文｜孙静
2026 年，具身智能赛道最活跃的大厂名单中，一定少不了蚂蚁。
截至 9 月 15 日，蚂蚁集团至少有 8 起公开披露的投资动作，且多起为「领投」身份。除了继续押注机器人本体，蚂蚁的兴趣点明显开始向数据、模型等上游环节移动。
另一条线，旗下具身智能公司「蚂蚁灵波」明确聚焦机器人通用大脑：7 月初连发 6 款具身模型，拼建「全栈大脑」雏形，并持续向产业链上下游延伸，连接越来越多的机器人本体、数据和应用伙伴。
无论是从时间维度梳理蚂蚁的对外投资节奏，还是从产业链角度拆解其落子方向，一些原本分散的动作，正在拼出一张越来越清晰的「抢位」图谱。
在物理 AI 即将带来的产业重构中，蚂蚁究竟想占据什么位置？
01
一张越来越密的产业投资版图
从时间线来看，早在蚂蚁集团 2025 年初明确 AI 战略方向之前，其对具身智能的下注就已经开始了。
有蚂蚁研发人员向我们透露，2024 年下半年，管理层提出一个判断——具身智能一定要做，不做未来肯定会落后，而且赶都赶不上。「至于未来的终局会是什么样，大家还看不清。」
彼时，GPT-4o 等多模态大模型的突破、特斯拉人形机器人 Optimus 的量产路线图，以及国内机器人本体的飞速进展，一步步打开了具身智能的想象空间。
蚂蚁选择的是双线下注：自研 + 外部投资，两条路线几乎同步推进——
2024 年 9 月，蚂蚁旗下的上海云玚企业管理咨询有限公司领投了初创公司星海图 Pre-A 轮，先押「本体 + 大脑」早期玩家；3 个月后，蚂蚁灵波在上海成立，团队早期成员大多来自支付宝。
单看投资版图，蚂蚁的出手逻辑应该是沿着产业发展节奏，从下游一路向上游迁移。
2025 年，具身智能行业的关键词是「本体能力进阶」，蚂蚁的投资方向明显聚焦于机器人本体 + 核心零部件：2 月追投星海图，4 月领投绳驱人形机器人厂商星尘智能，5 月入股明星公司宇树科技，6 月投资关节模组头部钛虎机器人以及灵巧手头部灵心巧手，9 月投资仿人机器人首形科技，11 月追投星尘智能……
从逻辑来看，物理 AI 将是一个广泛覆盖家庭、工业、商业等多场景的生态系统，投资机器人硬件，既可为潜在的生态合作铺路，也能分享头部公司的成长红利——尤其是核心零部件厂商，他们作为产业链上的「卖铲人」，商业价值与产业规模呈现正相关，不像机器人本体公司，还要在场景落地中验证商业化。
2025 年底至 2026 年初，具身智能来到量产落地阶段，但「智能」不足制约了机器人的泛化能力，也卡住了规模化落地的上限。行业急需「补脑」，真实世界数据和技术底座成了最关键、价值最高的环节。
映射到蚂蚁的投资中，今年以来其密集投资的是世界模型、数据采集与生成类公司：如 2 月投资做世界模型的大晓机器人；5 月投资专攻物理 AI 数据与评测基础设施的光轮智能、机器视觉解决方案商零零无限科技；6 月，投资高精度多模态数据与评测基础设施公司简智机器人；7 月投资通用智能初创公司自然意志；8 月，投资做触觉数据的戴盟机器人、世界模型公司逆矩阵科技，9 月，入股物理 AI 解决方案提供商厘清智能……
其间，蚂蚁还投资了家庭消费级小型人形机器人公司乐享科技。
至此，蚂蚁在具身智能产业链的布局浮出水面：从本体、零部件到数据基础设施和技术底座，多层下注，在每层的关键技术节点都占一个位置。
国内大厂投资具身，或侧重产业链终端，寻求与自身业务场景的结合；或意在「引流」，为自家云计算和 AI 基础设施储备客户。底层思路还是为既有生态赋能。相较之下，蚂蚁其实没有什么「历史包袱」，它的核心业务支付宝是数字经济的基础设施，线下场景较浅。
理论上，蚂蚁有机会在具身智能赛道构建一张全新版图。
这或许可以解释，蚂蚁灵波为什么定位于自研具身通用大脑，为什么基础模型一上来就做开源，为什么今年 7 月亮相的首个落地案例展示的是「一脑多机」协作——乐聚、星海图、蚂蚁灵波 R-2 三种不同机器人同时在国大药房内执行任务。
此前在世界人工智能大会亮相的蚂蚁灵波机器人药房
图源：蚂蚁集团官网
蚂蚁看中的还是平台生态，是在 AI 时代成为物理 AI 基础设施的一张入场券。
公开信息显示，蚂蚁灵波基座模型 LingBot-VLA 2.0 已适配 17 家厂商、20 多种机器人构型，是业内支持本体种类最多的开源 VLA 模型之一。值得注意的是，部分适配厂商同时出现在蚂蚁的被投公司名单之列，如星海图、宇树、星辰智能等。
