机器人自主格斗、跳舞的场景已经火了一年，但它们何时能真正走进职场，替人类完成日常任务？这个问题正成为科技界和产业界的关注焦点。在近期的一场行业交流活动中，蚂蚁灵波CEO朱兴就机器人落地的难点与突破方向进行了深入探讨。他坦言，尽管机器人技术进步显著，但距离大规模替代人类工作仍有很长的路要走。
朱兴指出，当前机器人面临的最大挑战在于真实场景中的适应能力。以药房为例，机器人需要处理包装各异的药品、应对有人走动的货架通道，并在长时间运行中处理各种突发状况。这些任务要求机器人不仅具备精准的操作能力，还需在复杂环境中持续稳定运行。然而，现有技术仍难以满足这些需求，尤其是在成本与能力的平衡上存在明显短板。他直言：“小卖部其实也很难落地。今天还是能力和成本两个都有问题。”
与许多专注于硬件研发的厂商不同，蚂蚁灵波选择将重心放在机器人的“大脑”——具身智能基础模型上。朱兴解释，公司的目标是开发一套能够适配不同构型、不同任务的基础模型，并通过后训练降低具体场景的使用门槛。例如，重载作业和轻量分拣可以采用不同的硬件配置，但智能核心可以复用。这种策略旨在通过软件优化提升机器人的泛化能力，从而减少对特定场景的依赖。
在技术探索方面，灵波团队开发了可交互世界的LingBot-World和面向具身的视频生成基座LingBot-Video，并在此基础上训练动作模型LingBot-VLA 2.0。朱兴特别强调了数据的重要性。他表示，团队正在努力让机器人用更少的数据学会干活，并通过建设高效的数据管线、后训练和部署工具来提升模型迭代效率。目前，灵波大脑的机器人已经能够在药房、物流分拣和工业上下料等场景中完成操作，相关方案也已在部分零售门店部署。
尽管如此，朱兴也承认，机器人技术在落地过程中仍面临诸多未解难题。例如，小模型可以完成特定任务，但为何还要投入资源训练通用基模？数据量增加为何可能导致效果下降？商业化又该推进到哪一步？对于这些问题，他的回答直指核心：通用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样的效果，或用同样的数据实现更好的效果。而数据质量与分布的优化，则是解决“数据越多效果越差”问题的关键。
在谈到机器人何时能像人类一样“边工作边学习”时，朱兴表示，目前机器人仍处于“冷启动”阶段，主要依赖人工采集的数据进行训练。但随着应用规模的扩大，部分场景中的异常数据飞轮有望启动，即机器人通过处理异常情况不断积累经验。然而，他同时指出，现阶段的机器人还无法直接利用人类日常产生的数据，因为这些数据对机器人而言如同“粗粮”，难以消化。
对于机器人构型的未来，朱兴认为不必执着于人形。他指出，不同场景对机器人硬件配置的需求差异巨大，例如高负重作业与轻量分拣对硬件的要求截然不同。家庭场景中，用户需求也多种多样，有的需要老人看护，有的需要陪伴。因此，机器人设计应更注重实际价值，而非盲目追求外形相似。他强调：“我们更应该看具身智能作为一项技术，能在社会里创造什么价值。”
在商业化路径上，朱兴表现出谨慎乐观的态度。他表示，灵波不会为了短期收入过度推进商业化，而是希望通过有限的商业化项目让团队具备应对真实挑战的能力。他预计，从今年下半年到明后年，生产力应用领域的机器人数量可能会快速增长，同时后训练成本，尤其是数据成本，有望实现指数级下降。
当被问及具身智能是否会迎来自己的“ChatGPT时刻”时，朱兴认为技术爆发难以预测，但“交互”比“模型”本身更重要。他比喻道：“ChatGPT更重要的是Chat，不是GPT，不Chat也不行。”这或许预示着，具身智能的突破不仅取决于模型能力的提升，更在于机器人与人类、环境的交互方式的革新。
