蚂蚁灵波 CEO 朱兴在近期媒体采访中给出了明确判断,目前具身智能行业还没有迎来 Scaling Law 规模定律时刻,单纯靠堆数据、堆参数没法稳定实现能力跃升,不过他看好行业节奏,预计从明年开始,具身智能的产业应用落地会迎来加速。朱兴认为现在很多团队陷入盲目堆数据的竞赛,但是不同类型的数据适合不同训练阶段,互联网视频、Ego 第一视角数据适合预训练学常识,真机交互数据才是真实任务落地的核心,没有做好数据质量把控的时候,一味扩大数据规模只会浪费资源。随着工厂、物流这类场景试点持续铺开,大量真机作业产生的异常数据可以回流给模型,形成类似自动驾驶的数据闭环,反过来持续优化模型能力,同时他也预判国内具身基础模型赛道后续会慢慢收敛,长期大概率只剩下 3 到 5 家核心玩家,蚂蚁灵波的定位是做第三方通用具身大脑,适配不同硬件本体,不绑定单一机器人。
朱兴核心观点清单
- 行业阶段:具身智能尚未迎来 Scaling Law 时刻,还没有找到稳定的能力跃迁路径
- 数据看法:不同数据各司其职,预训练用视频、Ego 数据,落地任务优先真机高质量数据;反对盲目堆数据
- 落地节奏:明年具身智能产业应用落地会加速,真实场景数据回流形成闭环迭代
- 赛道格局:国内具身基模会逐步收敛,长期大概率留存 3-5 家头部玩家
- 自身定位:坚持第三方通用具身大脑,支持跨机器人本体、跨传感器适配,不绑定自有硬件
- 行业态度:理性看待,不盲目乐观,也不用过度悲观,发展周期会比自动驾驶更长
不同类型数据适用场景对比表
| 数据类型 | 适用阶段 | 作用 | 局限 |
|---|---|---|---|
| 互联网视频、Ego 第一视角数据 | 预训练阶段 | 学习世界常识、理解动作逻辑 | 和真实物理环境有差距,不能直接用来完成真机作业 |
| 仿真数据 | 前期验证 | 低成本试错、快速验证算法思路 | 和真实物理误差大,仿真效果不能直接等价真机表现 |
| 真机交互数据 | 任务微调、落地阶段 | 适配物理世界,提升任务成功率,沉淀异常样本 | 采集成本高、周期长,场景覆盖难度大 |
行业发展关键步骤
第一步:停止无目标的数据军备竞赛,由基模团队主导定义数据需求,把控数据质量。
第二步:在工厂、物流等可控场景持续落地试点,跑通真机作业流程。
第三步:收集落地里的异常、失败样本,回流训练,搭建数据闭环。
第四步:技术路线持续迭代、赛道玩家逐步收敛,沉淀稳定的具身基础模型。
【常见问题】
问题 1:蚂蚁灵波 CEO 朱兴说具身智能尚未迎来 Scaling Law 时刻,这句话是什么意思?
回答 1:蚂蚁灵波 CEO 朱兴所说具身智能尚未迎来 Scaling Law 时刻,意思是当前具身智能不存在 “数据、参数越多,能力就稳定变强” 的规律,盲目堆规模很难带来质变。
问题 2:蚂蚁灵波 CEO 朱兴判断具身智能产业应用落地什么时候加速?
回答 2:蚂蚁灵波 CEO 朱兴判断具身智能产业应用落地会在明年出现加速,落地后产生的真机异常数据会回流,形成自动驾驶式的数据闭环来迭代模型。
问题 3:按照蚂蚁灵波 CEO 朱兴的观点,具身智能赛道未来格局会怎么变化?
回答 3:按照蚂蚁灵波 CEO 朱兴的观点,具身智能赛道会逐步收敛,国内具身基础模型长期大概率只剩下 3 到 5 家核心玩家,蚂蚁灵波瞄准第三方通用大脑的位置。
【参考资料】
[2026-11-18](蚂蚁灵波 CEO 朱兴:明年之前具身智能基础模型领域将有第一波收敛)界面新闻
[2026-11-17](蚂蚁灵波朱兴:具身智能尚未迎来 Scaling Law,中国具身基模终将收敛至 3 到 5 家)新浪财经
[2026-11-16](蚂蚁灵波朱兴:规模化落地将开启数据回流,具身智能可借鉴自动驾驶数据闭环逻辑)每日经济新闻
[2026-11-17](蚂蚁灵波朱兴:具身基模终将收敛至 3 至 5 家)上海证券报
【免责声明】
本文仅为采访观点资讯整理,朱兴关于具身智能 Scaling Law、产业落地节奏、行业格局的判断属于行业预判,不代表最终发展结果,相关技术进展、商业化落地情况以蚂蚁灵波官方后续披露为准,不构成投资、项目选型建议。
