当技术从数字智能走向物理智能，蚂蚁在生活服务上长期积累的用户、场景和数据，终将和灵波“会师”，具身智能，正是连接两者的桥梁。
2026 年的外滩大会，具身智能依旧是最热闹的赛道。展馆里，机器人打拳、跳舞、分拣、抓药，围观的人群里三层外三层；论坛上，关于世界模型、数据飞轮和商业化的争论一刻不停。
热闹之余，一个更现实的问题始终悬着：机器人究竟什么时候，才能真正走进普通人的生活？
外滩大会期间，蚂蚁灵波 CEO 朱兴与奇点研究社等多家媒体进行了一场沟通会。朱兴在阿里花名陶斋，是一名入职约十五年的支付宝老兵，目前执掌蚂蚁灵波科技——蚂蚁集团在具身智能领域的核心布局。
今年8月，蚂蚁灵波宣布启动首轮融资，拟募资15亿元，计划年内完成两轮融资。
与多数围绕整机产品讲故事的机器人公司不同，灵波把重心放在具身“大脑”上：训练面向具身的视频生成基座 LingBot-Video，并基于它训出动作模型 LingBot-VLA 2.0，预训练阶段已适配十几个主流品牌的机器人本体；同时保留自研的"R 系列"机器人，探索药房、物流分拣、工业上下料等场景。
就在沟通会前一天，其高交互世界模型 LingBot-World 2.0 刚刚开源了 1.3B 的 Small 版本。
而在朱兴的叙述里，这些技术动作背后有一条更清晰的主线：生活服务。
“蚂蚁集团的核心业务沉淀都是围绕生活服务的。”朱兴说，从早期的担保交易，到后来的扫码支付、民生服务、政务服务，再到这两年重点投入的医疗健康，蚂蚁一直在做同一件事。
而面向未来，“生活服务在下一个物理智能的时代，十年或者二十年，怎么更好地服务于人，怎么更好地在家庭中服务于人？这中间绕不过去的桥梁，就是具身智能。”
从担保交易到具身智能
朱兴与支付宝的渊源，几乎覆盖了蚂蚁生活服务的整条进化线。
“我非常早期就入职了支付宝，大概十五六年前。从早期的担保交易，到后来的扫码支付、民生的服务、政务的服务，一直到这两年非常重要在做医疗健康相关的，所有这些东西都是生活服务。”
这解释了蚂蚁为什么持续重注具身智能。在朱兴看来，当技术从数字智能走向物理智能，蚂蚁在生活服务上长期积累的用户、场景和数据，将来“完全可以跟灵波更多地‘会师’”，具身智能，正是连接两者的桥梁。
这也部分解释了灵波此时的独立拆分融资。朱兴在采访中否认了“缺钱”的说法，给出的原因有两个：一是人才，"现有的核心人才跟未来增量的高级人才，我们用什么样的激励机制去容纳他们，这是我们必须要面对的问题"；
二是治理，具身智能长坡厚雪、要穿越多个周期，独立公司治理下更清晰的董事会和 CEO 负责制，能让公司更高效地应对竞争。
药房是"前哨"
机器人进家庭之前，得先过生活服务这关
战略落在产品上，就是灵波自研的“R系列”机器人。一家做“大脑”的公司，为什么还要自研本体？
在朱兴看来，研发上软硬本就不分家，“模型需要数据，数据由硬件产生，肯定是软硬一体的。你自己不弄，也得找别人定制。”
而R系列对灵波还有另一重意义，蚂蚁集团的核心业务沉淀都是围绕生活服务的，我们的具身智能也想更早探索生活服务，所以需要一个合适的本体。”
目前R 系列为生活服务场景做了大量定制：底盘很小，配了非常多的感知设备，在力控等方面做了许多软硬件处理。“生活服务场景里，通行、避障更加复杂，我们考虑的是安全问题。”
朱兴把这类场景定义为“2B2C”，即在严格的 To B 和 To C 之间，“大家都盼着机器人进家庭，（生活服务）也是进家庭之前的前哨，有些东西可以提前做技术和商业上的探索。”
