螞蟻靈波擬募資15億，“具身大腦”的吸引力在提升？

文 | 一刻商業，作者 | 麥卡 ，編輯 | 以安

具身智能的牌桌上，螞蟻決定把關鍵的一張牌拿出來單獨定價。

據晚點LatePost報道，螞蟻集團旗下具身智能公司“螞蟻靈波”已確認啟動首輪獨立融資，擬募資15億元人民幣，目標在今年年底完成二輪融資。

15億元的首輪體量，放在國內具身智能“大腦層”賽道是重量級起步，若如期完成，投后估值可能邁入獨角獸門檻。

對此，螞蟻靈波回應，確實在跟投資人接觸，螞蟻靈波作為螞蟻在具身領域的核心布局，將持續聚焦通用機器人大腦，加大對具身原生技術路線的投入，加速產業落地。

外界對螞蟻靈波或許還比較陌生。這家公司2024年12月才成立，由螞蟻集團全資控股。它講的故事也很“新”：做一家“具身大腦”公司，不生產任何機器人硬件，而是打造能適配全品類機器人的通用大腦。

在螞蟻的業務版圖里，這是唯一一家面向物理世界的公司——支付、信貸、AI應用，螞蟻過去的所有生意都發生在數字世界，而靈波是它伸向物理世界的第一只手。

讓這樣一家公司獨立融資，等于螞蟻把“從數字世界躍遷到物理世界”這張船票，拿到市場上公開詢價。

它值不值一個獨角獸，要回答這個問題，得先看清三件事：機器人“大腦”這門生意為什么突然被資本瘋搶，螞蟻靈波的身體和場景從哪里來，以及，這門早期生意面前還橫著哪些坎。

1、造“具身大腦”，故事夠性感嗎？

從“身體競賽”到“大腦競賽，具身智能行業正在發生一次重要轉向。

現在業界對機器人系統的劃分已經很清晰：最上層的“大腦”負責感知理解和任務規劃，中間的“小腦”管運動控制，最底層的“本體”負責動作執行。

前兩年的爆發式發展，把硬件本體卷成了紅海。最典型的例子，是宇樹科技把雙足人形機器人的價格打到了3萬元以內，還開放現貨銷售。

“身體”不再稀缺后，決定機器人能做什么、能做多好的核心變量，從機械結構轉向了“大腦”。

資本的投票更直接。量子位統計，2026年上半年，國內具身智能賽道融資約438億元，但錢的流向出現了結構性變化。“大腦派”公司吸納222.53億元，占比高達50.8%；而以機器人本體為核心的“本體派”公司同期融資僅占12.8%。

更值得驚訝的是，35家大腦派公司里，20家還停在種子輪到Pre-A輪，沒有一家融到C輪。但融資量級早就越級了：Pre-A輪平均7億元、B輪平均22.5億元——放在其他領域，這是C、D輪的水平。

大腦層的生意更像軟件行業——高毛利、可規模復制、邊際成本遞減。雖然行業還在早期，但資本已經開始將這類玩家類比為“機器人領域的OpenAI”，來支撐定價。

海外的價簽已經掛出來了。Physical Intelligence今年3月傳出洽談新一輪融資，估值目標超110億美元；Skild AI今年1月完成約14億美元融資，估值超140億美元，距離上一輪僅7個月，估值翻了三倍。

螞蟻靈波正是國內“大腦派”的典型代表。不過，做大腦先要回答一個技術問題：走哪條路線？

行業當前有兩條主線在爭。一條是端到端VLA，機器人看到什么，直接輸出動作，中間不做世界推演；另一條是世界模型，先在“腦子里”構建物理世界的表征，預演動作后果，再挑最優動作執行。

據不完整統計，兩條路線同時押注的，只有7家，螞蟻靈波是其中之一。

先看VLA這條線。LingBot-VLA 2.0今年7月發布并全面開源，最大的看點在數據：預訓練用了6萬小時高質量物理數據，其中5萬小時真機數據是從9萬小時原始數據里清洗出來的，另外1萬小時從2萬小時第一視角人類操作視頻中提煉。

具身智能和大語言模型不同，在互聯網上沒有現成的“物理經驗”可爬，需要依賴真機數據采集，數據質量直接決定模型的天花板。靈波能拿出這個量級的真機數據，無疑是一筆重投入。

LingBot-VLA 2.0適配的機器人，圖/螞蟻靈波公眾號

再看世界模型這條線。這一賽道普遍“慢”是行業共識，推演一次要幾十毫秒甚至上百毫秒，跟不上真實世界的節奏。據靈波公布的數據，LingBot-VA 2.0把“想一步”的時間壓到了6.7毫秒。

作為參照，LingBot-VLA 2.0在RTX 4090上的單次推理延遲約為130毫秒。不過目前的這些數據是基于仿真環境基準測試，目前還沒有大規模驗證數據。

值得注意的是，雙線并行解決的是“決策”問題，但機器人要在真實物理世界里可靠地工作，還需要感知輸入、環境推演和空間記憶這些前置與支撐能力，所以靈波還相應地布局了Vision、Depth、Map、Video、World等模型。

當然，雙線并行最終還是要收攏的。螞蟻靈波首席科學家沈宇軍曾明確表示，不必過于糾結技術路線之爭，“未來不是VA或者VLA的天下，一定會出現1+1>2的新模型”。所以，靈波今天押兩條線，賭的不是哪條線贏，而是融合發生時自己在兩邊都握有籌碼。

