机器人打拳跳舞火了一年，它什么时候才能替我们上班？ 前段时间宇树发布人形机器人格斗演示，称首次实现由世界模型实时驱动的全自主搏击。据其介绍，UnifoLM-X2-1.0 能实时预测未来状态，完成规划、决策和动态交互。 自主格斗让我们看到机器人临场反应的进步，但如果换成在药房里取放商品这样的场景，另一组难题又来了：包装各异的药品、有人走动的货架通道、长时间运行中不断出现的意外。 这些日常任务，需要机器人把一次次判断变成持续、可靠的工作。 APPSO 在 2026 外滩大会现场跟蚂蚁灵波 CEO 朱兴进行了交流。聊到机器人为什么连小卖部都还没大规模落地，他直言：「小卖部其实也很难落地。我懂你的焦虑，今天还是能力和成本两个都有问题。」 与许多围绕整机产品展开研发的本体厂商不同，灵波把重心放在具身「大脑」上，希望同一套基础模型能够适配不同构型、不同任务，再通过后训练降低具体场景的使用门槛。重载作业和轻量分拣可以用不同的身体，智能则尽可能复用。 生成可交互世界的 LingBot-World 也是灵波技术探索的一部分。它还训练了面向具身的视频生成基座 LingBot-Video，并在此基础上训练动作模型 LingBot-VLA 2.0，同时建设数据管线、后训练和部署工具。 朱兴关心的是，这些投入能否让机器人用更少的数据学会干活。 我们在外滩大会上，也看到灵波大脑的机器人展示了药品拣选、物流分拣和工业上下料等操作。药房演示中的货架通道仅 80 厘米宽，相关方案已在国大药房零售门店部署。 灵波也保留了自己的 R 系列本体，用于研发和生活服务探索。做具身大脑，仍然得与硬件、具体场景一起磨合。 在现场交流中，朱兴谈了不少尚未解决的问题：小模型能完成特定任务，为什么还要花钱训练基模？数据越多，效果为什么可能越差？商业化又该推进到哪一步？ 对于日常生活中产生的数据，他的判断很有意思：今天的机器人还吃不了「粗粮」。 以下内容整理自蚂蚁灵波 CEO 朱兴的媒体沟通会，APPSO 略经编辑。 一、小卖部，也没那么容易 Q：药房、上下料看起来都很普通。为什么不选一些更能体现技术水平的场景？ 朱兴： 我...
本文转载自 爱范儿，仅供学习交流。查看原文
