蚂蚁灵波全栈大脑2.0发布，定义具身智能新范式

背景

2024年7月9日，中国具身智能公司蚂蚁灵波科技（Ant Lingbot Technology）发布了其最新升级的“全栈大脑2.0”系列模型，包括世界模型LingBot-World 2.0（Infinity）、视觉模型LingBot-Video、空间模型LingBot-Depth2.0以及具身模型LingBot-VLA2.0。这些模型覆盖了视觉、动作、操作以及物理预测等多个方向，旨在为具身智能机器人提供更强大的“大脑”能力。发布后，这些模型迅速登上海外开发者社区（Reddit、X、Hugging Face）的热榜，被国外科技博主和开发者评价为“相当惊艳”，成为中国AI创新力量在全球具身智能领域的一次标志性事件。

核心内容

本次发布的核心是“全栈大脑2.0”模型系列，主要包括以下几个部分：

1. 世界模型 LingBot-World 2.0（Infinity）

该模型能够生成长达一小时、画质零衰减的连续视频内容，且画面达到720p/60fps的高清流畅度。其最大特点是解决了长视频生成中常见的结构失真问题。更关键的是，该模型构建了一个符合物理规律、支持多人多机交互的虚拟仿真环境。用户可以通过键盘实时操控角色在赛博朋克风格的城市中施法、战斗，实现“像游戏一样可玩”的实时反馈。海外开发者已利用该模型跑出游戏实时互动效果。

2. 具身视频生成模型 LingBot-Video

该模型同样获得了海外赞誉。知名AI博主AK在推文中指出：“Hour-long generation with zero quality drift——这是目前所有开源模型中唯一做到的。”这意味着它不仅能用于游戏或影视预演，更能作为具身智能的“无限训练场”：机器人可在其中反复演练复杂任务，如穿越废墟、应对突发灾害，而无需担心画面失真导致学习偏差。

3. 空间模型 LingBot-Depth2.0

此次开源的LingBot-Depth2.0获得了行业赞誉。来自Agility Robotics、前Meta、NVIDIA的具身智能从业者评价：“Depth models like this are going to be incredibly valuable for spatial understanding（空间模型正在为空间理解带来难以置信的价值）。”

4. 全栈大脑2.0的意义

蚂蚁灵波全栈大脑2.0被视为具身智能行业的“基础设施”。传统的机器人训练受限于物理环境的采集成本，而LingBot-World 2.0等模型构建了一个符合物理规律、支持多人多机交互的虚拟仿真环境。机器人可以在这个无限演化的数字世界中低成本地进行海量试错与技能学习——无论是应对突发天气还是复杂地形，都能先在“脑内”演练。

关键要点

• 世界模型LingBot-World 2.0（Infinity）：可生成长达一小时、720p/60fps的高清连续视频，画质零衰减，解决了长视频的结构失真问题。具备实时交互能力，用户可通过键盘实时操控角色。
• 具身视频生成模型LingBot-Video：唯一实现“一小时生成且零质量漂移”的开源模型，可作为机器人的无限训练场。
• 空间模型LingBot-Depth2.0：受到Agility、前Meta、NVIDIA从业者的高度评价，被认为对空间理解具有巨大价值。
• 全栈大脑2.0的定位：作为具身智能的“基础设施”，提供低成本、高保真的虚拟仿真环境，支持机器人进行海量试错与技能学习。
• 海外反响：模型发布即登上X社交平台科技热榜，在Reddit、X、Hugging Face等国际平台被网友称为“相当惊艳”，多位知名博主（如AK）点赞。

意义与影响

蚂蚁灵波全栈大脑2.0的发布，不仅展示了中国在具身智能领域的顶尖实力，更通过降低使用门槛，为全球具身智能的发展提供了强大的“模拟器”与“加速器”。具体而言：

• 降低机器人训练成本：传统机器人训练依赖物理环境，成本高、效率低。通过虚拟仿真环境，机器人可以无限次试错，极大加速技能学习。
• 推动具身智能范式创新：首次实现了长视频零衰减、实时交互的仿真能力，被国际社群认可为“原生范式”的突破。
• 加速开源生态建设：模型全部开源，降低了全球开发者进入具身智能领域的门槛，有助于形成更广泛的协作与创新。
• 标志中国AI出海新阶段：此次事件说明中国在具身智能这一前沿领域已具备与国际一流水平竞争甚至引领的能力，获得海外开发者自发传播和认可。

总之，蚂蚁灵波全栈大脑2.0不仅是一款技术产品，更可能成为具身智能从实验室走向大规模应用的关键节点。