在2026年外滩大会上，具身智能成为备受瞩目的焦点话题。然而，蚂蚁灵波科技CEO朱兴在接受采访时却持谨慎态度，他认为具身智能目前仍处于冷启动阶段，要实现真正落地，能力和成本是两大必须跨越的门槛，同时数据分布与质量的重要性远超单纯的数据堆砌。
朱兴指出，当前具身智能在模型能力、硬件稳定性以及成本约束等方面存在诸多问题，这使得许多应用场景难以企及。他以自动驾驶的发展历程作类比，从L1到L4等级的自动驾驶技术历经多年走走停停，具身智能同样需要经历一个发展周期。在可落地场景方面，存在明显边界，环境不能过于开放，任务也不能过于长程，因为主流的模仿学习方法在面对异常情况时表现欠佳。成本则是一个充分条件，如果无法实现盈利，长期发展将难以为继。不过，他也预计，在今年下半年到明后年期间，在任务复杂度较低的场景中，具身智能的生产力应用将会迎来量级增长。
数据在具身智能的发展中占据着关键地位，在采访中被频繁提及。有从业者表示，数据采集过程中有高达90%的数据可能是无效的。朱兴认为，场景过度重复的数据意义不大，以自动驾驶为例，每天收集上来的大量数据，更多只是增加了存储成本，关键在于如何获取真正需要的数据。灵波科技较早便放弃了购买成品数据的方式，转而采用定制化采集策略。先由模型训练定义需求，进行试采并形成标准操作流程（SOP），再交给供应商大规模采集。通过这种方式，从原始数据到进入训练环节，可用率从15%左右大幅提升至90%以上。朱兴强调，不能仅仅机械地追求数据量达到千万小时甚至亿小时，数据的质量和分布才是重中之重，分布更是模型厂商的核心竞争力。他还提到，仿真在模型的中后期训练中具有一定价值，但在预训练阶段不能过度依赖；互联网视频适合用于预训练的泛化，而越到后期训练，越需要贴近机器人的实际情况。Ego数据思想虽好，但头环加上裸手轨迹存在精度问题，未来结合高精度便携触觉手套将是重要发展方向。
在模型路线选择上，朱兴并不认同具身智能是数字智能简单嫁接的观点。他举例说明，可灵、万相、Sora等是优秀的数字世界模型，能够满足好看、创新、特效等需求；但机器人需要的是合理、符合物理规律且实时高性能的模型。比如，矿泉水在天空跳舞后落到手上，虽然画面好看，但不符合物理规律，对于机器人来说没有实际意义。灵波科技早期基于通用视频生成模型进行微调，后来转向原生研发，发布了LingBot - Video，并训练了LingBot - VA 2.0，近期还开源了小尺寸版本，希望将单向因果训练等技术贡献给社区。
对于具身智能领域的竞争格局，朱兴判断，当前该领域就像大模型“百模大战”初期一样，竞争激烈且分散，但未来必然会走向收敛，基座公司不需要太多家。灵波科技选择了具有更高上限的发展路线，其优势体现在训练规模、原生基模和数据管线等方面。在关于本体与大脑的争论中，朱兴持较为中立的观点，他认为研发需要软硬一体。灵波科技的R系列机器人承载着研发和生活服务探索的任务，但公司的核心是输出闭源基模和工具链，帮助生态伙伴进行后训练、数据采集清洗、端侧部署以及真机强化学习等工作。在工业、物流等出货场景方面，灵波科技选择不涉足，而是愿意与集成交付方展开合作。朱兴表示：“机器人属于非标产品，如果灵波科技自己去做，能做多少家呢？为什么不让生态伙伴一起参与呢？”
当谈及独立融资问题时，朱兴表示，灵波科技进行独立融资并非因为缺钱，而是出于人才激励和公司治理的需要，通过融资让公司能够更高效地应对市场竞争。在场景选择上，如药房、仓储、上下料等场景，与蚂蚁的生活服务战略紧密相关。以药房场景为例，白天外卖高峰会占用药师大量时间，夜间情况更为棘手，而机器人可以辅助药师工作，并非打造无人药房。药房场景中SKU丰富且需要与人接触，这对人机安全、抓取泛化等技术提出了要求，同时也是进入家庭场景的应用前哨。
朱兴强调，行业要实现长远发展，需要保持耐心。灵波科技不会急于通过炫酷的演示来证明自己，而是更看重真实的落地应用、数据的产生以及模型的迭代循环。他认为，具身智能的“ChatGPT时刻”终会到来，但具体时间无法预判。在他看来，ChatGPT的成功关键在于“Chat”，即交互性，而非单纯的“GPT”技术；具身智能下一步也需要发展到一定规模，形成完整的闭环。
