商业场景的智能化深水区中，蚂蚁集团的物理AI布局已不可忽视。
仅截至9月15日，其对外公开投资便至少落子8起，且多轮担当领投方。布局重心正从机器人本体向数据、模型等上游核心要素偏移。
内部自研端，旗下具身智能公司「蚂蚁灵波」聚焦通用大脑构建，7月初连发6款模型搭建全栈大脑雏形，并加速与本体、数据及场景端伙伴的生态对接。
剥离时间线与产业链维度的表象，蚂蚁的系列动作已勾勒出一张以平台生态为终局的抢位图谱。
物理AI驱动的产业重构前夕，蚂蚁的底牌究竟是什么？
01 一张越来越密的产业投资版图
溯源其投资节奏，在2025年初正式确立AI战略之前，蚂蚁对具身智能的加码便已启动。
据蚂蚁研发人员透露，2024年下半年管理层即形成共识：具身智能是不可错失的必争之地，否则将面临代际落差。「尽管终局形态尚待验证。」
彼时，多模态大模型的技术跃迁、Optimus量产预期及国产本体的迭代，共同推高了赛道的确定性。
蚂蚁随即确立双线并举策略：内生自研与外延投资同步推进——
2024年9月，通过上海云玚领投星海图Pre-A轮，切入「本体+大脑」早期阵营；同年12月，蚂蚁灵波在上海注册成立，核心团队多具支付宝业务背景。
审视其投资脉络，落子逻辑严格贴合产业演进节拍，呈现自下游向上游的顺次迁移。
2025年行业主攻本体能力跃升，蚂蚁资本密集流向机器人本体及核心零部件：自2月追投星海图起，相继领投星尘智能，入股宇树科技，投资关节模组厂商钛虎及灵巧手头部灵心巧手，9月入股首形科技，11月再度加码星尘智能……
物理AI的商业图景横跨产线、零售与家庭场景，锚定硬件资产既为生态协同蓄力，亦能锁定核心零部件的产业红利——后者作为典型的「卖铲人」，商业变现与产业规模正相关，规避了本体厂商尚待验证的商业化周期。
至2025年末及2026年初，量产周期开启，但智能泛化瓶颈钳制了规模化上限。行业亟需「补脑」，真实世界数据与技术底座跃升为价值制高点。
反映在蚂蚁的投资落子中，2025年以来其加注重心转向世界模型及数据生成基础设施：2月投资大晓机器人，5月入股数据与评测基建商光轮智能及机器视觉方案商零零无限科技，6月落子简智机器人，7月投资自然意志，8月相继投资触觉数据方戴盟机器人及世界模型公司逆矩阵科技，9月入股物理AI方案商厘清智能……
期间，蚂蚁还投资了消费级小型人形机器人企业乐享科技。
由此，蚂蚁的具身全产业链布局轮廓初显：从本体、核心部件到数据基建与技术底座，实现多层卡位，于各关键节点构筑阵地。
同业大厂涉足具身，多依仗既有业务场景向终端延展，或为云与AI基建蓄水，本质系存量生态赋能。蚂蚁则无此类历史包袱，其支付基建长于线上，线下场景留白甚多。
这赋予了蚂蚁在物理AI赛道重构平台级版图的潜在势能。
这也恰是蚂蚁灵波锚定通用大脑、基座模型拥抱开源、7月首发落地案例即展示「一脑多机」协作——乐聚、星海图与蚂蚁灵波R-2三端协同执行国大药房任务——的底层逻辑。
其核心诉求始终是平台生态，是攫取AI时代物理基础设施的入场券。
据公开信息，蚂蚁灵波基座模型LingBot-VLA 2.0现已兼容17家厂商、20余种机器人构型，系业内适配本体最广的开源VLA模型之一。且部分适配方如星海图、宇树等，亦位列蚂蚁被投企业矩阵。
此类「生态结盟」范式于科技史不乏先例。微软曾因前沿技术短板，依循纳德拉之策，借投资未来技术路线补齐AI版图，2019年豪掷10亿美元入股OpenAI。此举终令Azure斩获独家云服务商地位，竞争壁垒大幅抬升。
反观蚂蚁，其对产业链的资本渗透，既为双线押注之要义，亦在为自研通用大脑与「一脑多机」的商业着陆铺设协同网络。
02 打通离机器人落地最关键的卡点？
双线策略的协同效能，终归受制于蚂蚁灵波的技术兑现。
「一脑多机」的实质系基座模型的泛化能力。产业界共识在于，泛化是击穿部署成本、兑现规模效率的先决条件。
宇树科技王兴兴亦于世界机器人大会指明，泛化能力缺失系行业最大掣肘，直接阻断了机器人的规模化进厂。
突破泛化极限，遂成具身大脑厂商的共同命题。
具身基座模型的预训练兼具高算力消耗与数据重资产属性，多路线并行更添资源耗散风险。大厂的组织禀赋天然适配此类重投入，向本体端输出基模能力亦属顺水推舟。
上述研发人员披露，蚂蚁灵波通用大脑团队已超百人，年度核心战役即打磨大脑与数据闭环。
鉴于技术路线未收敛，蚂蚁灵波采多线验证策略，基座模型自去年1款扩容至今年6款：涵盖空间感知LingBot-Vision与Depth 2.0、动作模型LingBot-VLA 2.0、实时交互LingBot-World 2.0及高效推理视频生成基模LingBot-Video。
因终局范式未定，蚂蚁灵波现阶段一边夯实具身原生能力，一边以开源姿态引入外部开发者共迭模型。
大湾区国家技术创新中心算法工程师评测指出，蚂蚁灵波在模型体量与开源友好度上均居行业前列。
实体产业亦在密切注视其进展。世界机器人大会期间，某机床厂软件工程师坦言，在评估机器人进厂可行性与智元代理接洽时发现，新任务重训涉及数据采集至软硬件全栈配置，单次成本高达两三百万元。
高昂的重置成本迫使该机床厂寻求通用大脑合作可能。「通用」即跨本体复用，理论上可摊薄开发边际成本。该工程师遂直接与蚂蚁灵波接洽。
然则，唯有同场景后训练数据成本呈指数级下探，且作业效率实现对人工的绝对超越，规模化部署的闸门方能真正开启。
依蚂蚁灵波对外规划，商业化路径除向本土企业输出基模，亦不排斥向同类模型公司开放能力。这暗合行业新共识：VLA或世界模型未必是终局，物理世界或催生全新范式。蚂蚁灵波志在「基模之基模」，且将沉淀的数据能力以工具链形态向行业溢出。
通用大脑的征途面临能力天花板与成本效率的双重拷问，皆需长周期蓄力。蚂蚁灵波近期传出对外融资动向，大抵系基于此等现实考量——即便大厂粮草充裕，亦需权衡内部资源调配的优先级。
具身智能产业与其承载的机器人实体，皆处自进化初局。现阶段，蚂蚁正构筑结构化产业阵型：以通用大脑为主轴，资本卡位关键节点为大脑延展生态触角，直击规模化落地的核心卡点。
若演进顺遂，蚂蚁将实质性逼近机器人时代的基础设施生态，在支付与医疗之外，孕育出平台级增长极。