新京报贝壳财经讯（记者罗亦丹）7月10日，蚂蚁模型蚂蚁灵波正式发布业界首个具身原生世界动作模型——LingBot-VA 2.0。灵波

今年以来，发布世界模型与具身智能的行业深度融合已成为行业焦点。当前主流技术路线多依赖面向数字内容创作的首个世界视频生成模型，并通过微调适配机器人控制任务。具身然而，原生内容创作与机器人控制的动作核心诉求存在本质差异，强行将前者适配为后者往往导致知识遗忘及泛化能力下降等副作用。蚂蚁模型

针对这一痛点，灵波LingBot-VA 2.0选择了一条更具挑战性的发布技术路径——基于自回归架构从零开始预训练，并通过四大核心设计构建原生基模：

1. 语义视觉-动作分词器（Tokenizer）：作为全新的行业视觉编码器，该设计在视觉压缩过程中实现了语义与动作信息的首个世界精准对齐，显著提升了模型将“理解指令”转化为“完成动作”的具身能力，从而优化指令跟随效果并提高动作精度。原生
2. 严格的因果预训练范式：模型自训练伊始即采用自回归架构，确保视觉预测与动作生成严格遵循单向时间顺序，保障了逻辑的一致性。
3. MoE（混合专家）架构引入：在不牺牲推理效率的前提下，有效扩大了模型容量，实现了性能与效率的最佳平衡。
4. 增强型异步推理机制：支持实时闭环控制，使机器人在执行动作的同时能够预测未来状态，并利用最新的真实观测数据不断校正下一步决策。

基于上述创新设计，LingBot-VA 2.0有效解决了行业普遍面临的具身世界模型执行效率低下的难题，实现了单卡150Hz的实时推理效率。

得益于具身原生架构的优势，LingBot-VA 2.0在真机测试中展现了卓越的执行速度与泛化能力。蚂蚁灵波CEO朱兴表示，灵波将持续探索具身智能的技术上限，同时加速构建开放的技术生态与场景生态，推动机器人技术加速落地产业场景。

编辑 杨娟娟

校对 赵琳