新芒xAI 7月8日消息，蚂蚁灵波科技宣布升级并开源新一代具身基座模型 LingBot-VLA 2.0。作为今年 1 月开源版本 LingBot-VLA 1.0 的全面升级，LingBot-VLA 2.0 在预训练阶段融入 6 万小时高质量真实物理数据，覆盖 17 个主流机器人品牌的 20 多种机器人构型。
此次升级还扩展了模型对头部、腰部、末端执行器及移动底盘等自由度的支持。按发布口径，LingBot-VLA 2.0 在构型泛化、自由度支持和落地效率等方面实现提升，目标是降低不同机器人平台接入具身智能模型的门槛。
具身智能正在从“单机演示”转向“多构型泛化”。如果一个 VLA 模型只能适配少数机器人硬件，应用范围会非常有限；如果能覆盖更多品牌和构型，就更接近成为机器人行业的通用基础设施。
关键要点
第一，真实物理数据成为模型升级核心。LingBot-VLA 2.0 融入 6 万小时高质量真实物理数据，这类数据直接影响机器人对场景、动作和反馈的理解能力，也是具身模型区别于纯文本或图像模型的重要变量。
第二，多构型支持降低落地门槛。覆盖 17 个主流机器人品牌、20 多种机器人构型，意味着模型不再只服务于单一硬件平台。对开发者和机器人厂商来说，多构型适配可以减少重复训练和迁移成本。
第三，自由度扩展提升任务空间。头部、腰部、末端执行器和移动底盘等自由度，决定机器人能否完成更复杂的观察、移动和操作任务。模型对这些自由度支持越好，真实场景落地空间越大。
第四，开源策略有助于扩大生态。具身智能仍处于早期阶段，开源模型可以吸引更多开发者、机器人厂商和研究团队参与适配与验证，从而提升模型迭代速度。
新芒xAI评论
新芒xAI认为，LingBot-VLA 2.0 的重点不只是“又一个开源模型”，而是具身智能基础模型正在向跨硬件、跨任务、跨场景的通用平台演进。机器人产业过去长期受制于硬件碎片化和场景定制化，一个模型如果能真正适配多种构型，就会显著改善开发效率。
不过，开源和多构型支持只是第一步。具身模型最终要接受真实场景检验，包括稳定性、安全性、长尾任务处理、低成本部署和持续学习能力。谁能把模型能力转化为工厂、仓储、家庭、服务业中的可重复任务，谁才有机会在物理 AI 时代获得长期价值。
