#螞蟻
螞蟻集團宣佈,向股東和員工分紅
螞蟻股東和員工要笑醒了!4月24日下午,螞蟻集團開了股東會,正式通過了最新的利潤分配方案。在優先保障發展並確保經營情況和財務情況穩健的前提下,螞蟻集團將向全體股東分紅,持有股權激勵的員工也能一起分到這份收益。其實,這已經不是螞蟻第一次分紅了——2022年3月螞蟻市場化融資後的第一次分紅,按照阿里持有33%的股份推算,分紅總額大概是119.5億元,那時候螞蟻剛完成整改,經營也慢慢回到了正軌。同年12月第二次分紅,規模一下子漲到了318.7億元,兩次加起來就超過438億元了。那一年螞蟻的支付主業很穩,數字金融業務的合規轉型也做得特別好。2024年9月第三次分紅的時候,正好是螞蟻深化AI戰略的階段,分紅的同時,還請了AI專家張宏江當獨立董事,明擺著就是要一邊分紅,一邊加大投研。2025年4月的第四次分紅,是螞蟻AI戰略穩步推進、創新業務加速增長的階段,這次分紅源於2024年的經營成果,當時支付寶還推出了“碰一下”新互動方式,螞蟻國際、螞蟻數科等業務也獨立營運,收穫了不少科技和全球化紅利,同時公司還保持著高強度研發投入,每年研發佔比都超過10%。這次2026年4月的第五次分紅,可以說是螞蟻全面推進AI化的關鍵一年,分紅是兌現之前的價值,同時也會繼續加大對AI支付、AI健康這些創新業務的投入,把業務落地做好。到現在為止,螞蟻這五次分紅加起來已經遠遠超過500億元了(前兩次就接近500億元,第三、四次未披露具體金額)。這些分紅一部分給了螞蟻的機構股東,一部分給了君瀚、君澳這兩個員工持股平台,還有一部分給了普通的持股員工。能這麼頻繁分紅,說明螞蟻扛過行業周期,業務經營越來越穩了。這兩年,螞蟻一直專注於自己的主業,支付業務在行業裡還是第一,數字金融服務實體經濟的能力也在不斷提升;同時,還全力押注AI,百靈大模型一直在升級,AI也用到了支付風控、使用者服務、企業數位化這些場景裡,成了新的增長動力。對螞蟻這種大廠來說,分紅不是簡單的躺平分錢,不是賺了錢就大手大腳,更多是給市場、給股東、給員工遞了一顆定心丸,釋放出特別重要的訊號。第一個訊號,就是公司的經營底子絕對紮實,現金流也足夠充足。要知道,大廠的營運、研發、佈局都需要大把的錢,要是經營不穩、手裡沒足夠的現金,根本不敢輕易分紅。畢竟分紅要拿出真金白銀,要是自身經營有壓力,別說分紅了,能穩住基本盤就不錯了。螞蟻能一次次穩定分紅,恰恰說明它的主營業務能持續賺錢,資金周轉順暢,沒有資金鏈的壓力,經營根基打得特別牢,不用靠省著錢過日子。第二個訊號,是公司對未來的增長特別有信心,就算分出去一部分利潤,也絲毫不敢放鬆在重要賽道上的投入。對大廠來說,短期的分紅不算什麼,長期的發展才是關鍵。螞蟻每次分紅後,依然會加大在AI、支付創新、全球化這些核心賽道的投入,不會因為分了錢就縮減研發、收縮佈局,這背後就是底氣,相信自己後續能創造更多價值,就算現在分出去一部分,未來也能賺回來更多,也能持續給股東和員工帶來收益。第三個訊號,就是公司特別重視長期的價值分配,不只想自己發展好,更願意帶著股東、員工一起分享發展的好處。大廠的成長從來都不是單靠某一群人,股東的資金支援、員工的全力以赴,都是公司能穩步前行的關鍵。螞蟻每次分紅,既覆蓋機構股東,也惠及普通持股員工和持有股權激勵的核心團隊,就是想讓大家知道,只要公司發展得好,每一個為公司付出、支援公司的人,都能分到紅利,形成公司成長、大家受益的良性循環,也能留住核心人才、凝聚股東信心,為長期發展打下基礎。據最新資料,目前螞蟻集團估值已達到1500億美元,換算成人民幣的話,差不多是一兆元。能有這個估值,核心還是靠螞蟻的業務硬實力。一方面,它的支付和帳戶體系一直很穩固,支付寶覆蓋了日常生活裡的各種場景,不管是付錢、理財還是辦事,還沉澱了全球規模不小的交易資料和風控體系,這是它的基本盤;另一方面,螞蟻這兩年全力押注AI,不僅有百靈大模型一直在升級,還推出了全模態AI助手“靈光”、醫療健康AI助手“螞蟻阿福”,把AI用到了支付風控、使用者服務、企業數位化這些方方面面,形成了完整的AI佈局。《2025胡潤全球獨角獸榜》,螞蟻以6350億元排在全球獨角獸榜單第5位,僅次於SpaceX、字節跳動、OpenAI和xAI之後,而且估值比之前還有增長,這主要是因為業務經營穩健,AI佈局也一直在深化。到了2026年,隨著螞蟻估值提升到1500億美元左右,依然穩穩躋身全球獨角獸估值前十,在行業裡的地位特別穩固。 (BAT)
警報!螞蟻集團攜28億資本殺入香港,傳統券商的“好日子”到頭了?
