蚂蚁灵波开源具身模型 乌镇药房落地 全球机构复用

机器人的后空翻、机械舞常吸引目光，但真正走进物理世界，它们面临的是更复杂的考验。2026年11月3日开幕的世界互联网大会乌镇峰会现场，一个特殊的“零售药房”展馆内，80厘米宽的通道两侧密集摆放药品，机器人有序运转：接收订单、识别目标药品，完成分拣与交付。

这套方案并非概念演示，此前已在多家合作零售门店常态化运行，帮助药剂师分担药品分拣等高频重复性工作。支撑该场景的是灵波开源的具身“大脑全栈2.0”，它并非单一模型，而是由视觉、深度感知、世界模型和动作决策等多款模型组成，涵盖机器人从高精度空间理解到环境理解、动作执行的完整模型套件。

自今年1月启动开源以来，灵波已开放LingBot系列多款核心模型及对应的权重、代码和技术文档，全球研究员、开发者和企业可基于这套具身底座，开展机器人的适配、训练与二次开发。截至发稿，相关项目在GitHub上斩获超3.3万颗Star，模型下载量突破220万次。

这让今年乌镇峰会“开源开放，共建共享”的主题有了具象落点。开源并非单向技术宣告，其价值在更广泛的复用、验证与协作中不断拓宽，在科研与工程一线已清晰体现：斯坦福李飞飞团队在OpenWAM框架中复用其底层组件，韩国顶尖科研机构选其作为教师模型开展知识蒸馏，全球最大机器人开发平台LeRobot则将其合入官方主线。

从顶尖实验室的代码复用到主流开发平台的工具链集成，再到药房窄道的自主分拣，这套来自中国的具身开源底座，既切入全球主流具身技术坐标系，也为观察物理世界AI演进提供了重要样本。

在开源领域，Star数反映关注度，但代码是否被真正调用更具说服力。近期具身学术圈的核心成果中，灵波的模型组件正以具体工程形态进入研发管线。

最典型的案例来自斯坦福大学李飞飞实验室，今年10月初该团队发布具身智能统一机器人框架OpenWAM，未从零重写整套管线，而是复用了灵波LingBot-VA的开源实现与核心资产。在开源体系中，顶尖实验室选用外部模块极为挑剔，需极高模块化程度与干净接口设计，否则重构成本高于自研，李飞飞团队的选择侧面印证了灵波代码架构的高规范度与通用性。

面向算力受限的小型机器人场景，韩国科学技术院团队在FastOPD研究中选定LingBot-VLA作为“教师模型”，通过知识蒸馏将能力迁移至参数量更小的VLA模型。在RoboTwin 2.0仿真实测中，该方案展现极高工程收益：端到端延迟仅增加1毫秒，4.5亿参数的学生模型单步推理任务成功率从35.3%拉升至51.2%，净增15.9个百分点。KAIST的实践验证了LingBot-VLA底层动作表征的迁移价值，也为端侧具身智能突破算力限制提供了新路径。

在更大范围的开发者生态中，这种复用已沉淀为基础设施。目前，全球最大开源机器人平台LeRobot已将灵波的LingBot-VA与VLA 2.0合入官方主线，主流计算机视觉库timm也将其视觉模型收录为主干，意味着全球开发者拉取标准库时，LingBot已成为原生“出厂选项”，无需为环境适配耗费周折。

顶尖团队能抽调灵波模块嵌入各自代码库，根源在于其对物理世界的拆解方式。真实作业环境中，机器人卡点不再是学会特定动作，而是在变数中稳定完成一连串任务，需应对反光干扰、货架遮挡、位置偏差等问题，一旦夹爪碰歪目标，物理状态就会改变。传统控制方案的死穴在于“真实环境不会在机器人思考时暂停”，LingBot-VA 2.0凭借异步预测与执行化解控制延迟，成为重点剖析的技术样本。

灵波“大脑全栈2.0”将复杂具身控制拆解为三层清晰能力：高精度空间理解（学习物体三维轮廓与空间距离，摸清精确物理坐标）、动态环境交互（内部预演物理规律，为动作提供路径）、可泛化灵巧操作（根据视觉信息生成动作，边执行边观测边修正）。模块化拆解让机器人面对物理世界有了分步推理抓手，也让外部团队可按需调用特定组件。

这套大脑的持续进化依赖灵波自建的超10万小时真机作业数据，覆盖20多种本体构型、3.6万种任务及近2亿条深度感知数据，且将抓空、打滑、碰壁等失败样本视为核心教材，异常数据半天内回流形成可用率超90%的训练集。

开源不仅是公开权重，衡量开源底座成色的关键是能否低成本嵌入已有生产流程，让模型从“可下载”变为“可直接调用和开发”。灵波正推动LingBot模型与主流开发框架、推理引擎及云端平台适配：LeRobot合入主线后，动作块生成耗时从677毫秒压缩至127毫秒；NVIDIA的FlashDreams集成LingBot-World，SGLang提供原生推理管线，vLLM-Omni接入统一框架。

第三方开发者也在压榨模型性能边界：海外开发者Kaarel Kaarelson用消费级RTX 5090将LingBot-World 2.0实时生成帧率从6.0 FPS提升至16.1 FPS；PandacatAI将模型移植到Apple Silicon平台，在M4 Pro芯片的Mac上跑通6.8秒物理交互视频生成。

截至目前，灵波在GitHub积累超3.3万颗Star，10月底的具身挑战赛有13个国家的超1855支战队参与调试。当开源代码被反复调用、挑刺和二次开发，这套具身底座打破实验室围墙，成为开发者触手可及的通用构件。

代码跑通只是第一步，机械臂进场作业最终要落到实际场景。过去自动化改造常为迁就机器人重构物理空间，付出远超硬件成本的隐性改造投入。具身浪潮中，机器人走出演示展台的前提是主动适应既有人类环境，并算清投入产出比。

在还原的药房展厅中，80厘米过道、密集堆叠与包装反光，对标零售门店局促现实，机器人无需改动货架与动线，自主完成取药全流程。同样的需求也摆在工业现场，灵波正与产业方推进汽车零部件上下料、车间分拣等场景的协同攻关，重工业工况下工件沉重、油污反光强、节拍以秒计算，需用同一套大脑适配异构本体，抵抗磨损与误差积累，这是具身模型迈向深水区的硬门槛。

开源共享的是逻辑与代码，算法接管硬件后，更深层价值是将不同工况的碰撞、挫败与调试经验沉淀为全行业通用底层基座，让具身领域突破不再依赖少数团队单打独斗，而是同行者合力推进。