【来源：环球网】
【环球网科技报道 记者 李文瑶】2026年外滩大会，具身智能成为最热的话题之一。但在接受记者采访时，蚂蚁灵波科技CEO朱兴却给出了谨慎的判断：具身智能仍处于冷启动阶段，能力与成本是落地两道门槛，数据分布与质量比单纯堆量更关键。
“今天还是能力和成本两个都有问题。”朱兴说，模型能力、硬件稳定性、成本约束，决定了很多场景“够不着”。他用自动驾驶类比：L1到L4走走停停多年，具身也要穿越周期。可落地场景有边界：环境不能太开放，任务不能太长程，因为主流模仿学习最怕异常。成本是充分条件，账算不过来长期玩不转。他预计，今年下半年到明后年，在任务复杂度不高的场景，生产力应用会量级增长。
数据是采访中被提及的高频词。有从业者称数采90%无效。在朱兴看来场景过度重复的数据意义不大。自动驾驶每天收上来的数据更多是存储成本，关键是怎么拿到想要的数据。灵波较早就不怎么买成品数据，转向定制化采集：由模型训练定义需求，先试采形成SOP，再推给供应商上量。从原始数据到进入训练，可用率从15%左右拉到90%以上。他反对机械地去谈千万小时、亿小时，他认为：“比量更重要的是质量和分布，分布是模型厂商最核心的knowhow”。仿真在中后训练有价值，预训练不能指望；互联网视频适合预训练泛化，越到后训练越要贴近机器人。Ego数据思想好，但头环+裸手轨迹精度是根本问题，未来结合高精度便携触觉手套更重要。
模型路线方面，朱兴不认为具身智能是数字智能的简单嫁接。可灵、万相、Sora是优秀数字世界模型，满足好看、创新、特效；机器人需要合理、符合物理规律、实时高性能。“矿泉水在天空跳舞落到手上好看，但不符合物理规律，没意义。”灵波早期基于通用视频生成模型微调，后来转向原生研发，发布LingBot-Video，并训练LingBot-VA 2.0，近期开源小尺寸版本，希望把单向因果训练等技术贡献给社区。
竞争格局上，朱兴判断具身智能今天像大模型“百模大战”刚开始，未来一定收敛，基座公司不需要太多家。灵波选择更高上限路线，优势在训练规模、原生基模和数据管线。对于本体与大脑之争，他不极端化：研发需要软硬一体，灵波R系列承载研发和生活服务探索，但核心是输出闭源基模+工具链，帮助生态伙伴做后训练、数采清洗、端侧部署和真机强化学习。工业、物流等出货场景，灵波不碰，愿与集成交付方合作。他表示：“机器人是非标产品，灵波自己做能做几家？为什么不让生态一起做？”
谈及独立融资，朱兴说不是缺钱，而是人才激励和公司治理需要，让公司更高效应对竞争。药房、仓储、上下料等场景选择，则与蚂蚁生活服务战略相关。药房白天外卖高峰占用药师时间，夜间更痛苦，机器人可辅助人，不是无人药房。这里SKU丰富、与人接触，是人机安全、抓取泛化的技术牵引，也是进家庭场景的应用前哨。
“行业要行稳致远，也要有点耐心。”朱兴说，灵波不急于用炫酷demo证明自己，更看重真实落地、数据产生和模型迭代循环。具身智能的“ChatGPT时刻”会来，但无法预判。在他看来，ChatGPT更重要的是Chat，不是GPT；具身下一步也需要推到一定规模，把闭环转起来。
聚丰策略提示：文章来自网络，不代表本站观点。
