一家长期被贴上“金融科技”标签的公司，正以前所未有的速度闯入具身智能的深水区。七月初，蚂蚁集团旗下子公司蚂蚁灵波在短短四天内，密集发布了六款具身智能大模型，涵盖视觉、视频、空间感知、灵巧操作、世界模型及世界动作模型等多个关键技术方向。这是继今年一月开源四款模型后，该公司半年内的第二次集中发布，标志着蚂蚁在具身智能领域的布局已从单点突破转向体系化推进。
蚂蚁的具身智能路径并非一时兴起，而是经历了清晰的三个阶段：投生态、造本体、做大脑。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，为世界模型路线铺设技术底座。此后，其投资触角延伸至产业链各环节，包括本体厂商宇树科技、星海图，以及灵巧手企业灵心巧手，通过资本纽带初步构建起产业生态。
2024年12月，蚂蚁在上海张江注册成立全资子公司蚂蚁灵波，正式下场“造本体”。2025年9月，其首款服务机器人Robbyant R1亮相，定位家庭服务场景，可用于取菜、烹饪、清洁等标准化任务。然而，面对全年出货量已超万台、头部厂商年销四五千台的激烈竞争，蚂蚁迅速将战略重心转向更具壁垒的“具身大脑”。
在技术路线上，蚂蚁灵波选择了少见的多路线并行策略。当前具身智能大脑主要分为两大流派：一是VLA（视觉-语言-行动模型），直接将感知映射为动作，反应快但泛化能力受限；二是世界模型，强调对物理环境的理解与推演，想象空间大但落地难度高。蚂蚁灵波并未押注单一方向，其LingBot-VLA走VLA路线，LingBot-VA则基于视频生成模型探索世界模型，两套系统共享训练数据但基座不同。七月发布的最新模型中，新增的LingBot-Vision和LingBot-Video更是从零预训练的基座模型，显示出蚂蚁自建视觉与视频技术底座的决心。
这一系列动作的背后，是蚂蚁集团战略重心的深刻转变。随着金融科技主业增长天花板逐渐显现，蚂蚁于2023年确立 “AI First” 战略，将具身智能视为把数字服务延伸至物理世界的关键入口。蚂蚁灵波首席科学家沈宇军曾表示，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。从技术复用角度看，蚂蚁在支付、金融领域积累的图计算、大规模数据处理、多模态融合等能力，与具身大脑的需求存在关联，这为其跨界提供了底层逻辑。
然而，挑战同样严峻。一位长期跟踪该行业的投资人指出，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，在数据规模这一硬门槛上并无明显优势。此外，蚂蚁内部AI战线漫长，基座大模型、支付宝AI化、健康AI等多条业务线均在烧钱，具身智能能分得多少资源仍是未知数。
在竞争格局上，蚂蚁灵波面临三类对手。与其他互联网大厂相比，阿里、腾讯、华为等多聚焦于提供云端平台或投资布局，蚂蚁是唯一同时押注大脑基座、世界模型和本体落地的大厂。与宇树、智元、银河通用等硬件本体公司相比，蚂蚁在硬件工程和量产上积累不足，但其模型已适配17个品牌20种构型的机器人，生态开放度较高。与聚焦大脑的创业公司相比，行业缺乏统一评测标准，技术路线之争尚无定论，蚂蚁的开源策略意在将自己塑造成公共技术底座。
蚂蚁灵波的优势在于资源与相对中立的产业链位置。蚂蚁的算力体系、AI Infra及百灵大模型团队的积累均可直接复用，且其本体出货规模有限，尚未对合作伙伴构成实质威胁，这为其向十几家厂商开放模型减少了阻力。但短板亦很明显：真机数据主要依赖生态伙伴供给，一旦本体厂商自研大脑，合作关系可能转为竞争；对内需在集团内部争夺资源，对外则面临阿里系多个具身智能条线的内部赛马。
眼下，具身智能仍处于技术路线未定型、商业闭环未跑通的早期阶段。蚂蚁灵波更像一张面向未来的期权，它让蚂蚁不至于错过物理智能的入口，也为其二十年积累的数字服务能力提供了向屏幕之外延伸的可能。但最终能否成功，取决于机器人是否真的能大规模走进家庭、医院和商业空间，以及在这些机器人需要“大脑”时，市场是否会选择蚂蚁。