超200家企业齐聚WAIC：具身智能在非共识中，看见门后“薛定谔的猫”

一扇不透明的门后面，蹲着一只猫。

对数字世界里的AI来说，这只猫的存在早已写进代码，是看得见的。但是在机器人的物理视觉来看，猫在打开门前是看不见的，甚至是“不存在的”。

这便是具身智能时代的“薛定谔的猫”。上海蚂蚁灵波首席科学家沈宇军用“开门见猫”的例子，道破具身智能与数字AI的区别。

2026世界人工智能大会（WAIC）期间，“具身智能”已经成为场馆内最炙手可热的标签，聚集了超200家企业参展。从技术路线、数据破局到真机验证，WAIC不仅集中呈现国内完整的具身产业链，还在不同的技术路线“非共识”中找出具身智能突破的最大公约数。

寻找大脑的更优解

过去两三年，机器人本体进步飞快，能走会跳，比画武术也不在话下，但行业重点正从“身体”转向“大脑”。

目前，多数机器人还停留在“一机一脑”，本体和场景变了，就得重新采数据甚至从头训练。业内普遍认为，具身智能的下半场，要看谁能拿出一套通用可迭代的具身大脑。

不过，具身智能行业仍处于早期阶段，大脑的技术路线尚未收敛。行业主流的技术路线分为两派：一种是“视觉—语言—动作”（VLA），机器人把看到的多模态内容转变成文字，再通过理解文字转化成动作执行。另一种是“视觉—动作”（VA），机器人直接理解多模态内容，并直接预判下一步的动作，省去了中间的文字转换环节。

VLA路线成熟，多模态理解语言精准，且推理算力较少，商用成本更低，因此成为行业主流，但是蚂蚁灵波团队意识到，多模态模型本身在预测方面有欠缺，不利于机器人在真实世界干活。“比如看到杯子在桌子边缘，很多机器人不会预料到杯子会摔下来，而这一点对人类来说轻而易举。”沈宇军表示，今年，蚂蚁灵波发布并迭代VA模型，补充了动态建模功能，让模型对未来“心里有数”。

在WAIC展台上，蚂蚁灵波展示了刚发布的“全栈大脑2.0”，六款模型覆盖感知、预测到执行整条链路。

视觉基座模型LingBot-Vision和空间感知模型LingBot-Depth 2.0负责“看”，让机器人识别边界、判断距离，在透明、反光等复杂环境中也能“看得清”。具身基座模型LingBot-VLA 2.0负责听懂指令、生成动作，实时交互世界模型LingBot-World 2.0和视频生成基础模型LingBot-Video学习世界如何随时间和动作发生变化。最关键的是，具身原生世界动作模型LingBot-VA 2.0把世界预测和动作生成打通，让机器人边推演、边行动。

蚂蚁灵波“全栈大脑2.0”。

那么，VA是不是具身大脑的终点？沈宇军并不十分肯定，“VLA和VA 两条路线不一定非此即彼，未来可能会把VA和VLA结合到一起的更好的模型，达到‘1+1>2’的效果，但如何结合，我们也在探索之中。”

智元联合创始人、总裁兼首席技术官彭志辉也有同感：“目前，行业对具身大脑的技术路径尚未收敛，两三年可能就会出现新架构，很难预判技术的唯一答案。”

在数据中找平衡

谈及具身智能，数据是绕不开的话题。大语言模型靠的是海量互联网文本数据，但具身智能需要抓取、搬运、装配、力控、视觉感知这类真实交互数据，传统数据服务商难以满足。

具身数据短缺，已成行业规模化的最大瓶颈之一。

事实上，具身数据也主要分为两类：真机数据采集价格贵但贴近真实，仿真数据便宜但泛化性低，而且与物理世界有差距。

为了弥补真机数据采集难题，上海觅蜂科技推出无本体采集硬件MEgo系列，该系列以“人”为核心，通过头戴与腕部双视角设备和二指夹爪，实现“随行即采”，普通人即可完成高质量数据采集，大幅降低采集门槛与成本。二指夹爪用红外主动光和视觉导航（vSLAM）融合定位，轨迹还原精度做到1毫米，配合亚毫秒级时间同步，让视觉、触觉、姿态多模态数据精准对齐。

觅蜂科技无本体采集硬件MEgo系列。

按照规划，觅蜂将在今年实现千万小时级数据产能，2030年冲刺百亿小时数据体量，补齐具身智能产业的数据基建短板。“无本体采集数据的上量速度比遥操机器人快得多，短短半年，就有不少公司的数采量达到10万小时量级。”沈宇军告诉记者。

但真机数据也有软肋。上海松应科技创始人聂凯旋算过一笔账：机械臂每抓一次都有磨损，一次有效交互数据成本超2元，还有碰撞、跌落容易伤设备。更头疼的是长尾场景数据极度匮乏，比如金属高光反射、异形件意外跌落、零部件公差累积等场景出现概率小于1%，真机采集几乎无法捕捉，具身模型就会卡在“1%”的小概率事件中。

为此，松应科技引入了一套混合体系，其中包含10%真机数据、80%仿真合成数据和10%微调数据。

结果显示，仿真合成数据成本降低90%，单条有效交互数据成本降至0.2元以下。此外，模拟环境到现实世界（Sim2Real）迁移成功率提升至85%，长尾场景覆盖率达 99%，就连产线试错风险也随之降低70%。

今年WAIC期间，松应科技还将物理AI操作系统ORCA OS拓展应用在“陆空全域协同”，即在同一数字工厂场景中，人形机器人、四足机器人、无人机共同完成巡检、搬运、异常处理，让具身智能从“单体”往“群体”演进。

松应科技仿真合成数据生成与测试通过权威认证。

开源凝聚行业共识

“过去两年，具身智能硬件进展非常快，但大脑的进展还是偏慢。”蚂蚁灵波CEO朱兴告诉记者。他借用自动驾驶的经验说明：用户日常行车行为可以沉淀为路测数据，同样的逻辑放到机器人身上，只要更多人参与行业共建，智能涌现就会很快到来。

无论是数据还是模型，具身智能仍存在大量的“非共识”，为了更快凝聚产业共识，开源正在成为行业主流选择。

今年，智元推出人工智能机器架构（AIMA）开源生态技术体系，涵盖开源操作系统“灵渠OS”、内容创作平台“灵创”、交互智能体构建平台“灵心”以及一站式开发平台“精灵工作站（Genie Studio）”，同期启动20亿元的“元苼”生态发展计划支持开发者。

蚂蚁灵波也宣布新一代具身基座模型LingBot-VLA 2.0全面开源，预训练数据集总量达6万小时，包含5万小时多机型高质量真机数据和1万小时第一视角人类操作精炼数据。其中，觅蜂科技提供了大量标准化、高质量真机数据，帮助模型完成预训练与迭代优化。

不仅是模型开源，本体与模型的合作也在加速。傅利叶与世界模型极佳视界按“本体+模型+数据平台”一体化思路联手，共建面向真实世界的“具身操作大脑”，将落地场景拓展至康养、医疗、生产、服务、教学、实训、科研等领域。

蚂蚁灵波最新模型也适配乐聚、智元、宇树、银河通用等机器人厂商的20余种机器人构型，覆盖单臂、双臂、双足和轮式等形态，并支持头部、腰部、末端执行器及移动底盘等全身自由度。“在预训练阶段，我们就‘喂饱’了数据，机器人本体在后训练阶段的成本可以显著减少，普通开发者的试错成本也随之降低。”朱兴表示。

原标题：《超200家企业齐聚WAIC：具身智能在非共识中，看见门后“薛定谔的猫”》