蚂蚁灵波啃下硬骨头拿下具身智能最难的 “最后一厘米”

作者：簪竹文章来源：投中网

2026-11-13 14:50

作者：簪竹文章来源：投中网

2026-11-13 14:50

邦小白快读

全文速览

总：这篇文章的核心干货是蚂蚁灵波发布全球首个通用触觉基础模型LingBot-Touch，补齐机器人手碰到物体之后的最后一厘米能力。

1. 通用大模型能帮机器人理解任务，但精细物理控制仍不够，高精度控制、动态控制或复杂双臂配合明显吃力。

2. 实测数据亮眼：26项真机测试中，四种动作模型接入LingBot-Touch后平均任务成功率提升约14到26个百分点；拧瓶盖从56.25%提升到90%。

3. 模型很轻，完成全部测试的只是约530万参数的轻量版，接入后总规模只增加约0.13%到0.16%，提升不是靠堆参数。

4. 已开源，技术报告、代码和模型权重同步开放，项目主页、GitHub、Hugging Face均已上线。

5. 灵波从1月LingBot 1.0、7月LingBot 2.0一路走到触觉模型，逐步补齐空间感知、世界预测、指令理解与动作生成、触觉四道能力。

总：文章对品牌商的价值集中在技术路线选择、产品研发和生态品牌建设。

1. 产品研发上，灵波从基于Qwen后训练的嫁接路线，转向自研预训练的具身原生路线，说明核心能力要自己掌握；触觉模型让机器人摸得更灵敏，是精细操作产品差异化的关键。

2. 品牌生态上，灵波没有把LingBot-Touch锁在自家生态，而是开源技术报告、代码和模型权重，作为开放的行业基础能力推出，联合乐聚、钛虎等本体厂商和国大药房、隆盛等场景伙伴做商业化测试，形成生态影响力。

3. 趋势判断上，CEO朱兴认为通用大模型与具身模型是1+1>2的协同关系，但前提是两边都得是完整的1，如果具身一侧只是插件，算式只能写成1+0.x。这为品牌商的产品定位和合作策略提供参考。

总：文章给卖家指出具身智能领域的机会、合作方式和风险提示。

1. 机会方面，零售分拣、物流分拣、工业装配等场景已开展商业化测试，触觉模型开源降低技术门槛，不同硬件和动作模型团队都能从通用触觉能力出发开发产品。

2. 合作方式上，灵波与乐聚、钛虎等本体厂商，国大药房、隆盛等场景伙伴，简智科技等数据伙伴共建标准化数据体系，卖家可关注这类生态合作入口。

3. 风险提示上，通用大模型在物理控制上两极分化，语义理解任务泛化好，高精度控制、动态控制或复杂双臂配合明显吃力；仿真行走测试中机器人走30秒要调用模型250次、每次平均近40秒，真实世界不会为模型暂停。

4. 可学习点是灵波从嫁接转向自研预训练，说明核心能力要自主，不能只做通用大模型的适配层。

总：文章对工厂的产品设计、商业机会和数字化启示有几点干货。

1. 产品设计需求上，目前没有哪一种传感器能在精细程度、反应速度、覆盖面积和成本上同时占优，磁触觉、视触觉和压阻式三类主流传感原理将并行发展，灵巧手厂商可根据需要选择方案。

2. 商业机会上，LingBot-Touch兼容不同传感器、不同灵巧手和不同动作模型，把不同信号统一为触觉Token，工厂积累的触觉数据可转化为通用能力；灵波已与乐聚、钛虎等本体厂商合作，工业装配是商业化测试场景之一。

3. 数字化启示上，约530万参数的轻量版接入四种动作模型后，平均任务成功率提升约14到26个百分点，说明提升靠高质量真实触觉数据而非堆参数；代码和模型权重开源，也方便工厂二次开发。

