天脉资讯
财经快讯 价值公司 财经人物 IPO解读 热门赛道 经济解码 科技业界 文化艺术 消费零售 大燕公益 商业快讯

朱兴谈机器人落地:规模兑现未至 基模将多轮收敛

2026-11-17来源:天脉网编辑:瑞雪

具身智能正从仿真环境走向工厂、物流等真实场景,分拣、拆垛、物料搬运等作业开始由机器人承担,商业化试点也在提速。不过,跨硬件适配困难、行业标准缺位等问题同时存在,赛道竞争格局和玩家生存位置仍待观察。

11月16日,蚂蚁灵波具身大模型挑战赛在上海收官。蚂蚁灵波科技CEO朱兴在采访中表示,具身智能要走向规模化,模型能力只是底座,产业基础设施和理性判断需要先行。

在朱兴看来,数字大模型已经走过一轮完整产业路径:大量玩家进入,竞争后快速收敛。具身物理基础模型大概率会复制类似逻辑,但做物理世界的基础模型并不轻松,团队、数据Knowhow、训练与数据闭环Infra三重考验缺一不可,综合门槛很高。

他判断,具身智能行业明年会迎来第一波收敛,数据范式、评测Benchmark、技术路线和产业分工将逐步定型。收敛之后,产业才会进入加速阶段。不过,具身智能的周期会比自动驾驶更长,可能出现先收敛、再分裂、再收敛的往复过程。

短期看,行业比拼的是模型训练能力;中长期看,数据沉淀更为关键。朱兴认为,企业能否留在牌桌上,取决于穿越技术范式变迁的能力。无论技术范式、模型架构如何变化,研发团队、数据理解、底层基础设施这三项要素不会改变,企业要保证能快速跟上。放到国内具身产业,物理基础模型赛道不会容纳大量玩家,长期看3至5家会成为主要格局,灵波的目标是成为留下来的厂商之一。

在机器人本体路线上,宇树、智元等厂商选择自研VLA模型,并与自家硬件形成闭环。朱兴对此有不同判断:未来机器人本体构型不会走向大一统。重载作业与轻载分拣、固定工位与移动场景,需求天然不同,强求统一人形构型会推高成本,也难以规模化。机器人作为生产力工具,应当匹配差异化场景。

蚂蚁灵波长期坚持跨构型路线。模型要跨机器人身体、跨不同本体硬件,兼容夹爪、灵巧手、吸盘等末端执行器;感知层面要适配双目、结构光、被动相机,以及电磁、压阻等不同原理的触觉传感器。朱兴表示,打通多元感知信号来源、为机器人提供统一高质量输入,不是技术偏好,而是产业发展的客观需要。

近期,通用大模型做机器人大脑成为热点,不少观点期待明后年出现物理AI临界点。朱兴认为,大语言模型对机器人产业有巨大推动作用,但手段不能替代目的。机器人在物理世界作业,核心追求是成功率、泛化能力、响应速度和成本可控。大语言模型向下渗透,或具身原生模型向上迭代,只是路线差异,不必非黑即白争高下。

他提到,未来可能出现超级云端大脑,打通数字智能体和物理机器人智能体,但这不意味着直接把通用大模型拿来就能解决机器人全部实操难题。基模像把孩子培养成高中生,综合能力很强,但没骑过自行车,仍要反复练习。具身智能足够复杂,需要一轮轮技术发散再收敛,逐步逼近目标。

赛道热度高涨,朱兴反复提示理性。全球还没有任何一家企业找到具身智能明确的Scaling Law路径,哪一类数据的规模化能够触发模型智能涌现,仍待全行业探索。当前不存在万能的数据类型,互联网操作视频、第一视角Ego数据、UMI数据、真机数据、仿真数据分别适配模型不同训练周期。越靠近预训练,越是以人为中心的Scaling up数据更合适;越到具体任务落地,越接近真实任务、真实场景和机器人物理身体本身的数据,真机价值越大。

朱兴预计,从明年开始,产业应用落地会迎来一定规模加速,并带来具身智能模型迭代所需的闭环,包括异常数据回流,类似自动驾驶中的数据回流。他把这个过程比作小孩学走路,前面可能走得不稳,两条腿一起走会摔倒,因此不要盲目乐观,也不要过度悲观。

回看近一年,朱兴称模型虽未出现颠覆式质变,但实现了量级提升。数据采集方式、数据供给有所改变,模型能力在量级上有进展;去年工厂和物流试点还不多,复杂真机操作视频和demo也较少,如今这些内容每年都在变化。国内物理基础模型赛道不会涌现大量玩家,长期大概率只剩3至5家核心企业。参考大语言模型市场,具身赛道也会复刻类似路径,行业在明年之前迎来第一波收敛,灵波希望成为最终留存下来的厂商之一。

数据也不是越多越好。朱兴认为要科学上量,在没吃透数据质量与处理经验前盲目扩量,只会浪费资源。真正的数据需求由基础模型团队定义,模型厂商最清楚数据缺口和需要维持的多样性,这一核心能力并不掌握在供应链、本体或解决方案企业手中。