蚂蚁集团正加速向具身智能领域挺进。七月初，旗下子公司蚂蚁灵波在短短四天内连续发布六款具身智能大模型，涵盖视觉、视频、空间感知、灵巧操作、世界模型和世界动作模型（WAM）等多个技术方向。这是继今年一月开源四款模型后，该公司在半年内第二次大规模模型更新，显示出其对物理世界智能入口的强烈企图心。
蚂蚁的具身智能布局并非一时兴起，而是已铺开超过一年的系统性工程。早在2024年4月，蚂蚁便斥资数亿元投资视频生成大模型公司爱诗科技，押注世界模型的技术底座。同年12月，蚂蚁在上海张江注册成立全资子公司蚂蚁灵波科技，专注具身智能业务。2025年9月，蚂蚁灵波推出首款服务机器人Robbyant R1，定位家庭服务场景。从上游的灵巧手到中游的本体，再到下游的大脑基座，蚂蚁几乎覆盖了产业链的每一个关键环节。
此次发布的六款模型中，LingBot-Vision和LingBot-Video是从零预训练的视觉与视频基座模型，标志着蚂蚁开始搭建自己的感知底座。其余四款为年初模型的2.0升级版，其中LingBot-VLA 2.0走视觉-语言-行动路线，强调快速执行；LingBot-VA 2.0则被定位为行业首个具身原生世界动作模型，能在执行中持续预测环境变化并同步生成动作。这种VLA与世界模型双线并进的策略，在行业内较为少见，多数厂商通常只押注单一技术路线。
蚂蚁跨界具身智能的背后，是其战略重心从数字金融向物理世界的延伸。早在2023年，蚂蚁便提出“AI First”集团战略，将具身智能视为AI落地物理世界的重要入口。蚂蚁灵波首席科学家沈宇军曾表示，蚂蚁过去在数字世界积累的生活服务能力，未来必然要进入物理世界才能更好地服务用户。此外，蚂蚁在支付、金融领域积累的图计算、机器学习等技术，也为具身大脑所需的大规模数据处理、多模态融合和复杂决策提供了复用的可能。
然而，挑战同样显著。一位长期跟踪具身智能行业的投资人指出，近期入场的具身大脑创业公司预训练数据量普遍在10万小时起步，而蚂蚁灵波此前透露的LingBot-VLA 2.0预训练数据约为6万小时，并无明显优势。在硬件本体领域，宇树科技、智元机器人、银河通用等公司已积累数年工程与量产经验，蚂蚁灵波的R1机器人目前更接近模型验证载体，距离规模化尚有距离。
蚂蚁灵波在产业链中的位置相对中立，这为其向第三方厂商开放模型提供了便利。截至七月，LingBot-VLA 2.0已适配17个品牌、20种构型的机器人，包括乐聚、智元、星尘智能、宇树、银河通用等，覆盖单臂、双臂、双足、轮式等多种形态。这种开源策略有助于在技术标准未定型的阶段，将自身打造为公共底座。但风险在于，一旦本体厂商开始认真自研大脑，蚂蚁灵波的数据供给可能收紧，合作关系或转为竞争。
从更宏观的视角看，蚂蚁的具身智能布局也折射出互联网巨头在AI时代寻找新增长极的普遍焦虑。随着金融科技主业增长天花板显现，蚂蚁将更多精力投向医疗健康、生活服务等领域。具身智能被视为将数字服务能力延伸至线下场景的关键工具，尤其是在老龄化社会中，陪伴、送药、康复、看护等实体需求，纯软件无法解决。但具身智能本身是长周期、重投入的赛道，蚂蚁在基座大模型、支付宝AI化、健康AI等多条战线同时烧钱，能分配给蚂蚁灵波的资源与耐心仍是未知数。
在具身智能这个尚未跑出绝对头部的市场，蚂蚁灵波面临三类对手：阿里、腾讯、华为等同样布局具身智能的互联网大厂；宇树、智元等硬件本体厂商；以及深度机智、它石智航等聚焦大脑的创业公司。蚂蚁灵波的优势在于集团算力与AI基础设施的复用，以及相对中立的产业链位置；短板则在于硬件量产能力不足、真机数据依赖生态伙伴，以及技术路线尚未被验证。VLA与世界模型的融合听起来合理，但如何融合、以什么比例融合，行业尚无共识，蚂蚁押注的方向可能成为主流，也可能被其他路线甩开。