「中国方案」成型：乐聚x蚂蚁，国产具身智能的“朋友圈”效应

具身智能的发展，正在从造一台机器人，变成如何“攒好一个局”。

这一变化，是机器人大讲堂在今年WAIC上发现的新切口。

当人形机器人如今真正走进仓库、工厂和产线，行业开始思考，一个新模型能不能快速装进机器人？一个新技能能不能几天跑通？一套验证过的能力，能不能快速复制到下一个场景？

大会期间，乐聚联合蚂蚁灵波，发布了合作的物流分拣成果。

乐聚认为人形机器人产业规模落地的背后并不是一家企业独自完成。

要通过产业协同，蚂蚁灵波提供通用具身基座模型 LingBot-VLA，乐聚负责后训练、运动控制和人形机器人本体，OpenLET 开源社区持续提供真实场景数据与开发工具，辉羲智能提供国产端侧算力补齐最后一块拼图，一个覆盖模型、本体、数据、算力的完整技术链路，第一次串联起来。

这不由令人思考，当具身智能进入落地深水区，决定机器人能否规模化进入产业的，可能变成了谁能把整个“局”攒起来。

01：模型之后，还有最后一公里

乐聚的这个“局”，已经补上了一块重要拼图。

此前，乐聚人形机器人本体国产化率已经超过95%，数据、运动控制等核心能力也基本实现自主化。

今年6月，随着乐聚与辉羲智能共建国产端侧算力底座，从数据、模型、后训练、运动控制，到芯片和机器人本体，一套全栈国产化的具身智能技术体系由此真正拉通。

而“攒局”的另一重意义，是解决模型到落地之间的最后一公里。

VLA等具身基础模型快速发展，但通用能力和真正干活之间仍有明显距离。机器人知道什么是“搬运”，不代表进入仓库就知道纸箱从哪里抓；理解“上料”，也不代表面对随机摆放的零部件，就能稳定工作八个小时。

因为模型解决的是“会不会”，产业关心的却是“能不能稳定地一直做”。乐聚正在补的，正是模型之后的这层能力。其工具链并不绑定某一个模型，而是能够适配国内外不同的具身模型，通过数据处理、后训练和真机部署，将通用能力转化为具体场景技能。

与此同时，乐聚也在持续推进自研解决方案。

此前进入工厂的纸箱拆垛、塑料箱拆垛、小件上料等方案，主要建立在乐聚自研技术体系之上。其中，纸箱拆垛已在真实仓库实现连续8小时作业，综合成功率超过95%，其他方案也已进入汽车制造和工业产线。

这些案例证明的是乐聚自身的落地能力，过去，一个新技能从数据采集到真机验证，往往需要数千乃至更多真机样本，开发周期以周甚至月计算。

而在此次物流任务中，基于LingBot-VLA与乐聚后训练体系，仅需约150至300条真机数据，便能够完成初步场景适配，将数据需求降低一个数量级，早期验证也压缩到数天。

这意味着，乐聚正在建立一层模型之上的“产业转化系统”。模型可以变化，但进入真实世界，都绕不开数据、后训练、部署和验证。谁能缩短这条链路，谁就能更快进入下一个场景。

02：当工具链打开，更多人开始“入局”

如果后训练解决的是机器人学习新技能的效率，那么决定这种能力能否规模复制的，则是工具和开发者。这也是OpenLET正在承担的角色。

目前，OpenLET已经汇聚70余家高校和产业链企业，聚拢超过10000名开发者；社区开放超过6万分钟真机数据，相关数据集全网下载量超过300万次，并持续开放数据集、后训练工具与开发者认证体系。

依托OpenLET，开发者可以获得数据、工具、训练空间和机器人本体支持。

在ICRA赛事中，开发者最快一天即可跑通真机部署，一个新技能3至7天便能完成早期场景测试。更重要的是，这套生态同样不绑定某一个模型。目前，OpenLET数据已经支撑LingBot-VLA、银河通用LDA-1B、高德ABot-M0等多个模型训练与迭代，并累计支撑高校、科研实验室模型训练和评估超过2000次。

模型可以不同，任务也可以不同，但数据、工具链、后训练和真机验证能力，会逐渐沉淀为整个生态的公共基础设施。一个新的飞轮也由此形成：机器人进入物流，产生新的数据；数据沉淀进OpenLET，推动模型与后训练迭代；工具降低开发门槛，吸引更多开发者创造新技能；新的技能，又推动机器人进入更多行业。

过去，每一个机器人项目都像重新造一遍轮子。未来，一个开发者跑通的技能、一个场景产生的数据，都可能成为下一次开发的起点。当更多人开始“入局”，机器人产业才有机会从一个个项目走向大规模复制。

03：机器人竞争，开始转向“组局”

随着产业进入落地阶段，具身智能的复杂度，已经很难由一家企业包办所有创新。乐聚选择的路径，是在自己的核心能力之外，留下更多接口。

向下，它已经拉通从数据、模型、端侧算力、运动控制到机器人本体的全栈国产化技术底座，并拥有进入真实产线的工业解决方案；向上，它可以适配不同的国内外模型；向外，则通过OpenLET连接开发者、模型企业与产业链伙伴。

这最终形成的，是一套能够不断接入新模型、新数据、新开发者和新场景的Robot Stack。对于一个可能成为下一代智能终端的产业来说，这套国产技术底座的意义也不只在于“国产替代”。

过去手机、3C等产业已经证明，越接近产业底层，核心技术是否自主可控，越决定一个产业能走多远。

因此，我们认为，具身智能产业当下真正的全栈，并不意味着所有事情都由自己完成，而是能不能把不同技术拉进同一个“局”，最终变成机器人在真实世界里稳定工作的能力。

再看WAIC上的那段物流视频，蚂蚁灵波的模型可以接进来，未来其他模型同样可以接进来；今天机器人学习物流分拣，明天开发者还可以训练新的技能。

这意味着机器人真正的竞争，正在从造出一台更强的产品，变成能不能建立一套持续生产“机器人能力”的系统。

所以，谈具身智能落地，我们不妨先看看，谁已经把这个“局”攒起来了。