AI资讯

蚂蚁灵波 LingBot 系列模型进入全球具身智能技术底层:AMD 在 IFA 2026 用它演示个人 AI,斯坦福、英伟达、EPFL 也在用

来源极客公园查看原文

速览

  • AMD 在 IFA 2026 主舞台用 LingBot-World 2.0 演示实时生成可交互三维世界。
  • LingBot-World v2 在物体恒存测试中 DINO 相似度约 0.68,远超三个对比模型。
  • 斯坦福 OpenWAM 直接采用 LingBot-VA 架构作为世界-动作模型参考实现。
  • KAIST 团队用 LingBot-VLA 做教师模型,学生模型成功率提升 15.9 个百分点。
  • 独立开发者把 1.3B 版本在单张 RTX 5090 上优化到 16.1 帧每秒。
  • 英伟达与 AMD 同时把 LingBot 纳入自家生态,这在世界模型赛道少见。
  • SGLang、vLLM-Omni、LeRobot、timm、AWS Labs 均已适配 LingBot 系列。
  • EPFL 用 LingBot-Map 处理红海珊瑚礁水下视频,做流式三维重建。
  • 灵波走的是技术底座出海路线,而非应用产品出海。

极客公园梳理了蚂蚁集团旗下具身智能团队灵波科技(Robbyant)的 LingBot 系列模型在过去几个月里的落地情况。2026 年 9 月 4 日,AMD 高级副总裁 Jack Huynh 在 IFA 2026 开幕主题演讲中,用 LingBot-World 2.0 实时生成可交互三维世界,作为「个人 AI 时代」的核心演示。此后,LingBot 系列在学术、开源社区和产业工具链三个层面被广泛采用:斯坦福 OpenWAM 项目把 LingBot-VA 作为参考实现,KAIST 与成均馆大学用 LingBot-VLA 做教师模型,英伟达在 FlashDreams 中把 LingBot-World 列为三大官方集成模型之一,SGLang、vLLM-Omni、Hugging Face LeRobot、timm、AWS Labs 也相继适配。文章还提到 EPFL 的 DeepReefMap 项目用 LingBot-Map 做红海珊瑚礁三维重建。

关键事实

  • 2026 年 9 月 4 日,AMD 高级副总裁 Jack Huynh 在 IFA 2026 开幕演讲《个人 AI 时代:想象力的未来》中,用 LingBot-World 2.0 实时生成可交互三维世界。
  • 南洋理工大学、清华大学与普林斯顿大学联合团队测试中,LingBot-World v2 在对象找回与场景重访测试的 DINO 特征相似度约为 0.68,LongLive、Self-Forcing、Causal Forcing 约为 0.26。
  • 该团队基于灵波底座提出 DeCoPrune 方案,把历史缓存 token 砍掉 85%,生成速度提升四倍多,画面相似度仍保持 0.67。
  • 斯坦福大学视觉与学习实验室 10 月发布的 OpenWAM 项目,采用 LingBot-VA 的 Transformer 架构、文本编码器和分词器作为参考实现。
  • KAIST 与成均馆大学团队的 FastOPD 用 LingBot-VLA 作教师模型,监督约 4.51 亿参数的学生模型,单步推理平均成功率从 35.3% 提升到 51.2%,增加 15.9 个百分点。
  • 爱沙尼亚独立开发者 Kaarel Kaarelson 在 RTX 5090 上优化 LingBot-World 2.0 的 1.3B 版本,帧率从 6 帧每秒提升到 16.1 帧,速度提升 2.7 倍。

本站视角

这件事最直接的影响对象是三类人。第一,国内做具身智能和世界模型的团队:LingBot 被斯坦福 OpenWAM 当作参考实现、被英伟达称为「大规模工业级基线」,意味着后续论文和产品若不以它为对照,很难证明自己的方法有效。这既是压力也是机会——基于一个成熟底座做差异化,比从零搭架构更现实。第二,用 API 或开源模型做视频生成、三维重建的中小企业和独立开发者:1.3B 版本能在单张 RTX 5090 上跑到 16.1 帧每秒,Mac 端也有 MPS 移植和桌面封装,本地部署的门槛已经低到个人可承受,这会催生一批过去因算力成本做不了的产品形态。第三,云和芯片厂商的生态部门:SGLang Day 0 Support、LeRobot 核心版本、AWS EC2 默认路径,这些适配一旦形成惯性,后来者要替换的成本很高。 我们的判断是:这是一次实质性的生态进展,而非营销包装。理由有三。其一,证据分散且可交叉验证——学术论文的基线数据、独立开发者的 GitHub 提交、芯片厂商的官方集成、云厂商的默认部署路径,这些不是一家公司能同时安排的。其二,英伟达与 AMD 这对宿敌同时接纳一个中国团队的模型,在世界模型赛道极为罕见,说明其工程完成度确实到了可用的水平。其三,EPFL 把它用于红海珊瑚礁重建,属于完全超出具身智能射程的用法,这是开源模型生态影响力的典型信号。 需要观察的是:文章通篇来自极客公园的单方面梳理,AMD、英伟达、斯坦福等方的表述均为转述,未见原始出处链接;WBench 质量分 81.22「位居同类第一」的说法也只有 AMD 单方评测背书,benchmark 本身的公信力有待验证。另外,IFA 演示的「实时生成可交互三维世界」在展台环境下的分辨率、延迟、持续时长等关键指标均未披露,实际体验与演示效果可能存在差距。对国内团队而言,LingBot 成为「度量衡」是好事,但也意味着如果生态过度集中于单一底座,后续的路线多样性可能被压缩——这一点值得持续跟踪。

背景与影响

灵波科技(Robbyant)是蚂蚁集团旗下的具身智能团队,LingBot 是其模型系列,覆盖世界模型(LingBot-World)、视觉-语言-动作模型(LingBot-VLA)、世界-动作模型(LingBot-VA)、空间重建(LingBot-Map)和视觉骨干(LingBot-Vision)。世界模型赛道的核心难题之一是物体恒存:镜头离开物体再转回时,模型能否还原它。这直接决定生成世界的连续性和可用性。过去这类能力多停留在论文演示,此次在消费电子展主舞台以高完成度实时运行,是该赛道少见的公开亮相。产业层面,英伟达有自研 Cosmos 系列并投资 World Labs 的竞争对手,AMD 则投资了 World Labs 并与李飞飞公开合作,两家通常优先推自家生态模型;LingBot 同时被两家接纳,说明其在该赛道的基线地位已获认可。开源侧,1.3B 快速版降低了开发者门槛,社区优化和移植反过来扩大了模型影响力。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明