7月19日，2026世界人工智能大会（WAIC）重点论坛“蚂蚁集团·AGI基础设施与普惠实践论坛”在上海举行。蚂蚁灵波科技首席科学家沈宇军在会上正式发布灵波全栈2.0，系统阐释了其“具身原生”技术路线。沈宇军强调，物理世界与数字世界在传感误差、环境随机性和实时交互需求上存在本质不同，机器人需要面向真实世界重新构建感知、预测与操作能力，不能将具身智能简单理解为“带有Physical标签的数字智能体”。
灵波全栈2.0的核心指标之一是推理速度。沈宇军披露，蚂蚁灵波最新具身动作模型推理频率可达90-150Hz，集成了数据训练、MoE架构、因果预训练、视觉压缩与动作对齐等能力。在现场演示中，机器人能够应对桌面足球等存在随机变量的任务，并根据球体运动进行实时反应。同时，机器人支持构型从9种扩展至近20种，覆盖头部、腰部、底盘、双臂及灵巧手等更多自由度组合，以适应移动、弯腰、开门、抓取、精细操作等多样化任务。沈宇军指出，只有提升跨任务、跨构型的泛化能力，才能逐步摊薄部署和训练成本，“商业的账才算得过来”。
在感知层，团队提出“看得更清楚”的研发框架，强化几何与边缘建模。沈宇军以“玻璃门后的猫”为例解释：视觉模型或许能识别出“门后有一只猫”，但机器人必须同时理解玻璃门这一无法穿越的物理边界，否则就可能直接撞向门体。为此，蚂蚁灵波抛弃了传统的DINO预训练范式，从边缘建模角度重新训练视觉基础模型，以提升机器人对空间边界、物体距离及遮挡关系的判断能力。据介绍，蚂蚁灵波已与奥比中光开展合作，将相关深度感知模型搭载至相机产品中并实现工业部署。
商业化验证方面，蚂蚁灵波系统工程负责人王志勇透露，团队正探索药房分拣、物流分拣和商品分拣等场景。其中，机器人在国大药房一家门店的分拣试点已“初步跑通”，但距离实现全链路自动化、稳定替代人工仍有较长距离。药房场景看似标准化，实则充满复杂性：一家药店往往拥有三四千个SKU，药品形态包括盒装和软包装，货架涉及背柜、阴凉柜等不同存储空间。机器人在阴凉柜取药时，需连续完成开门、识别、定位、抓取、放置等动作，还要应对昼夜环境变化、货品摆放变化和人为干扰。王志勇表示，“基础模型决定智能的上限，垂类后训练决定智能的下限”，团队将基础模型能力与行业场景真实数据、强化学习、硬件适配和业务Know-how结合，通过后训练提升机器人在特定环境中的可靠性。
论坛圆桌环节，多位行业嘉宾对具身智能落地给出了相对谨慎的判断。原理灵机联合创始人范浩强表示，机器人进入实际场景后，最难的往往不是“主流程”，而是难以穷尽的异常情况（即“异常流”），例如机器人能否进入狭窄通道、机械臂会不会与周边货架发生干涉、夹爪能否稳定抓住不同物体等。王志勇也坦言，80%甚至90%的问题其实都是工程问题，场景实践的意义不只是获取订单或展示案例，更重要的是将数据、硬件适配、部署流程和异常处理能力沉淀为可复用的工具链。千寻智能相关负责人以电池插拔和搬运任务为例称，团队曾花约半年时间尝试在宁德时代工厂部署相关模型，部分场景准确率可达到“两个9”，但传统工业场景通常需要至少99.9%甚至接近99.995%的稳定性，且如果换一座工厂仍需投入同等人力和成本，商业模式就难以成立。
除具身智能外，论坛还围绕Agent、强化学习和开源生态展开讨论。浙江大学博士生导师赵俊博表示，“所有的长程任务是一场大考”，当任务从几十步延伸至数小时、数天乃至数周，模型的训练机制、过程评估、记忆管理和工具调用能力都需要进一步提升。美团LongCat团队主任研究员顾奇认为，未来模型与Agent框架将形成更深层次的协同设计。LobeHub创始人徐文彬则提出，Agent不仅要完成任务，更应具备自我验证能力，在将结果交给用户前主动判断输出是否正确并修正。