药房，就是这个前哨的第一个样本。灵波选择的逻辑很实际：白天外卖订单高峰，到店客人会占用药师大量时间，机器人可以辅助；夜间“更痛苦”，部分药房订单量大、外卖占比又高。
同时它对生活服务有独特的技术牵引，“我们不是搞无人药房，是把机器人放进有人的药房里工作，要解决人机安全方面的问题。抓拿取放里也有 SKU 的泛化问题：棉签、膏药等等，里面可能是几千个 SKU，很多都是家里会有的物品。”
朱兴给场景选择定了两条标准：第一，确实有商业需要，或者至少能模糊地看到；第二，对技术有牵引，对未来进家庭的探索有帮助。
至于为什么不选更炫的场景，他的回答很直接：“我让团队搞两个月，可以让四个机器人打掼蛋，展示高精度、触觉等非常多的技术，也没太大意义。我们更看重真实应用、数据的产生，在这个过程中，让模型的迭代循环起来。”
另一面，“今天也不是产业不想去搞那些既可以规模化应用、又更帅的东西：做不了，模型能力还没到那一步，或者成本的约束还没到那一步。”
能力和成本，落地要算清两笔账
“小卖部其实也很难落地。”面对“为什么简单场景还没有大规模铺开”的追问，朱兴直言，“我懂你的焦虑，今天还是能力和成本两个都有问题。”
能力是必要条件。他把基模比作一套培养体系：基模干嘛？是把小学生培养成初中生、高中生、本科生，现在可能还在比较早的阶段。因此现阶段要推进一定规模的落地，有几个硬约束：环境不能太开放，任务不能太长程，太长程异常就过多，而今天主流可落地的产品基本还是模仿学习为主，最怕的就是异常，因为异常没见过。
成本是充分条件：“你创造的价值还不如原来的价值，又比较贵，长期也玩不转。”
他的判断是，从今年下半年到明后年，在任务复杂度没那么高的地方，“账能逐渐算过来”，行业会进入生产力应用量级的快速增长。
而通往家庭的路更长，需求也更分散，这也是灵波把“构型泛化”看得极重的原因：生产力场景里，高负重的重载作业和很轻的分拣，没必要用同一套硬件、同一种构型；家庭场景里，“每个家庭的第一需求不太一样，有的要老人看护，有的要陪伴，人的情绪喜好也不一样。”
所以他对“人形”没有执念：“机器人没必要长得像人、什么都要像。把‘人形机器人必须更像人’当成第一性原理，我不觉得是科学的方法。我们更多是看具身智能作为一项新的技术，能在社会里面创造什么样的价值。”
数据是内核：机器人还吃不了“粗粮”
无论前哨还是家庭，撑起这座“桥”的底座是数据。这也是朱兴眼中具身智能最硬的壁垒。
大模型公司下场，会不会很快抹平差距？朱兴用一个比方回应：如果今天 OpenAI 或者 Anthropic 下场做自动驾驶，能短时间颠覆特斯拉吗？
在他看来，大模型厂商的训练能力固然强，“但自动驾驶和具身更核心的壁垒，说白了还是数据。什么是好的数据，数据的 knowhow，数据的管线。通用大模型可以提升特定阶段的研发效率，是很好的工具，但解决的不是根本问题。”
行业热衷于谈论“百万小时”“千万小时”，朱兴却提醒不能机械地看量：“现在已经有这个现象：一个模型用的数据比另一个多了 3 倍、5 倍，效果却差，但在某些类型的场景任务上表现得特别好，肯定是数据分布大量不均衡。”他的原话是，“大家老说‘炼丹’，炼丹背后就是配方：数据的配方。”
灵波的做法，是由模型团队自己定义数据需求：需要什么类型、什么分布，覆盖哪些场景、哪些任务，难采的先试采、跑出一套好的 SOP，再交给供应商上量；并且很早就不再购买成品数据，转向定制化采集。
通过端到端数据管线的建设，灵波把“从原始数据到进入模型训练”的漏斗可用率，从 15% 左右提升到了 90% 以上；和供应商之间也采用流式交付，而不是等一大批数据攒齐再交。