总：文章点出具身智能行业的技术趋势、客户痛点和可用的解决方案。

1. 行业趋势上，通用大模型进入物理世界，但物理控制仍有差距，具身原生模型成为补齐闭环操作的关键，触觉感知是新的能力拼图。

2. 客户痛点很具体：机器人手碰到物体后，视觉被手指挡住几乎失灵，拧瓶盖时同样的手腕转角可能是瓶盖动了也可能是手指打滑，需要分辨极小的接触位置变化、重量分布等。

3. 解决方案是LingBot-Touch，基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类传感原理，把不同信号统一为同一套触觉表征，供不同灵巧手和动作模型使用；26项真机测试中四种动作模型接入后成功率提升约14到26个百分点，拧瓶盖达90%。

4. 技术报告、代码和模型权重已开源，服务商可将其作为服务客户的技术底座。

总：文章对平台商的启示主要在开放生态、行业基础能力和风向判断。

1. 平台做法上，灵波把LingBot-Touch的技术报告、代码和模型权重同步开源，项目主页、GitHub、Hugging Face均已上线，把它作为一层开放的行业基础能力推出去，而不是锁在自家生态的产品。

2. 生态运营上，灵波联合乐聚、钛虎等本体厂商，国大药房、隆盛等场景伙伴，以及简智科技等数据伙伴，共建标准化数据体系，覆盖零售分拣、物流分拣、工业装配，形成多方参与的生态。

3. 风向规避上，文章提醒通用大模型不能直接解决物理控制，若具身一侧只是通用大模型的插件，算式只能写成1+0.x；平台商布局具身智能需重视物理数据和原生模型能力，同时看到通用大模型与具身模型是1+1>2的协同关系。

总：文章提供了具身智能产业的新动向、技术路线和新问题。

1. 产业新动向：蚂蚁灵波发布全球首个通用触觉基础模型LingBot-Touch，坚持具身原生路线，从1月LingBot 1.0、7月LingBot 2.0到触觉模型，形成模型家族，补齐机器人第四道鸿沟。

2. 技术细节：LingBot-Touch基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，将不同信号统一为触觉Token表征；约530万参数轻量版接入四种动作模型后，平均任务成功率提升约14到26个百分点。

3. 新问题与理论：文章提出机器人四道鸿沟，即空间感知、世界预测、指令理解和动作生成、触觉；CEO朱兴提出通用大模型与具身模型是1+1>2的协同关系，但前提是两边都是完整的1，并以自动驾驶领域作类比。

4. 开源的技术报告、代码和模型权重可供进一步研究。

声明：快读内容全程由AI生成，请注意甄别信息。如您发现问题，请发送邮件至 run@ebrun.com 。

我是品牌商卖家工厂服务商平台商研究者帮我再读一遍。

Quick Summary

Summary: The core takeaway is that Ant Lingbo has released LingBot-Touch, the world's first general-purpose tactile foundation model, closing the last-centimeter gap after a robotic hand makes contact with an object.

1. General foundation models can help robots understand tasks, but fine-grained physical control remains insufficient; high-precision control, dynamic control, and complex dual-arm coordination are notably difficult.

2. Real-world results are strong: across 26 real-machine tests, four action models integrated with LingBot-Touch improved average task success rate by about 14 to 26 percentage points; bottle-cap unscrewing rose from 56.25% to 90%.

3. The model is lightweight: the version completing all tests had only about 5.3 million parameters; integration increased total model size by only about 0.13% to 0.16%, so the gains did not come from scaling parameters.

4. It has been open-sourced: the technical report, code, and model weights were released simultaneously, with the project page, GitHub, and Hugging Face all live.

5. Lingbo progressed from LingBot 1.0 in January and LingBot 2.0 in July to the tactile model, progressively covering four capabilities: spatial perception, world prediction, instruction understanding and action generation, and touch.

Summary: The article's value for brands centers on technology-route selection, product R&D, and ecosystem brand building.

1. On product R&D, Lingbo shifted from a grafted route based on post-training Qwen to a self-developed, pretrained embodied-native route, indicating that core capabilities must be owned in-house; the tactile model makes robots more sensitive to touch and is key to differentiating fine-manipulation products.

2. On brand ecosystem, Lingbo did not lock LingBot-Touch within its own ecosystem; instead, it open-sourced the technical report, code, and model weights and launched the model as an open industry foundation capability. It partnered with robot-body manufacturers such as Leju and Tihu and scenario partners such as Guoda Pharmacy and Longsheng for commercial testing, building ecosystem influence.

3. On trend judgment, CEO Zhu Xing argues that general foundation models and embodied models have a 1+1>2 synergy, but only if both sides are each a complete 1; if the embodied side is merely a plug-in, the equation can only be written as 1+0.x. This provides a reference for brands' product positioning and partnership strategy.

Summary: The article identifies opportunities, partnership approaches, and risk warnings for sellers in embodied intelligence.

1. On opportunities, commercial testing has begun in scenarios such as retail sorting, logistics sorting, and industrial assembly. Open-sourcing the tactile model lowers the technical barrier, allowing teams with different hardware and action models to develop products starting from general tactile capabilities.

2. On partnership approaches, Lingbo is building a standardized data system with robot-body manufacturers such as Leju and Tihu, scenario partners such as Guoda Pharmacy and Longsheng, and data partners such as Jianzhi Technology; sellers can watch these ecosystem partnership entry points.

3. On risks, general foundation models are polarized in physical control: they generalize well on semantic understanding tasks, but high-precision control, dynamic control, and complex dual-arm coordination are notably difficult. In simulated walking tests, a robot walking for 30 seconds required 250 model calls, each averaging nearly 40 seconds; the real world will not pause for the model.

4. The lesson is that Lingbo's shift from grafting to self-developed pretraining shows core capabilities must be independent, not merely an adaptation layer for general foundation models.

Summary: The article offers practical takeaways for factories on product design, business opportunities, and digitalization.

1. On product design requirements, no single sensor currently leads simultaneously in precision, response speed, coverage area, and cost. The three mainstream sensing principles—magnetic tactile, visual tactile, and piezoresistive—will develop in parallel, and dexterous-hand makers can choose solutions as needed.

2. On business opportunities, LingBot-Touch is compatible with different sensors, dexterous hands, and action models, unifying different signals into tactile tokens; tactile data accumulated by factories can be converted into general capabilities. Lingbo has partnered with robot-body manufacturers such as Leju and Tihu, and industrial assembly is one of the commercial test scenarios.

3. On digitalization, the lightweight version with about 5.3 million parameters, after integration with four action models, improved average task success rate by about 14 to 26 percentage points, showing that gains depend on high-quality real tactile data rather than parameter stacking. Open-sourced code and model weights also facilitate secondary development by factories.

Summary: The article identifies technology trends, customer pain points, and available solutions in the embodied intelligence industry.

1. On industry trends, general foundation models are entering the physical world, but physical control still lags. Embodied-native models are key to closing the loop on manipulation, and tactile perception is the new piece of the capability puzzle.

2. Customer pain points are concrete: once a robotic hand contacts an object, vision is largely blocked by the fingers and becomes almost ineffective. When unscrewing a bottle cap, the same wrist rotation may mean the cap moved or the fingers slipped, requiring discrimination of extremely small changes in contact position and weight distribution.

3. The solution is LingBot-Touch, pretrained on nearly 5,000 hours of real tactile data and covering three mainstream sensing principles—magnetic tactile, visual tactile, and piezoresistive. It unifies different signals into one tactile representation for different dexterous hands and action models. In 26 real-machine tests, four action models improved success rate by about 14 to 26 percentage points after integration, with bottle-cap unscrewing reaching 90%.

4. The technical report, code, and model weights have been open-sourced, and service providers can use them as a technology foundation for serving clients.

Summary: The article's implications for platforms mainly concern open ecosystems, industry foundation capabilities, and trend judgment.

1. On platform approach, Lingbo simultaneously open-sourced LingBot-Touch's technical report, code, and model weights, with the project page, GitHub, and Hugging Face all live. It positioned the model as an open layer of industry foundation capability rather than a product locked within its own ecosystem.

2. On ecosystem operation, Lingbo partnered with robot-body manufacturers such as Leju and Tihu, scenario partners such as Guoda Pharmacy and Longsheng, and data partners such as Jianzhi Technology to build a standardized data system covering retail sorting, logistics sorting, and industrial assembly, forming a multi-stakeholder ecosystem.

3. On trend risk, the article warns that general foundation models cannot directly solve physical control; if the embodied side is merely a plug-in for a general foundation model, the equation can only be written as 1+0.x. When platforms move into embodied intelligence, they must prioritize physical data and native model capabilities, while recognizing the 1+1>2 synergy between general foundation models and embodied models.

Summary: The article provides new developments, technical routes, and new questions for the embodied intelligence industry.

1. Industry development: Ant Lingbo released LingBot-Touch, the world's first general-purpose tactile foundation model, adhering to an embodied-native route. From LingBot 1.0 in January and LingBot 2.0 in July to the tactile model, it has formed a model family and closed the fourth gap for robots.

2. Technical details: LingBot-Touch is pretrained on nearly 5,000 hours of real tactile data, covers three mainstream sensing principles—magnetic tactile, visual tactile, and piezoresistive—and unifies different signals into tactile token representations. The lightweight version with about 5.3 million parameters, after integration with four action models, improved average task success rate by about 14 to 26 percentage points.

3. New questions and theory: The article proposes four gaps for robots: spatial perception, world prediction, instruction understanding and action generation, and touch. CEO Zhu Xing proposes that general foundation models and embodied models have a 1+1>2 synergy, but only if both sides are each a complete 1; he draws an analogy with autonomous driving.

4. The open-sourced technical report, code, and model weights are available for further research.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

物理世界的那部分智能，只能靠物理世界的数据来学。

通用大模型进入物理世界的速度，比很多人预想的要快。

第一个高潮发生在9月，源于GPT-6 Astra的发布。它被OpenAI称为“世界上最好的计算机使用模型”，因为它不再局限于文本交互，而是能像人一样直接操作软件来完成复杂工作流。

很快就有研究团队把它接到了机器人身上做测试。在RoboDojo的42项操作任务中，GPT-6 Astra没有针对这些任务做任何微调，综合得分就超过了榜单上全部40个公开动作策略。

北京时间11月10日凌晨，Anthropic发布Claude Fable 5.2，同样从未专门接受过机器人训练，在机器人仿真测试RoboDojo Sim中，Fable 5.2成功率从上一代的27.6%跃升至64.9%。在真机演示中，它还操控机械臂拧开了瓶盖、复原了魔方。

巧的是，在Fable 5.2发布的同一天里，蚂蚁灵波也发布了一款具身基础模型LingBot-Touch。这是全球范围内首个真正意义上的通用触觉基础模型，也是灵波一直在走的“具身原生”技术路线上，又补全了一块能力拼图。

两款通用模型在具身领域的超预期表现，让行业开始讨论，是不是通用大模型的底层推理和规划能力，也能直接迁移到物理控制任务中，用在机器人身上。

实际上，要让数字世界模型来解决物理智能的问题，还是有不小的难度。GPT 6和Fable 5.2是数字世界模型，知识来自互联网上的文本和图像，它们解决的是“这件事是什么，该分几步做”的语义理解的问题。

但物理世界要求的是对具体的环境和情况作出反应。这导致物理智能的核心难点，往往发生在“手碰到物体之后”——在机器人的灵巧手触碰到物体的瞬间，下一刻的姿态和力道，要如何快速调整？

第三方评测已经显示出这种差距。Fable 5.2刚刚发布，更多检验还有待展开，但就在前面提到的那项RoboDojo评测里，研究者发现，GPT-6 Astra的能力“两极分化”：需要语义理解的任务泛化得很好，一涉及高精度控制、动态控制或复杂的双臂配合就明显吃力。

银河通用团队的系统评测结论也相近：通用大模型能做出有用的任务决策，但离可靠的物理控制还有差距。其中一项仿真行走测试里，机器人走30秒，要调用模型250次，每次平均耗时近40秒，仿真只能暂停等它算完。而真实世界不会为任何模型暂停。

对此，蚂蚁灵波CEO朱兴表示坦言，“以Claude Fable 5.2、GPT-6 Astra为代表的数字世界大语言模型进展，确实让机器人的复杂任务推理和物理操作能力更强，这一点我们很关注，也在积极吸收。但产业一线的实践告诉我们，要真正跑通操作闭环，物理操作泛化性这块硬骨头还是绕不开，很大程度上仍要靠具身基础模型自身的突破。”

如果说，通用大模型有助于增强对任务和环境的理解与推理，生于物理世界的原生模型，才是补齐物理感知与闭环操作能力闭环的最后一步。要想让机器人完成高精度的复杂操作，仅仅理解语义显然不够，还需要对距离和触觉的物理模态感知。

回到此次开源的LingBot-Touch，它是基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，可将不同信号转化为同一套触觉表征。这套能力，可以供不同灵巧手和动作模型使用，让机器人在“看得清楚、想得明白”的同时，进一步补齐精细操作所需的触觉感知。

在两款灵巧手上的26项真机测试中，四种动作模型接入LingBot-Touch后，平均任务成功率提升了约14到26个百分点。以T-Rex动作模型控制Sharpa Wave灵巧手拧瓶盖为例，不加触觉时成功率为56.25%；把传感器原始信号直接输入动作模型，只提高到62.5%；换上LingBot-Touch的触觉表征后，升到了90%。

完成全部26项测试的，只是一个约530万参数的轻量版本，接入LingBot-VLA、π0.5、T-Rex后，模型总规模只增加约0.13%到0.16%。也就是说，提升不是靠堆参数换来的；拧瓶盖的例子又说明，光把传感器接进来也不够，真正起作用的，是从真实接触数据里学来的“手感”。这种“手感”，没法从互联网上学到。

这背后是，灵波提出并坚持的“具身原生”的路线。这套技术路线的目的是，让物理智能有自己的“根”，在真实物理世界的场景中，匹配数据、感官和相应的预训练，而不只是嫁接在数字世界模型上的适配层。

此前，灵波的通用大脑已覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作。此次发布的LingBot-Touch，接入了LingBot-VLA模型，这让机器人感知能力得以延伸到指尖。

这一步，灵波要替物理智能的技术突破，啃下一块硬骨头。

“具身原生”之路

要理解这个新的触觉模型，要回到灵波的技术起点。

今年1月，蚂蚁灵波发布了首个通用机器人大脑LingBot 1.0。彼时，这套系统里的核心模型基于Qwen做后训练，那时候这是一个非常合理的选择，千问作为面向数字世界的通用大模型基座，具备强大的语言、图像与推理能力，把它“嫁接”到机器人上，是当时业内最主流的思路。

但很快，灵波团队在产业落地中意识到一件事，机器人要在真实世界里干活，光有数字世界的能力是不够的。当机器人从“看视频识物”走向“伸手拿杯子”，它需要的不只是识别物体是什么，还需要判断距离多远、位置在哪、抓多紧不会滑、拧多大力不会碎。这些能力，通用大模型的语料里没有，架构里也不天然具备。

于是，灵波做了一个在当时看来相当重的决定——启动自研预训练，把基座模型自己从头做一遍。

7月，灵波发布了LingBot 2.0"大脑全栈"。这一版最关键的跃迁是，灵波有了自己的预训练基模，并针对机器人在物理世界干活的需要，补齐了高精度空间感知和更注重物理规律合理性、真实机器人部署需求的能力，并通过LingBot-VA 2.0首次把“理解指令、完成动作、根据现实反馈实时调整”统一到了一个框架之下，这也是行业内首个真正意义上的具身原生世界动作模型。