这种「生态结盟」策略在科技史上屡见不鲜。看到微软在前沿技术上的短板，CEO 萨提亚 · 纳德拉曾提出一个思路：通过投资那些有可能代表未来 AI 发展方向的技术和项目来补齐微软的 AI 布局。2019 年微软以 10 亿美元入股 OpenAI。这一关键决策，后来让 Azure 成了 OpenAI 的独家云服务商，行业竞争力大幅拉升。
以此反观蚂蚁，其对具身产业链的投资，既是双线押注的核心策略之一，也是在为自研的通用大脑和「一脑多机」的落地路线铺路。
02
打通离机器人落地最关键的卡点？
上述双线策略能否相辅相成，关键在于蚂蚁灵波的表现。
「一脑多机」的底层，是基座模型的泛化能力。在工业界人士看来，泛化是机器人部署成本下降、效率提升的必备能力。
宇树科技创始人王兴兴此前在世界机器人大会上也指出，泛化能力不足，是行业最大的发展瓶颈，也是机器人无法大规模进厂干活的原因。
泛化能力也是具身大脑公司们希望突破的方向。
做具身基座模型研究，预训练阶段投入很高，不仅是算力、数据成本，还有多技术路线齐头并进带来的资源分散风险。而大厂在资源组织上有天然优势，选择向本体厂商和伙伴输出基模能力的模式也算顺理成章。
前述蚂蚁灵波研发人员透露，团队内通用大脑研发人员目前已有 100 多人，今年的工作重点是打磨通用大脑和数据。
由于行业尚处于早期，技术路线远未收敛，蚂蚁灵波在多条技术路线上尝试和验证，基座模型从去年的 1 个，拓展到到今年的 6 个，分别是面向空间感知的 LingBot-Vision 和 LingBot-Depth 2.0，面向「一脑多机」的动作模型 LingBot-VLA 2.0，面向实时交互的 LingBot-World 2.0，以及面向更高推理效率的视频生成基模 LingBot-Video。
▲ LingBot-Video 在 RBench 评测上领先
至于未来最适合机器人的基座模型长什么样，行业目前没法给出一个标准。所以蚂蚁灵波目前一面持续补齐具身原生能力，一面以开源形式让外部开发者一起来用起来，共同来改善模型。
一名来自大湾区国家技术创新中心的算法工程师同《降噪 NoNoise》交流时提到，就他目前的测试体验来看，蚂蚁灵波无论在模型规模还是开源友好性上，都还是比较领先的。
一些制造业企业也在密切关注蚂蚁灵波的进展。在世界机器人大会上，某机床制造厂的软件工程师告诉我们，他们正在评估机器人进厂的可能性，并且之前已经同智元的代理商沟通过。但由于执行新任务就需要重新训练机器人模型，从数据采集和训练、软件开发、平台、机器人本体，一整套配置下来，成本高达两三百万元。
这让机床厂开始研究与具身「通用大脑」企业的合作空间。「通用」意味着模型能力能够跨本体复用，开发成本理论上应该能降低一些。该工程师径直找到蚂蚁灵波的工作人员，咨询合作的可能性。
不过，只有当相同场景任务下后训练数据成本指数级下降，让行业客户看到机器人的效率远比人高，这个产业才能大规模落地的可能性。
根据蚂蚁灵波此前的对外分享，未来的商业化形式除了向本土公司输出基座模型，也可能向其他模型公司提供相关能力。这或许源自新的行业共识：VLA 或世界模型可能都不是终局，未来有可能出现一个高度适配物理世界的新范式。而蚂蚁灵波的最终目标应该是基模中的基模；另一方面，在做通用大脑中沉淀下来的数据等能力可以工具链形式输出给同行。
▲外滩大会上灵波科技的 R1 机器人展示厨房作业功能
图源：蚂蚁集团官网
通用大脑们所面临的挑战也是双重的：一是能力上限，二是成本效率。这两个挑战都需要长期蓄力。蚂蚁灵波近期传出对外融资的消息，估计与这个行业现实有一定关联。毕竟大厂就算有「余粮」，也要考虑到内部分配的优先级问题。
具身智能行业同这个行业里的机器人一样，均处于「自进化」的早期。目前可见的是，蚂蚁正在构建一个结构化的产业布局——通过一边发力通用大脑，一边投资产业链关键节点，为「大脑」施展能力创造生态协同，最终打通机器人落地的最重要卡点。
顺利的话，蚂蚁将离成为机器人时代的基础设施更近一步。这将是一个在支付宝、在健康医疗之外，有望长成平台级业务的新机遇。
推荐阅读
登录后才可以发布评论哦
打开小程序可以发布评论哦