導語近日,金融圈迎來盛大爆炸性新聞:螞蟻集團斥資28.14億港元,成功收購香港耀才證券控股公司超過50.55%的股份。這一重大舉動不僅引發市場廣泛關注,也讓業內許多人猜測,螞蟻集團是否打算重新殺回券商賽道?然而,如果你僅僅將這次交易理解為一次簡單的券商收購,那未免低估了其中深遠的戰略意義。這筆交易,某種程度上是螞蟻集團籌備多時的真實世界資產數位化(RWA,Real World Asset Tokenization)戰略,從紙面規劃邁向實戰落地的里程碑事件,甚至可能撬動兆規模的全球金融市場。核心價值:補齊合規牌照短板,破解“有技術無分銷”的最大難題這次收購的最大亮點在於,螞蟻集團直接拿下耀才證券完整的香港1/2/3/4/5/7/9類金融牌照,徹底突破了之前困擾許久的牌照瓶頸。這些牌照不僅能覆蓋資產發行、交易以及虛擬資產服務的完整流程,還為未來升級VATP虛擬資產交易平台牌照提供了空間。這讓螞蟻徹底解決了此前“有技術、有資源,卻缺乏合規分銷資質”的“卡脖子難題”。同時,耀才證券本身積累的資源也為螞蟻集團提供了堅實的使用者和資產基礎:其擁有60萬個客戶帳戶、600億港元的託管資產。這些資源再加上螞蟻財富已經連接超過150家資管機構的網路及螞蟻鏈成熟的區塊鏈技術,螞蟻集團成功建構了從技術到資金再到使用者的完整閉環。這意味著,螞蟻集團多年來規劃的RWA戰略佈局終於得以全面落地。而這一次交易不僅是金融生態升級,更是整個行業規模化突破的重要標誌。螞蟻RWA戰略浮出水面,三層佈局完整成型隨著這筆交易的落地,螞蟻集團籌備已久的RWA三層戰略佈局全面清晰,形成了從底層技術到終端落地的完整鏈條能力:1. 底層技術支撐:螞蟻鏈已經跑通資產數位化的技術能力。例如此前協鑫能科落地的2億元太陽能RWA項目,技術端已經完成驗證。這證明螞蟻鏈的底層區塊鏈技術具備成熟可行性。2. 資金通道暢通:螞蟻旗下的AlipayHK(香港版支付寶)已經覆蓋450萬本地使用者,加上其擁有的香港虛擬銀行牌照,合規的資金進出通道完全打通,為跨境資金流動提供了堅實保障。3. 落地入口:耀才證券的收購是RWA戰略的關鍵部分,因為它將成為資產數位化合規發行與分銷的核心樞紐,從根本上破解了行業“發行易、銷售難”的痛點。過去RWA項目往往止步於技術實驗階段。一方面是資產雖能上鏈,卻由於缺乏直接連接普通投資者的管道,難以落地進行大規模發行;另一方面是合規成本居高不下,許多資產方望而卻步。螞蟻這一佈局直接用成熟技術、使用者資源和牌照體系,解決了這些根本問題。為何選擇券商牌照,而不是交易所或基金牌照?不少人對此次螞蟻選擇收購券商而不是交易所或基金的行為感到疑惑。實際上,這涉及到RWA賽道的本質——RWA不僅是“資產上鏈”,而是“將鏈上資產轉化為真實的投資需求”。交易所更多承擔資產交易的場所功能,基金牌照則主要用於資產管理。而券商憑藉其最直接連接資產方和普通投資者的橋樑作用,掌握了市場核心的資產分發權。即便擁有優質的鏈上資產,但如果沒有合規分銷管道與廣泛使用者基礎,那麼一切技術成果也終將是空中樓閣。市場對此早已用實際表現投票:- 協鑫能科成功落地太陽能RWA項目後,其股價在3個月內實現翻倍;- 朗新集團推進RWA戰略佈局後,其股價曾大幅上漲2.6倍。這表明市場對RWA項目尤其是合規分發能力高度認可,而握有券商全牌照的螞蟻集團無疑佔據了最關鍵的市場橋頭堡。行業拐點已至,RWA兆賽道的大門正式打開螞蟻集團的入局不僅是為了升級自身產業佈局,更是為整個RWA行業按下了規模化加速鍵。首先來看市場空間:當前全球鏈上RWA市場市值(不含穩定幣)約250億美元,但據波士頓諮詢公司(BCG)預測,到2030年這一數字將增長至10兆美元,增長空間超過400倍。