文章核心观点 - 具身智能行业正经历态度分化：一派认为通用大模型将“吃掉”具身智能，另一派坚定加码自研具身基座模型，两种反应背后是对“具身智能从哪里来”的终局追问 [1] - 争议焦点不应是“谁吃掉谁”，而是谁最终能让具身智能在真实场景实现规模化落地，形成“机器人好用—行业买单—规模越大—成本越低”的正向循环 [2] - 通用大模型在触觉感知与动态控制上存在明显弱点，触觉能力正成为具身竞争的关键价值点，蚂蚁灵波推出面向灵巧操作的触觉预训练基础模型LingBot-Touch，持续加码“具身原生”路线 [1][3][5] 行业背景与态度分化 - Claude Fable5.2发布展示大模型玩魔方、拧瓶盖、操控机器人画画，点燃“通用大模型吃掉具身智能”的讨论，“还要不要自研具身基座模型”成为行业真问题 [1] - 看好通用大模型者认为机器人任务是通用智能的延续，数字世界积累的语义理解、上下文学习、推理纠错能力可迁移到物理世界，这也是OpenAI大力布局硬件的原因 [1] - 蚂蚁灵波将物理世界里“机器人如何干活”作为起点，认为只有以物理任务作为模型设计第一原则，才能抵达具身智能终局 [1] - 蚂蚁灵波首席科学家沈宇军提到，Scaling Law可能继续成立，但不等于机器人可以照搬数字世界技术路线，根本差异在于云端模型等待输入后回答，机器人必须在行动过程中持续接收视觉、触觉等传感器信号，边感知、边判断、边执行 [2] 通用大模型的触觉弱点与产业难点 - Astra强在语义理解和对陌生空间场景的泛化，但从看清场景到驱动机器人真正干活还有一关：机器人执行任务需在动作过程中感知自身姿态、物体状态和受力变化，随时调整下一步执行，触觉是其中典型 [3] - 让机器人伸手拿杯子和抓稳杯子是两件事，抓取该用多大力、杯子材质、挤压碰撞后的变化，都需要机器人从连续传感器信号和多模态信息中边感知、边判断、边执行 [5] - 在Astra基准测试中，一旦任务需要高精度或更复杂的动态控制，其表现就会明显变差 [5] - 触觉离产业更近，当机器人落地工厂、家庭等真实场景，距离产业“最前一公里”的灵巧手成为驱动具身规模化落地的关键 [5] 灵巧手市场数据与行业碎片化 - 2026年被称为“触觉元年”，据高工产业研究院(GGII)数据，2025年中国灵巧手市场销量约1.92万只，今年预计达7.02万只，是去年的3倍 [6] - 灵巧手在连杆、腱绳、直驱等传动方式，视触觉、磁触觉、压阻式等传感器方案，以及自由度、抓取精度、响应速度等参数上技术并行，行业碎片化下缺少统一标准、缺乏共识，重复造轮子很难推动规模化落地 [6] - 蚂蚁灵波做触觉基础模型的原点：第一，机器人做好灵巧操作离不开触觉；第二，触觉传感器种类多、各有优势、短期内很难收敛，需要一个模型把不同传感器信号统一起来 [6] LingBot-Touch的“万用插座”能力 - LingBot-Touch旨在以一个触觉基础底座支持不同硬件、不同任务、不同灵巧手和不同动作模型，相当于为灵巧操作提供即插即用的“万用插座” [7] - 基于Sharpa Wave和XHand两款灵巧手的真机测试，呈现跨传感器、跨灵巧手、跨任务、跨动作模型四点能力 [8] - 跨传感器：磁触觉、视触觉和压阻式触觉记录接触方式不同，真机实验表明同一传感原理下预训练没见过的传感器型号LingBot-Touch也能处理 [8] - 跨灵巧手：XHand使用的磁触觉传感器型号不在预训练数据中，接入XHand时保持LingBot-Touch参数不变，只用该手操作示范训练动作模型，学会的“手感”可直接沿用到新灵巧手 [8] - 跨任务：两款灵巧手合计完成26项真机任务测试（Sharpa Wave测试20项，XHand测试6项），用钥匙开锁的双手任务与拧瓶盖的单手任务使用同一个触觉模型，说明“手感”可跨任务复用，开发者面对新任务只需少量示范数据即可“教会”动作模型 [9] - 跨动作模型：接入自研LingBot-VLA及π0.5、Diffusion Policy、T-Rex等外部动作模型，与不用触觉相比，四种动作模型在26项真机任务上的平均成功率提升约14至26个百分点 [9] 技术路线与训练策略 - 触觉手感做成通用能力是灵波“大脑全栈2.0”重要构成：LingBot-Vision与LingBot-Depth 2.0让机器人“看得更清楚”，LingBot-World 2.0与LingBot-Video让机器人“想得更明白”，LingBot-VLA 2.0和LingBot-VA 2.0让机器人“干得更利索”，LingBot-Touch让机器人“摸得更灵敏” [15] - 预训练数据：触觉数据十分稀缺，尚不存在达到表征学习所需规模的触觉语料库，灵波通过收集近5000小时真实触觉数据预训练，动作覆盖抓握、旋转、滑动、擦拭、装配、双手配合及操作易碎易变形物体等多样化真实世界人类和机器人操作任务 [17] - 编码入口：为每个触觉Token标明时间、手指编号和三维位置，给不同传感器分别设置编码入口，让不同传感器触点映射到标准化指尖坐标而非按型号适配，训练中改变触点密度、轻微扰动位置，避免模型对某一款硬件的依赖 [19] 开源开放打法与生态定位 - 行业宣称提供触觉“通用底座”的具身团队大抵分三类：软硬一体闭环（布局触觉底座为拉动硬件产品）、纯平台工具底座（不做本体、不碰灵巧手但提供工具链能力），灵波位置较为独特，触觉能力是通用大脑平台的一部分 [21] - 开源策略让灵波聚焦将不同硬件、不同任务积累的触觉经验转化为可复用的基础能力 [21] - 灵波此前和乐聚、钛虎等本体厂商落地药房、物流等实体场景，还与简智科技等数据伙伴共建数据标准化体系，LingBot-Touch有望聚合灵巧手产业上下游，通过开放生态助推具身智能“最前一公里”落地 [21] 产业链连锁效应 - LingBot-Touch本质在回答：对触觉行业来说，换一只灵巧手时哪些经验可以复用、哪些能力还需靠自己的手、数据和垂直场景来学 [23] - 对灵巧手厂商：有了可复用的触觉模型底座，既不用从头训练通用触觉模型，可将更多精力放在具体任务的执行、反馈和修正上，还能探索硬件性能上限和形态，迭代机械结构、驱动方式和传动方案 [23] - 对传感器厂商：可以专注做好自身算法优化，如传感器标定、降噪和读数校正等 [23] - 对本体厂商：选型时可省下适配不同硬件和技术方案的算法开发成本，把更多精力放回真实任务本身，根据操作精度、覆盖面积和成本选择更合适方案，让硬件真正服务于任务 [24] 后续迭代方向 - 输入端：在传感器有误差的现状下，除视觉、触觉外需进一步丰富物理感知模态、提升模态输入质量 [24] - 输出端：持续研究从连续传感器信号中形成有效表征，并将信息转化为可在真实世界执行的动作 [24] - 任务定义上：现实物理世界任务复杂，灵波需进一步将包括触觉在内的底层通用能力下放到真实产业和行业伙伴中 [24]