至于行业热议的“数据飞轮”，朱兴把它拆成了三步：今天是冷启动，靠各种数采“强制喂”，再往前走，有了一点应用规模，至少在部分场景，异常数据的飞轮可以转起来，“这时候看重的是异常数据，成功数据没有那么大意义”；而真正的数据飞轮，是“每个人的日常生活或者工作过程中，都在为机器人生产数据”。
被进一步追问这些日常数据，现在能直接给机器人用吗？朱兴用了一个很形象的比喻，来解释模型现阶段的能力天花板，“你现在给它，它也吃不了，吃不了‘粗粮’。”
言下之意，普通人日常产生的数据还是未经加工的"粗粮"，今天的模型消化不了，必须先经过定义、采集、清洗、标注这套"精细加工"，变成"细粮"才吃得进去。数据飞轮会转起来，但不是现在。
数据之上，灵波在模型路线上也选了更重的一条：从 0 到 1 训练面向物理世界的基模。1.0 时期，团队曾基于数字世界的通用视频生成模型做微调，“把它硬调出来适配机器人，一是上限不高；二是调到最后，反而会把前面模型的先验和知识破坏掉，副作用就是泛化性降低。走到后期，我们真的是撞到南墙了。”
在朱兴看来，数字世界的世界模型和具身的世界模型“不是一种生物”：前者满足内容需求，要丰富、好看、有特效，只要足够好，用户甚至可以接受延迟；后者要的是“合理”，“比如说我现在想喝这瓶矿泉水，矿泉水在天空中跳个舞落到我手上，肯定好看，但这不符合物理规律，没意义。机器人第一在乎是否符合物理规律，第二需要高性能、实时，因为它在物理世界里不断输入输出，不可能等你帮它生成一个很好的故事。”
生态、商业化与 ChatGPT 时刻
对行业终局，朱兴的判断是收敛：“基模这个层面确实不需要太多家。大模型从轰轰烈烈的‘百模大战’走到今天，四五家坐上了‘大人’那桌。具身也会走向几家为主的格局，只是今天，‘百模大战’可能才刚刚开始。”
灵波给自己的定位是“输出智能”：输出闭源版基模和工具链，帮助本体厂商更高效地后训练、采集后训练数据、清洗标注、端侧量化部署、真机强化学习；在合作中构建数据网络，让异常数据更多地回流。工业、物流等伙伴的出货场景，灵波不碰，只提供基模加工具链。
谈及与本体厂商的合作关系，朱兴把姿态放得很低：“我们何德何能把大脑做得非常领先？我们何德何能把所有的东西都做得非常领先？我认为上帝不会这么眷顾灵波。”
他坦言，机器人总体是一个非标产品，从需求对接到集成交付、维护，都非常重，“灵波自己做，能做几家？还是需要生态一起做。”
商业化上，他同样强调分寸：“我们不会为了一个更好的收入数字去过度推进商业化。一是不可持续，二是会阶段性地把团队的精力耗掉，捡了芝麻丢了西瓜。但再克制，也不能不做，只有付费的商业化，才能迎接更真实的考验。”
在他眼中，商业化本身就是公司的核心能力，“再好的技术，都是在不断迎接商业化挑战的过程中沉淀下来的。”
至于具身智能会不会有自己的ChatGPT 时刻，朱兴的回答耐人寻味：“我觉得会有这个时刻，但判断不了，技术爆发不太好预期。
ChatGPT 更重要的是 Chat，不是 GPT，不 Chat 也不行。这很像具身下一步的发展：哪怕是 To B 应用，也要推到一定规模，把这个闭环转起来。”
朱兴口中的那座"桥"，起点是蚂蚁十几年的生活服务积累，终点是机器人走进家庭。而药房、分拣、上下料这些看似普通的场景，正是通往物理智能时代生活服务入口的第一块桥板：先把机器人放进真实的生活服务里干活，让数据回流，让模型长大，才谈得上十年、二十年后，机器人真正走进家庭。
成为付费用户可以阅读 阿里巴巴 所有资料
了解更多 →