毫無疑問,RWA是未來十年金融賽道最明確的風口之一。然而,在過去的行業實踐中,高昂的發行成本和嚴苛的合規門檻使得大多數資產方望而卻步。例如在香港,一個普通RWA項目的發行成本高達250萬港元,還需要提供平均8%的回報承諾,許多中小型資產方難以承擔。螞蟻集團的入局則憑藉以下兩大核心能力高效破局:1. 技術加持降低發行成本:成熟的區塊鏈技術能顯著簡化資產數位化過程,最佳化發行效率。2. 生態閉環提升流通效率:螞蟻憑藉使用者資源與牌照體系,可以完成資產從發行到分銷的全流程,無需依賴第三方平台。這一突破極有可能推動太陽能、充電樁、商業地產等具備穩定現金流的實體資產加速證券化,讓RWA行業從“小範圍的技術實驗”向兆級規模化應用邁進。未來挑戰與機遇並存:全球化與合規協同需進一步突破儘管RWA的全面落地前景廣闊,但這條路並非平坦。行業仍需克服兩項核心挑戰:1. 資產篩選難題:並非所有資產都適合RWA化。只有具備穩定現金流、透明收益的資產,才具備進行證券化數位化的基礎。2. 跨境監管差異問題:不同地區的合規要求存在顯著差異,比如香港金融牌照框架與其他地區的監管體系不盡相同。在這個領域,ERC-3525標準與香港LPF架構被廣泛認為將成為推動全球RWA合規落地的關鍵工具。重塑行業與開啟未來金融藍圖螞蟻集團豪擲28億港元控股耀才證券,絕不僅僅是一次財務投資,更代表全域化戰略升級。它不僅為螞蟻自身金融生態補齊合規短板,還極有可能加速全球RWA行業的整體發展。更重要的是,這可能標誌著“主權數字貨幣 + 市場化穩定幣”的跨境資產流通新範式正在逐漸成型。未來全球金融市場,或因這次交易迎來不一樣的全新變革。無論對螞蟻集團還是整個金融行業,兆賽道的大幕已經拉開,衝刺未來的比賽正式開始。 (國英珩宇生態)
螞蟻收購耀才證券獲批,股價一度上漲近170%
摘    要港股耀才證券金融(1428.HK)公告稱,螞蟻集團發起的要約收購已通過中國有關部門審批,預計將於3月30日完成交割歷時近一年,螞蟻集團收購香港老牌券商的交易即將落地。3月16日晚間,港股耀才證券金融(1428.HK)公告稱,螞蟻集團發起的要約收購已通過中國有關部門審批,預計將於3月30日完成交割。這意味著,此次收購的關鍵環節已完成。3月17日早間集合競價階段,耀才證券金融股價一度暴漲近170%至25港元/股,較收購前的3.05港元/股上漲超七倍。截至9時30分正式開盤後,股價回落至16港元/股左右,日內漲幅回落至72%附近。此外,《財經》注意到,3月13日,耀才證券金融股價單日上漲33.96%至9.27港元/股。2025年4月25日,螞蟻集團通過旗下一家全資控股的境外主體,以每股3.28港元的價格向耀才證券發起要約收購。收購股份總數約佔耀才證券股份總數的50.55%,交易總金額為28.14億港元。本次要約收購原定完成時間為2025年11月25日,由於需要更多時間完成向國家發展改革委的申報工作,故螞蟻向賣方額外支付了1.64億港元(佔交易總對價的5.83%)按金,並協商將購股協議有效期延長四個月,至2026年3月25日。根據公告,2026年3月15日,該項要約交易完成了向中國有關部門的報告程序。值得注意的是,2025年9月23日,香港證監會已審批通過該交易,有效期截至2026年3月23日。本次公告顯示,香港證監會的審批將延期至4月30日。收購耀才是螞蟻集團對香港市場的重要佈局之一。近兩年,螞蟻集團加大了在香港的戰略投入。2025年10月17日,螞蟻集團宣佈和阿里集團合資購置銅鑼灣商業寫字樓,作為香港總部所在地。更早之前,螞蟻集團旗下螞蟻數科成為香港特區政府“重點企業夥伴”,將海外總部落戶香港,專注於技術創新和海外業務擴展。此外,螞蟻集團及旗下公司多次入選香港金管局沙盒項目,包括Ensemble沙盒、生成式AI沙盒等。螞蟻披露的資料顯示,其旗下AlipayHK已成為香港第一大電子錢包,服務超過450萬活躍使用者。此外,螞蟻在港持有虛擬銀行牌照。此番收購完成後,螞蟻集團有望在香港建構起由支付、銀行、證券、科技等業務構成的金融科技版圖。 (財經五月花)