2、身體從哪來，場景有多少？

大腦層的企業，繞不開一個現實問題：身體從哪里來？

這類公司如果不跟本體廠商合作，模型就永遠停在仿真環境里“紙上談兵”。

騰訊首席科學家張正友曾表示，“中國機器人硬件供應鏈已具備較強制造能力，騰訊更適合發揮AI、云計算和軟件平臺優勢”，因此騰訊選擇不造本體、只做大腦。千訣科技創始人肖海默則提到，“與本體廠商形成專業分工”，是更快到達未來的方式。

螞蟻靈波的路子一樣，它用自研機器人做過技術驗證，如2025年9月的R-1，今年WAIC上的R-2，但落地重心還是放在第三方身上，核心是要證明：自己研發出來的“大腦”可以跨平臺適配。

這件事的難度被低估了。不同廠商的機器人，通信協議、數據格式、控制接口完全沒有統一標準，每接一家都要重做底層適配。螞蟻靈波為此投入了大量工程資源，目前的成績單是：LingBot-VLA 2.0已適配宇樹、智元、銀河通用、樂聚等17個機器人品牌的20多種構型，覆蓋單臂、雙臂、雙足、輪式。

合作最深的是樂聚機器人。樂聚作為核心數據伙伴，為LingBot-VLA提供了近萬小時高質量多模態真機數據；樂聚的KUAVO人形機器人則搭載靈波的模型，共同探索“大腦”與本體的協同方式。數據閉環跑通后，雙方已經把合作推進到了真實商業場景。

在國大藥房上海門店，用戶在線上下單后，三臺不同品牌、不同構型的機器人在同一套LingBot-VLA 2.0驅動下自主分工，連續完成接單、取貨、交付。

圖/螞蟻靈波公眾號

據公開信息，機器人能在超過150種藥品中識別目標藥盒、抓取并送回，單次任務平均不到3分鐘。關鍵是，門店沒有為機器人重做貨架、軌道或封閉作業區。

與此同時，零售分揀、物流分揀、工業柔性作業等場景的測試，靈波也在推進。

機器人大腦的競賽，歸根到底是數據規模的較量。行業對具身數據量的認知，正在不斷往上提升，誰掌握了最大規模的高質量物理世界數據，誰就掌握了具身智能時代的入場券。

對螞蟻靈波來說，場景和伙伴的密度，最終決定數據回流的規模。這是它最不能松勁的一環。

3、螞蟻的這張牌，好打嗎？

熱鬧歸熱鬧，這仍是一門早期生意。

從“能干活”到“規模化商用”，中間還橫著多重門檻。

機器人前空翻、720度回旋踢的視頻滿天飛，但拿起一個杯子、擰開一個瓶蓋，需要視覺、力覺、觸覺的毫秒級協同，難度遠超翻跟頭；實驗室平地上的動作，到了有凹凸、有油污的工廠地面，算法穩定性就會斷崖式下跌。

真實數據稀缺、跨本體接口不統一、后訓練成本高，每一項都沒有標準答案。

客戶那邊還有一本經濟賬。企業會算兩筆賬：把環境改造成機器人看得懂的樣子，要多少錢；讓機器人看懂沒改造過的環境，又要多少錢。此外，通用機器人的壽命、維護成本和停線損失，還沒到能大規模替代人工的程度。

按行業節奏算，螞蟻靈波至少要陪行業走完一輪“定義標準-驗證場景-規模復制”的周期，保守估計3到5年。

螞蟻靈波自己也有短板要補。它的商業化依賴第三方本體，但頭部本體廠商都在自研大腦，靈波必須在技術上強到不可替代；硬件從來不是螞蟻的強項，大量軟硬件協同的工程打磨躲不掉；雙線并進還意味著雙倍燒錢——技術上有道理，財務上很“肉疼”。

但它手里的牌，也確實比大多數玩家好。

一是場景。零售、物流、本地生活，這些螞蟻已有卡位的領域，就是現成的落地通道。

二是融資信用背書。據媒體報道，融資正式啟動前，已有投資機構主動上門，WAIC期間甚至有投資人直接跑到靈波展臺表達意向。

至于為什么獨立融資，也有現實考量。螞蟻集團內部，百靈大模型、AI支付、螞蟻阿福等核心AI業務已經吃掉巨大算力，集團預算承壓。把具身業務推出去獨立融資，一來能補充外部彈藥，二來也是把它放到市場上進行定價。

那么，這只獨角獸到底值不值？

拆開看，15億元和獨角獸估值，市場買的其實是一張期權——賭“通用大腦”這門生意能跑通，也賭螞蟻靈波能成為跑通的那一個。

而這張期權要兌現，考驗比看起來更具體。

適配17個品牌、20多種構型，證明靈波解決了“接得上”的問題；但目前的泛化成績主要來自仿真基準，換一副陌生身體、進一個沒訓練過的真實場景還能不能打，還沒有大規模真機數據來回答。

與此同時，模型開源能換來聲量，卻換不回數據，靈波必須把場景試點做成規模化部署，讓每次真實作業都給模型“攢經驗”，否則6萬小時的數據領先會被時間抹平。

靈波終究要從“背靠螞蟻的一個具身項目”長成行業公認的平臺，這次獨立融資本身就是第一關考試。

它需要用市場化的標準證明自己，而不只是做螞蟻戰略版圖上的一枚棋子。