蚂蚁灵波发布LingBot-VA 2.0，行业首个具身原生世界动作模型亮相

事件概述

2026年7月10日，蚂蚁灵波发布业界首个具身原生世界动作模型LingBot-VA 2.0。该模型不再依赖数字世界模型能力的“嫁接”，而是从动态建模、因果预测、实时执行等与环境交互的原始需求出发进行原生设计，代表了具身智能发展的一种关键路线选择。

核心设计

LingBot-VA 2.0基于自回归架构从头预训练，包含四大核心设计：

• 语义视觉-动作分词器（Tokenizer）：全新视觉编码器，在视觉压缩过程中对齐语义与动作信息，提升指令跟随与动作精度。
• 严格因果预训练范式：训练全程使用自回归架构，确保视觉预测和动作生成遵循单向时间顺序。
• MoE架构：在不牺牲推理效率的前提下扩大模型容量，平衡性能与效率。
• 增强异步推理机制：实现实时闭环控制，机器人执行动作的同时预测未来状态，并利用最新真实观测校正下一步决策。

基于上述设计，LingBot-VA 2.0在真机测试中展现出单卡150Hz的实时推理效率，解决了行业普遍面临的具身世界模型执行效率低的问题；在不依赖外部拍摄设备的情况下即可完成与人类的多轮随机对打测试。

本周系列发布

本周蚂蚁灵波已连续发布并开源多款模型：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、面向更高推理效率的视频生成基模LingBot-Video。LingBot-VA 2.0作为集大成者扮演收官之作，正式开启具身原生新阶段。

后续规划

蚂蚁灵波CEO朱兴表示将持续探索具身智能新上限，并加速构建开放的技术生态和场景生态，助力机器人走向产业场景。蚂蚁灵波将在7月17日至20日举办的2026世界人工智能大会（WAIC）上全面展示全栈大脑2.0落地场景能力。