上，提前埋入了中国技术路线的基因。

普通开发者的动作更直接。开发者RealRebelAI把LingBot-World v2接进ComfyUI，用户拖入图片、画条相机运动路线就能生成后续画面，在RTX 3070 8GB上就能跑；Don Allen III基于LingBot-Map做了个Mac桌面工具，视频拖进窗口，Apple Silicon本机启动三维重建。原本锁在代码和权重里的空间理解能力，被拆解成“拖拽—生成—查看”的直觉操作。门槛降低的不仅是使用成本，更是后来者继续创新的启动成本。

英伟达和AWS Labs的选择则把问题推向了产业深水区。英伟达在开源推理库FlashDreams中直接加入对LingBot-World的支持，AWS Labs将LingBot-World-Fast设为默认EC2部署路径和旗舰入口。开发者沿用现有工具链就能在云端配置算力、加载权重、调用视频生成服务。这意味着中国具身模型开始嵌入全球AI基础设施的“默认选项”，而非停留在演示视频里。

希鸥网认为，这一轮博弈的受益方并非只有蚂蚁灵波。英伟达收获的是推理库的生态丰富度，AWS收获的是云上具身开发者的黏性，全球高校收获的是一块可复用的技术跳板。真正的压力落在两类玩家身上：一类是闭源路线的具身大脑公司，当开源基座在斯坦福和英伟达的工具链里反复被验证，闭源方案的“黑箱溢价”会被持续挤压；另一类是只做本体不做大脑的硬件厂商，当模型层开始定义评测标准和部署路径，纯本体商的议价权将进一步向软件生态迁移。

对创业者而言，蚂蚁灵波这条路径的第一课是“精准对接”而非“广撒网”。当年某家公司在互联网泡沫破裂前拿到1.2亿美元C轮融资，靠的不是拜访一百家机构，而是锁定一个真正理解并愿意下注的投资方。开源生态同理：LingBot没有去追每一个开发者，而是先让斯坦福、英伟达、AWS Labs这些“关键节点”用起来，再由他们带动长尾。资源有限时，找到那个能定义标准的合作方，比铺一百个普通客户更有效。

第二课是“交付—反馈—迭代”的节奏感。素材里那句“产品不能等待完美再上市”在具身智能领域同样锋利。LingBot-VA 2.0不是憋到终极版本才开放，而是先让外部团队在真实场景里跑出0.15分的差距、跑出RTX 3070上的量化版本，再用社区反馈反哺预训练。创业者常犯的错是把“开源”当成发布会动作，真正的开源是持续交付可被修改的中间状态，让别人的issue变成你的路线图。

第三课关乎生存底线。当年前辈在现金流见底时启动“氧化物”秘密项目，抽调10名工程师剥离软件业务独立求生。具身智能的出海同样需要这种“聚焦可独立存活的高价值资产”的决断：重资产本体出海拼的是本地经营和渠道信任，技术平台生态出海拼的是模型迭代速度和开源策略的定力。两条路都容不下“什么都想做”。蚂蚁灵波把真实药房搬进乌镇展厅，本质上是在用场景验证倒逼技术收敛——先证明一套模型能在零售药房里跑通，再谈大航海。

国际金鸥奖中国区盛典，第十二届金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo