VLA从实验室走向真实场景
VLA（视觉-语言-动作）是2026年具身智能领域最受关注的技术路线之一。英伟达、Physical Intelligence等公司相继推出新模型，行业逐渐形成共识：机器人要进入开放环境，视觉理解、语言指令和动作生成必须整合在同一个框架中。
但当机器人从实验室搬到现实场景，桌子高度变了、物体位置偏了、换一台本体又得重新适配，不少VLA Demo能在特定条件下跑通，距离稳定执行、跨本体泛化和低成本部署仍有明显差距。
20种本体全身自由度 6万小时数据
蚂蚁灵波今天正式发布LingBot-VLA 2.0，这是继上一代之后的新一代具身基座模型。与上代相比，此次版本的核心突破在于“一脑多机”——支持17家厂商的20种机器人构型，涵盖单臂、双臂、轮式、双足等多种形态，并将动作范围从机械臂扩展到头部、腰部、末端执行器和移动底盘等全身自由度。
数据层面，团队从9万小时数据中清洗出5万小时高质量真机数据，并从2万小时第一视角人类操作数据中提炼1万小时有效数据，预训练数据总量达到6万小时。架构层面，模型引入MoE（混合专家）来处理多本体异构数据的差异，让通用能力与本体特性在同一架构中被同时建模。
同时加入未来预测能力，使模型在生成动作时不仅能理解当前画面，还能预判任务状态的演化——以整理冰箱为例，模型需要连续完成移动、开门、抓取、放置等多个环节，未来预测有助于减少中途偏移和中断。
空间感知方面，模型集成了自家LingBot-Depth的能力，通过双查询蒸馏框架从两个教师模型中学习：LingBot-Depth提供几何监督，让模型获得深度和空间结构信息；DINO-Video提供带因果时序的视频表征，帮助理解状态和空间关系如何随时间演化。
多项基准领先竞品从Demo到工程链路
在上海交通大学GM-100评测体系中，LingBot-VLA 2.0在AgileX Cobot Magic和Galaxea R1 Pro两个双臂平台上的平均任务进度分和成功率均领先GR00T N1.7和π0.5。在移动能力测试中，基于方舟机械臂加松灵底盘、以及星尘智能Astribot S1两类构型，与π0.5进行初步对比，模型在长程移动操作任务中的任务进度分和成功率同样保持领先，并在跨域场景中维持优势。
蚂蚁灵波延续了上代的开源策略，一次性开放模型权重、训练代码与技术报告，开发者可在Hugging Face和魔搭社区获取。同步开源的高效后训练版本，在RTX 4090上推理耗时控制在130毫秒以内，降低了新任务、新场景、新本体的适配成本。
行业意义：跨本体VLA走向工程化
LingBot-VLA 2.0的技术路线反映了一个趋势：跨本体VLA的落地，不只需要更大的模型，更需要数据工程、统一表示、稀疏架构、时空监督和后训练体系的共同支撑。过去判断一个VLA模型的价值，常看它能否完成某个单点任务；而现在，判断标准正在转向它背后是否有一套可扩展、可复现、可部署的完整链路。
通用具身大脑的能力，最终要在不同机器人本体和真实场景任务中反复验证。跨本体VLA的继续演进，靠的正是这些决定模型能否真正跑起来的底层环节。
对开发者和行业用户而言，一个模型通吃20种本体意味着部署周期从数月压缩到数周甚至更短，这套开源体系有望降低具身智能的入局门槛，让更多中小团队参与到跨本体机器人的应用开发中来。