LingBot-VA 2.0 与 Orca 世界模型：中国具身智能的崛起

具身智能（Embodied AI）被认为是人工智能的”下一个圣杯”——让 AI 不仅能思考，还能在物理世界中行动。2025 年，蚂蚁集团的 LingBot-VA 2.0 和北京智源人工智能研究院（BAAI）的 Orca 世界模型几乎同时取得突破，标志着中国在这一前沿领域的强势崛起。

具身智能：AI 从数字走向物理的关键一步

具身智能的核心挑战在于：AI 必须理解物理世界的因果关系，预测行动的后果，并在不确定的环境中做出可靠决策。这远比在数字环境中下棋或生成文本复杂得多。

全球范围内，Google DeepMind 的 RT-2/RT-X、Physical Intelligence 的 π0 系列、以及特斯拉的 Optimus 项目都在争夺这一赛道。中国的两个新突破——LingBot-VA 2.0 和 Orca——代表了两种截然不同的技术路线，都取得了令人瞩目的成果。

蚂蚁集团 LingBot-VA 2.0：因果推理驱动的操控专家

核心技术架构

LingBot-VA 2.0 采用了因果扩散 Transformer（Causal Diffusion Transformer, Causal DiT）架构。与传统的行为克隆方法不同，LingBot-VA 2.0 不是简单地模仿人类示范，而是理解动作背后的因果关系。

这意味着当机器人遇到从未见过的场景时，它能够基于因果推理进行泛化，而不是机械地重复训练数据中的模式。

关键性能指标

• 任务成功率 93.6%：在标准基准测试中，LingBot-VA 2.0 达到了接近人类水平的操作成功率
• 150Hz 推理频率：每秒执行 150 次推理，确保机械臂的实时控制精度
• 仅需 20 个演示即可适应新任务：大幅降低了新任务部署的数据需求

特别值得关注的是第三个指标。传统的机器人学习方法通常需要数百甚至数千个演示样本，而 LingBot-VA 2.0 仅需 20 个就能完成任务适配，这在工业部署中具有极大的实际价值。

技术亮点：因果 DiT 的工作原理

因果扩散 Transformer 将因果推理与扩散模型结合。具体而言：

• 因果模块负责理解”如果我这样做，会发生什么”
• 扩散模块负责在可能性空间中规划最优动作序列
• Transformer 架构确保长序列依赖的建模能力

这种组合使 LingBot-VA 2.0 在需要多步推理的复杂操控任务中表现尤为出色。

北京智源 Orca：无需标注数据的世界模型

世界基础模型的理念

Orca 代表了一种更宏大的愿景——构建世界基础模型（World Foundation Model）。与专注于特定操控任务的 LingBot-VA 2.0 不同，Orca 试图理解物理世界的一般性规律。

世界模型的核心思想是：如果 AI 能准确预测”行动会导致什么后果”，它就能在任何物理任务中做出正确决策，而不需要针对每个任务单独训练。

关键特性

• 4B 参数量：相对轻量级的设计，便于在机器人端部署
• 无需动作标签：可以从纯视频数据中学习物理世界规律，不需要人类标注的动作数据
• 匹配 π0.5 性能：在标准评测中达到了 Physical Intelligence π0.5 的水平，而后者需要更大的模型和更多的监督数据

“无需动作标签”是一个关键突破。这意味着 Orca 可以从海量的互联网视频中学习物理世界知识，而这些视频远比机器人操作数据容易获取。

Orca 的训练方法

Orca 采用了自监督学习范式，通过预测视频帧的未来状态来学习物理世界的因果结构。训练数据包括：

• 大量互联网视频（无标注）
• 机器人操作视频（少量有标注）
• 模拟环境中的交互数据

这种数据效率使 Orca 在数据稀缺的物理交互场景中具有显著优势。

两种技术路线的深度对比

两种路线并非互斥，反而具有很强的互补性。LingBot-VA 2.0 在精细操控场景中更成熟，而 Orca 在通用性和数据效率方面更有优势。

中国具身智能的战略意义

政策驱动

中国已将具身智能列为国家重点发展方向。”十四五”规划和后续的科技战略中，智能机器人被定位为制造业升级和服务业创新的核心技术。各地方政府也出台了专项扶持政策。

产业链优势

中国在具身智能领域拥有独特的产业链优势：

• 硬件制造：全球最完整的机器人零部件供应链
• 数据规模：庞大的制造业和服务业场景提供海量交互数据
• 应用场景：从工厂自动化到养老服务，应用场景极其丰富
• 成本优势：相对较低的研发和制造成本

人才与投入

蚂蚁集团和北京智源分别代表了企业界和学术界的投入。此外，华为、小米、优必选等企业也在具身智能领域持续投入。这种”产学研”协同的格局，是中国在这一领域快速追赶的重要基础。

通肯智能（TOKEN 导航）的行业追踪显示，中国具身智能领域的投融资在 2025 年上半年同比增长超过 200%。

全球竞争格局的影响

中国在具身智能领域的突破正在重塑全球竞争格局。在此之前，Google DeepMind 和 Physical Intelligence 被认为在该领域领先 1-2 年。LingBot-VA 2.0 和 Orca 的成果表明，这一差距正在快速缩小。

对于全球机器人产业链而言，中国的崛起意味着：

• 技术路线的多元化：不再是单一的美国范式主导
• 成本结构的改变：中国方案可能将具身智能的部署成本降低一个数量级
• 数据飞轮的加速：更多部署产生更多数据，进一步提升模型能力
• 标准与生态的竞争：谁先建立开放生态，谁就可能获得长期优势

总结

LingBot-VA 2.0 和 Orca 分别从”精细操控”和”通用理解”两个方向推动了中国具身智能的边界。两者的技术路线虽不同，但共同指向一个目标：让 AI 真正进入物理世界。

对于关注前沿 AI 技术的读者，这两个项目值得持续跟踪。更多关于中国 AI 前沿技术的深度评测，可以访问 tokenaitech.com 获取最新信息。

常见问题