蚂蚁灵波、智元等在上海推进世界模型与VLA融合落地
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载灵波大脑适配多品牌
蚂蚁灵波推出的灵波通用大脑，在预训练阶段就完成了对17个机器人品牌、20种构型的适配。这意味着同一套模型不必为每种硬件单独重写底层控制逻辑，而是通过预训练覆盖不同关节布局、传感器配置和运动学参数。搭载该大脑的机器人已经进入上海国大药房的多家门店上岗，在真实零售场景中执行任务。从技术路径看，这种做法把通用性放在模型侧，用大规模预训练换取跨构型的迁移能力，而不是为每个品牌定制专用小模型。对使用方来说，硬件选型不再被单一软件生态绑定；对开发者来说，适配成本从逐机型调试转向统一接口调用。不过，适配数量本身只说明覆盖范围，实际表现仍取决于具体门店的任务复杂度与运行时长。
训练场与实训场并进
2025年1月，全国首个异构人形机器人训练场在张江启用，为不同构型的机器人提供集中训练环境。国地中心与华为共建具身智能实训场样板点，基于昇腾算力研发VLA模型。与此同时，国地中心的灵龙系列机器人进驻延锋，完成实景数据采集与作业验证。这几件事指向同一条链路：训练场提供异构硬件与算力底座，实训场把模型放进真实产线做验证，实景采集则把作业过程中产生的数据回流。与单纯在实验室里跑基准测试相比，这种安排让模型在真实工况下暴露问题，采集到的数据也更贴近实际分布。适用范围上，这类设施主要服务于需要多构型、多任务验证的研发团队；限制在于，实景验证的周期和产线排产节奏相关，难以无限加速。
世界动作模型竞速
蚂蚁灵波发布了行业首个具身原生世界动作模型LingBot-VA 2.0。智元在9月发布世界—动作模型GE-Act 2.0，把预测未来与生成动作整合在一起，训练数据从300小时扩展到3万小时，在陌生场景测试中总体成功率从17.1%提升至44.1%，在RTX 5090上生成一个连续动作块约需104毫秒。擎朗智能把世界模型嵌入VLA，使人形机器人能够完成咖啡制作这类长流程任务。大晓机器人用开悟世界模型3.1驱动机器人，与中国石油上海销售公司合作开展便利店试运营，作业时约每100毫秒预测一次未来状态。穹彻智能在全国50多个城市采集超10万小时真实世界数据。上海人工智能实验室发布InternW0-Δ，将视觉、力觉、触觉纳入同一模型。这些进展的共同点是让模型在动作之前先预测环境变化，区别在于数据规模、预测频率和硬件依赖各不相同。对读者而言，成功率从17.1%到44.1%的跃升说明陌生场景仍是主要瓶颈，而104毫秒的动作块生成速度决定了机器人能否跟上动态环境。
融合方向与落地场景
《浦东新区加快推进新型工业化“十五五”规划》提出布局具身大模型与世界模型融合技术。从已落地的场景看，药房门店、便利店试运营、咖啡制作和产线作业验证分别对应零售、餐饮和制造环节。这些场景的共同要求是长流程任务中的连续决策，而不是单步抓取。世界模型负责预测未来状态，VLA负责把预测转成动作，两者融合后，机器人可以在环境变化时调整后续步骤。适用范围上，当前落地集中在有明确流程、可重复验证的场所；限制在于，陌生场景的成功率仍明显低于熟悉场景，且预测频率与动作生成速度需要匹配硬件算力。对读者来说，这意味着具身智能正从演示走向可计量的作业验证，但距离大规模通用部署还有距离。
为什么值得看
世界模型与VLA融合正从概念走向药房、工厂等真实场景，附具体成功率与数据量，可判断落地进度。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。