也就是说，“嫁接”这条路，灵波自己走过；“具身原生”不是一句口号，而是从落地一线得出的结论。

此时，灵波通用大脑已经覆盖了高精度空间感知、高动态环境交互与可泛化灵巧操作三方面的能力，让机器人看得更清楚、想得更明白、干得更利索。

但当团队把机器人真正放进零售分拣、工业装配这些商业化测试场景时，第四道鸿沟浮出水面，那就是手碰到物体之后发生的事。

比如指尖夹起一枚玻璃弹珠，需要分辨极小的接触位置变化；手掌托住一个包裹，需要感知重量分布；拧瓶盖时，同样的手腕转角可能是瓶盖动了，也可能是手指打了滑。这些场景里，视觉是失灵的，因为接触点被手指挡住，画面看起来几乎一样，但物理世界已经发生了完全不同的事。

这就是灵波决定做触觉基础模型的直接原因。机器人身处真实物理世界，信息从传感器来，作用到环境中去，既要理解深度（Depth）这类空间感知信息，也要处理触觉、力觉、温度等接触感知模态。

所以，LingBot-Touch补齐的是触觉感知这一关键环节，增强机器人完成高难度灵巧操作所需的接触感知能力，让机器人“摸得更灵敏”。

让“触摸”的经验更通用

LingBot-Touch的一个重要特点是通用性，也就是说，这款模型可以兼容适配不同的传感器、不同的灵巧手、不同的动作模型和不同的下游任务，在各种各样的灵巧操作场景中，提供一个通用的接触感知模态底座。

这背后的产业背景是，目前还没有哪一种传感器能在精细程度、反应速度、覆盖面积和成本上同时占优。这意味着，短期内不同技术路线会并行发展，不同的灵巧手产品会根据需要，选用不同的传感器方案。

但是，如果每套动作模型，都要从原始读数开始学习，过去学到的经验就很难积累下来。这就是灵波想解决的问题，也就是让不同硬件在不同任务中积累的触觉经验，转化为可以通用、复用的基础能力。

LingBot-Touch的解决办法是，把这些不同的信号统一“翻译”成同一种语言，也就是触觉Token。如此一来，动作模型不用管信号来自哪种传感器，都能从中读出“手指碰在哪、受力多大、有没有滑动”等接触信息。

简单来说，通用触觉模型能让不同硬件采到的数据能够一起训练，学到的能力又让不同的机器人都用起来。

在LingBot-Touch的对照实验中，保留原有的磁触觉或视触觉数据，再加入其他类型的触觉数据共同训练，模型对接触位置、面积和受力变化的判断都有所改善。这给硬件厂商继续探索不同路线留下了空间，也让每一路硬件积累的数据有机会发挥更大的作用。

这带来很重要的远期产业价值。比如，做灵巧手的团队可以继续改进硬件，做动作模型的团队可以继续开发自己的策略，不同产业环节的玩家，都能从已有的接触感知能力出发，一起把投入到这只手翻页、拧盖、搬运物体上的训练中去。

值得一提的是，LingBot-Touch还发布了一份技术报告、代码和模型权重同步开源了，项目主页、GitHub、Hugging Face均已上线。这意味着，灵波并没有把它当作一款锁在自己生态里的产品，而是作为一层开放的行业基础能力推出去。

产业侧的生态合作也已在推进。目前，蚂蚁灵波已与乐聚、钛虎等本体厂商，以及国大药房、隆盛等场景伙伴开展商业化测试，覆盖零售分拣、物流分拣、工业装配等场景，并联合简智科技等数据伙伴共建标准化数据体系。

回到物理智能的“第一性”

