蚂蚁灵波开源LingBot-Video，全球首个具身智能MoE视频基模落地

就在最近，蚂蚁集团灵波团队低调干了一件大事——正式开源了全球首个基于MoE混合专家架构、专门面向具身智能场景的视频生成基础模型LingBot-Video。这可不是又一个“AI做视频”的新玩具，它打破了以往视频生成模型只盯着数字内容创作的老路子，直接为机器人产业的智能化升级提供了一个全新的视频AI底座。说白了，视频基模终于从虚拟内容的赛道跳出来，开始深度服务真实的物理世界了。

跟市面上那些主攻影视、短视频创作的开源视频模型不同，LingBot-Video从设计那天起，就完全围绕着机器人的核心需求重新搭建了整套视频预训练范式。它没有沿用通用视频模型那种“放进去什么就学什么”的泛化逻辑，而是非常有针对性地融合了7万小时的具身场景专属数据。这些数据覆盖了工业车间、家庭服务、户外巡检等大量真实机器人工作场景的动作序列、物理交互过程以及环境动态变化样本。这样做的好处很清楚：从源头上强化模型对真实世界物理规则的理解能力，而不是让视频里的物体胡乱飘、动作穿模。

在核心性能上，LingBot-Video已经实现了对行业主流头部模型的全面超越。在北京大学联合字节跳动发布的权威具身视频评测基准RBench上，它最终拿下了0.620的总分，大幅领先Wan2.6、Seedance 1.5 Pro、Cosmos3 Super这些当前行业的标杆模型。而在蚂蚁内部自己搭建的专属基准测试中，它跟Cosmos3、Wan 2.2等五款主流开源模型横向对比，在物理合理性、动作序列连贯性、任务场景还原度这些核心维度上全部排第一。这意味着什么？它生成的视频内容完全符合真实世界的物理运行逻辑，不会出现物体漂浮、动作穿模、运动轨迹违背常识这些传统视频模型的通病。

架构层面，LingBot-Video创新性地采用了DiT+MoE的混合专家设计。模型总参数量达到30B，但实际推理生成视频时，只需要激活大约3B的参数就能完成运算，推理效率大约是同等规模的稠密Dense模型的3倍。这个特性大幅降低了具身场景下的部署门槛——不需要依赖超大规模的云端算力集群，在边缘端的中等算力硬件上就能流畅跑起来。这恰好解决了过去大参数视频模型难以在机器人端落地的核心痛点，毕竟机器人设备上的算力资源本来就有限。

对于整个具身智能产业来说，LingBot-Video开源带来的技术范式变革是实实在在的：机器人可以借助这个模型生成大量高真实度的虚拟训练场景，在数字世界里完成海量的动作试错和策略迭代，完全不必在真实物理环境中反复调试。训练成本大幅下降，智能机器人的研发周期也能明显缩短。同时，模型对动作序列的深度理解能力，还能帮助机器人更好地解析人类发出的动作指令，理解复杂的任务流程，从而提高任务完成的准确率。

随着LingBot-Video正式开源，全球具身智能产业将获得一款完全开放、性能领先的专属视频AI底座。这不仅是国产AI基础模型在细分赛道上实现了全球引领，更为下一代智能机器人的规模化落地注入了强劲的技术动力，推动整个具身智能产业进入全新的加速阶段。