机器人打拳、跳舞的视频在网络上走红一年后，人们开始追问：它们何时能真正走进职场，替人类分担工作？近期，宇树科技发布的人形机器人格斗演示引发关注，其宣称首次实现由世界模型实时驱动的全自主搏击。据介绍，这款名为UnifoLM-X2-1.0的机器人能实时预测未来状态，完成规划、决策和动态交互，展现了机器人在临场反应方面的显著进步。然而，当场景从格斗擂台转向药房货架时，新的挑战随之浮现：如何让机器人在复杂环境中持续、可靠地完成取放商品等日常任务？
在2026外滩大会现场，蚂蚁灵波CEO朱兴坦言，机器人进入小卖部等日常场景的难度被低估了。他指出，当前机器人技术仍面临能力和成本双重瓶颈。以药房为例，货架通道仅80厘米宽，药品包装各异，且需应对人员走动等动态因素。这些场景要求机器人将单次判断转化为持续、稳定的工作流程，而现有技术尚难以完全满足这一需求。朱兴表示，灵波选择将研发重心放在具身“大脑”上，希望通过一套基础模型适配不同构型的机器人，降低具体场景的使用门槛。
灵波的技术探索包括构建可交互世界的LingBot-World、训练面向具身的视频生成基座LingBot-Video，并在此基础上开发动作模型LingBot-VLA 2.0。同时，公司还致力于建设数据管线、后训练和部署工具，以提升机器人利用数据学习的效率。在外滩大会上，搭载灵波“大脑”的机器人展示了药品拣选、物流分拣和工业上下料等操作，其中药房方案已部署于国大药房零售门店。朱兴强调，做具身大脑仍需与硬件和具体场景深度磨合，灵波保留的R系列本体即用于此类研发探索。
针对机器人技术落地的关键问题，朱兴在媒体沟通会上分享了多项观点。他指出，当前机器人模型仍处于“冷启动”阶段，类似将小学生培养为大学生的过程。现阶段规模化落地的环境不宜过于开放，任务也不宜过长程，否则异常情况会显著增加。对于“为何不专注训练小模型”的疑问，他解释称，基模的价值在于提升后训练的少样本表现，即用更少的数据达到同等效果，或用同等数据实现更好效果。这种泛化能力是跨场景、跨任务复制的关键。
在数据利用方面，朱兴认为不能盲目追求数据量，而需关注质量和分布。他透露，灵波已转向定制化数据采集，通过优化作业流程和端到端数据管线，将数据可用率从15%提升至90%以上。对于第一人称视角的数据采集，他看好结合高精度触觉手套的方案，认为其能解决裸手采集的精度问题。针对不同数据源的配比，他提出应分阶段处理：预训练阶段侧重场景泛化，后训练阶段则需贴近机器人具体任务的真实数据。
关于机器人构型的未来趋势，朱兴认为不必执着于人形。他指出，生产力场景中，重载作业和轻量分拣对硬件配置的需求截然不同；家庭场景中，用户需求也呈现多样化。因此，具身智能技术应更关注创造社会价值，而非局限于特定构型。对于“大模型公司入场是否会颠覆行业”的疑问，他以自动驾驶为例，强调数据理解、数据管线等核心壁垒的重要性，认为通用大模型可作为工具支持，但无法完全解决具身领域的数据挑战。
在商业化路径上，朱兴表示灵波不会为追求收入数字而过度推进，但也不会回避商业化。他认为，付费的商业化过程能检验技术真实性，帮助团队沉淀能力。对于行业何时能实现突破，他预测未来一两年内，生产力应用规模可能快速增长，同时期待后训练成本能指数级下降。当被问及具身智能是否会有“ChatGPT时刻”时，他回应称技术爆发难以预期，但强调“交互闭环”的规模比单纯模型能力更重要。
当前，购买生产力机器人仍需用户付出额外精力：教学、监控、处理异常等情况屡见不鲜。朱兴认为，机器人需在相对安全的场景中先承担部分工作，以实现“学习与工作并行”。但他同时强调，训练成本不应完全转嫁给用户，异常数据回流的价值在于让后续机器人减少重复错误。对于家庭场景，他指出机器人需证明自身带来的帮助超过所需照顾，才能真正被接受。最终，用户是否买单，取决于技术能否实现“无需干预”的核心诉求。