回过头看，LingBot-Touch的发布并不是一次另起炉灶的新故事，而是灵波“具身原生”路线走到今天，必然要落下的那一子。

机器人需要知道物体在哪里、距离多远，需要预测动作会怎样改变环境，需要理解指令并生成动作，需要感知手与物体接触之后发生了什么，于是就有了一系列的LingBot模型家族。

这次发布的触觉模型，补齐的是机器人干活的第四道鸿沟，灵波通用大脑的能力版图，已经从“看得清楚、想得了明白、干得利索”，扩展到“摸得灵敏”——从空间感知、世界预测、指令理解和动作生成，到触觉这个“新感官”。

这背后是，灵波的技术路线一直有一个非常清晰的底层逻辑，遵循第一性原理，从机器人在物理世界完成任务时共同需要的信息出发，怎样设计模型、用什么数据训练。这也是蚂蚁灵波科技坚持具身原生核心主张，致力于打造跨构型的机器人行业通用大脑的核心考量。

“在我们的体会里，模态输入的质量很大程度上决定了动作输出的上限。”朱兴说，“未来不限于视觉、深度和触觉，我们还会持续丰富其他物理感知模态，为动作模型提供更高质量的输入。”

对于通用大模型和具身模型的关系，朱兴的判断是：“类似的情况在自动驾驶领域已经出现过：大模型让复杂场景的理解和推理明显增强，但车辆能否稳定行驶，仍离不开面向驾驶任务的闭环控制能力。在我们看来，两者更接近1+1>2的协同关系，将共同加速具身智能产业的成熟。”

1+1>2有个前提：两边都得是完整的“1”。通用大模型提高的是机器人能理解的任务复杂度上限，具身原生模型提高的是物理操作泛化性的上限。如果具身这一侧只是通用大模型的插件，这道算式就只能写成“1+0.x”。通用大模型越强，对另一个“1”的要求只会越高。

这条路看起来慢、看起来重，但恰恰是在通用大模型加速进入物理世界之后，它显示出了独特的价值：当所有人都在讨论“通用大模型能不能吃掉具身智能”的时候，灵波已经用一整年的时间证明了另一件事，“物理世界的那部分智能，只能靠物理世界的数据来学。”

注：文/簪竹，文章来源：投中网(公众号ID：China-Venture)，本文为作者独立观点，不代表亿邦动力立场。

【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com，我们将及时沟通与处理。

已点赞

好文章,值得被更多人看到

FAQ回顾

LingBot-Touch是什么？

LingBot-Touch是蚂蚁灵波发布的通用触觉基础模型，基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，可将不同信号转化为同一套触觉表征，供不同灵巧手和动作模型使用，补齐机器人精细操作所需的触觉感知能力。

具身智能为什么需要专门的触觉基础模型？

物理智能的核心难点常发生在“手碰到物体之后”，例如判断接触位置、受力大小和是否滑动；当接触点被手指挡住时，视觉可能失灵。通用大模型的语料和架构不天然具备这些接触感知能力，因此需要触觉基础模型补齐机器人精细灵巧操作中的接触感知环节。

通用大模型能替代具身原生模型吗？

不能完全替代。GPT-6 Astra、Claude Fable 5.2等数字世界模型能增强任务理解和推理，但在高精度控制、动态控制或复杂双臂配合上仍显吃力。通用大模型提高的是任务复杂度上限，具身原生模型提高的是物理操作泛化性上限，两者更接近1+1>2的协同关系，前提是具身一侧也是完整的“1”。

LingBot-Touch对灵巧操作成功率有什么提升？

在两款灵巧手26项真机测试中，四种动作模型接入LingBot-Touch后平均任务成功率提升约14到26个百分点。以T-Rex控制Sharpa Wave拧瓶盖为例，无触觉成功率56.25%，原始信号62.5%，接入触觉表征后达90%；约530万参数轻量版接入LingBot-VLA、π0.5、T-Rex，总规模仅增约0.13%到0.16%。