机器人打拳、跳舞的视频在网络上流传已久，但人们更关心的是：它们何时能真正走进职场，替人类分担工作？近期，宇树科技发布了一段人形机器人格斗演示，宣称首次实现了由世界模型实时驱动的全自主搏击。据介绍，这款名为UnifoLM-X2-1.0的机器人能够实时预测未来状态，并完成规划、决策和动态交互。然而，当我们将场景从格斗切换到药房取货、物流分拣等日常任务时，机器人面临的挑战便截然不同。
在药房中，机器人需要应对包装各异的药品、狭窄的货架通道以及不断走动的人员。这些看似简单的操作，实则对机器人的持续可靠性和环境适应能力提出了极高要求。APPSO在外滩大会现场与蚂蚁灵波CEO朱兴交流时，他坦言：“小卖部其实也很难落地。我懂大家的焦虑，但目前机器人的能力和成本都还存在问题。”
与许多专注于整机研发的厂商不同，灵波科技将重心放在了具身“大脑”的研发上。他们希望开发出一套能够适配不同构型、不同任务的基础模型，并通过后训练降低具体场景的使用门槛。朱兴解释道：“重载作业和轻量分拣可以用不同的身体，但智能部分可以尽可能复用。”为此，灵波科技推出了生成可交互世界的LingBot-World，并训练了面向具身的视频生成基座LingBot-Video，以及在此基础上训练的动作模型LingBot-VLA 2.0。
在外滩大会上，灵波科技的机器人展示了药品拣选、物流分拣和工业上下料等操作。其中，药房演示中的货架通道仅80厘米宽，相关方案已在国大药房零售门店部署。朱兴表示，尽管灵波也保留了自己的R系列本体用于研发和生活服务探索，但做具身大脑仍然需要与硬件、具体场景紧密磨合。
在交流中，朱兴谈到了许多尚未解决的问题。例如，小模型能够完成特定任务，但为何还要投入大量资源训练基模？数据量增加为何有时反而导致效果下降？商业化进程又该如何推进？对于日常生活中产生的数据，他形象地比喻道：“今天的机器人还吃不了‘粗粮’。”
针对为何不选择更炫酷的技术展示场景，朱兴表示：“我们更在意的是与生态合作伙伴一起，做一些实实在在的落地。今天要让它做一个很炫的事情，那也是一个demo。我们看重的是真实应用和数据的产生，让模型在这个过程中迭代循环。”他坦言，目前模型能力还处于冷启动阶段，基模的作用是将小学生培养成初中生、高中生、本科生，但目前还处于比较早的阶段。
在谈到从一家门店复制到另一家门店的挑战时，朱兴指出，复制成本高本质上还是泛化性不足。不同药房、便利店的环境差异很大，短期可以先选择不那么开放的环境，压缩泛化的挑战；任务也不要太长程，先偏单任务。模型可以先驱动一部分环节，再到更多地由模型主导，能力成长需要有一个爬坡过程。
对于视频生成模型能否直接用于控制机器人，朱兴认为，具身的世界模型与数字世界、游戏里的模型有很大不同。数字世界的模型满足的是内容需求，如丰富、好看、创新等，而机器人需要的是符合物理规律、高性能和实时的动作控制。他举例说：“比如我现在想喝这瓶矿泉水，矿泉水在天空中跳个舞落到我手上，肯定好看，但不符合物理规律，没意义。”
灵波科技在训练基模时也尝试过在通用视频模型上微调，但最终决定从头开始研发。朱兴解释道：“一个问题是上限不高，另一个问题是调到最后会破坏前面模型的先验和知识，导致泛化性降低。”因此，他们很早就启动了更原生的研发，LingBot-Video训练时加入了大量机器人真实数据，再基于它训练LingBot-VLA 2.0。
在谈到数据的重要性时，朱兴表示，虽然相信Scaling Law，但不能机械地看待数据量。数据的质量和分布同样重要，甚至可以说“炼丹背后就是配方，数据的配方”。他指出，目前行业内存在数据重复的问题，模型厂商有义务定义需要什么数据、什么质量，不能将责任完全推给数据供应商。
灵波科技在数据采集方面采取了定制化策略，与供应商在作业流程、端到端数据管线的自动化集成上做了大量工作。朱兴透露，他们内部从原始数据到能进入模型训练的数据漏斗可用率已经从15%左右提升到了90%以上。同时，他们还关注数据从生产出来到进入训练的时间，与供应商基本采用流式交付，不等一大批数据攒齐再交。
对于第一人称视角的Ego数采，朱兴认为这是一个很好的思想，但要看具体怎么采。他比较看好结合高精度、便携的触觉手套的采集方式，既保留了Ego的优势，又借助硬件和算法解决了精度问题。同时，他还强调了视觉和触觉信息的天然对齐性，这类数据对模型发展意义重大。
在谈到互联网视频、仿真和真机数据的配比时，朱兴表示不要轻易谈配比，要分训练阶段。越往预训练阶段，越希望获得场景泛化，所以用无本体数据、互联网视频等更容易扩大规模的数据；越到后训练阶段，越要针对具体场景、具体任务把成功率拉上去，贴近机器人的数据就越有价值。仿真数据则更多体现在中后训练阶段，尤其是针对某个具体任务强化成功率。
对于机器人何时能边工作边积累数据的问题，朱兴认为目前还很早，是冷启动阶段，靠各种数采强制喂数据。但再往前走，有一点应用规模了，至少部分场景里的异常数据飞轮可以转起来。他强调看重的是异常数据而非成功数据。
在谈到模型架构与数据的重要性时，朱兴认为数据现在很重要、未来更重要，但模型范式还没有完全收敛。他指出世界模型的能力怎么用好、机器人未来的学习范式都还要发生变化，必须持续探索。同时他也承认大语言模型公司下场做机器人会带来一定优势，但具身面临的数据挑战仍然需要自己解决。
对于机器人构型的泛化问题，朱兴认为构型泛化是长期存在的问题也是产业需要。他指出不同生产力场景对机器人硬件配置的需求不同，家庭场景中每家的第一需求也不一样。因此他认为机器人没必要长得像人、什么都像人，更应该看具身智能作为一项技术能在社会里创造什么价值。
在谈到灵波科技为何还要做自己的R系列机器人时，朱兴表示研发肯定需要软硬一体。模型需要数据而数据由硬件产生，自己不做也得找别人定制。同时蚂蚁集团的核心业务沉淀都是围绕生活服务的，他们也想更早探索生活服务领域。R系列的特点是底盘小、感知设备多，在力控等方面做了不少软硬件处理，适合生活服务场景中的通行和避障等复杂需求。
对于为何选择药房作为试点场景，朱兴表示药房确实有需求。大药店白天外卖订单高峰时到店客人会占用药师很多时间，机器人可以辅助一下；夜间订单量大且外卖占比高时机器人也能发挥作用。同时药房场景对技术有牵引作用，对未来进入家庭的探索也有帮助。在谈到离一个可以放心留在家里的机器人还有多远时，朱兴表示这取决于具体需求是情绪陪伴还是辅助操作等，并认为可以一步步来从情绪陪伴到辅助操作逐步推进。