狂撒100億!2026春節AI燒錢大戰終局,還是豆包笑到了最後
據蘋果App Store最新顯示,字節跳動旗下AI助手豆包App排名反超阿里系的千問、螞蟻阿福,上升至第一名。該成績與近期央視春晚期間的高曝光度及使用者互動活動密切相關。2月16日,豆包與央視總台春晚聯動,豆包方面披露,除夕當天豆包AI互動總數達19億。據瞭解,豆包新春紅包活動第一階段於2月13日開啟,使用者在豆包App首頁點選“豆包過年”即可參與AI互動玩法領取紅包。第二階段活動於2月16日(除夕)開啟,使用者點選“豆包過年”開好運錦囊,有機會抽科技好禮或8888元現金紅包。科技好禮覆蓋17種熱門產品,包括宇樹機器人、松延動力機器人、魔法原子機器狗、拓竹3D印表機、大疆無人機等前沿科技產品。同時還包含小米智能手錶、蘇泊爾電飯煲等智能消費品,以及上汽奧迪E5 Sportback和奔馳CLA兩款電動車的使用權。值得注意的是,春節期間,國內AI應用賽道競爭激烈。此前騰訊元寶投入10億元春節紅包,阿里千問啟動30億元"春節請客計畫"全面接入淘寶、飛豬等生態業務。QuestMobile資料顯示,2月7日千問DAU達到7352萬,一度逼近豆包的7871萬,且千問App曾連續6天位居App Store免費榜第一。而在2月14日,蘋果AppStore中國區免費應用排行榜顯示,螞蟻阿福、千問下載量猛增,包攬總榜前二。豆包大模型2.0正式上線繼Seedance 2.0視訊模型、Seedream 5.0 Lite圖像模型之後,2月14日字節跳正式發佈豆包大模型2.0(Doubao-Seed-2.0)系列。據介紹,豆包2.0針對大規模生產環境的使用需求進行系統性最佳化,以更好地完成真實世界的複雜任務。目前豆包可選快速、思考、專家模式目前,豆包2.0 Pro已在豆包App、電腦客戶端和網頁版上線,使用者選擇“專家”模式即可對話體驗。火山引擎也已上線豆包2.0系列模型API服務。在語言模型基礎能力上,豆包2.0 Pro旗艦版取得IMO、CMO數學競賽和ICPC程式設計競賽金牌成績,也超越了Gemini 3 Pro在Putnam基準測試上的表現,數學和推理能力達到世界頂尖水平。大模型執行長鏈路複雜任務,需要豐富的世界知識。豆包2.0加強了長尾領域知識覆蓋,在SuperGPQA等多項公開測試集上表現突出,科學領域知識測試成績與Gemini 3 Pro和GPT 5.2相當,在跨學科知識應用上也排名前列。在教育、娛樂、辦公等眾多場景中,大模型需要理解圖表、複雜文件、視訊等內容。對此,豆包2.0全面升級多模態理解能力,視覺推理、空間感知、長上下文理解等權威測試均取得業界最佳表現。面對動態場景,豆包2.0增強了對時間序列與運動感知的理解能力,還可實現即時視訊流分析、環境感知與主動互動,廣泛應用於健身指導、穿搭建議、看護陪伴等生活場景。Agent能力是大模型具備行動力的關鍵。測試成績顯示,豆包2.0 Pro在指令遵循、工具呼叫和Search Agent等評測中達到頂級水平,在HLE-Text(人類的最後考試)上更是獲得54.2的最高分,大幅領先於其他模型。據悉,豆包2.0 Pro按“輸入長度”區間定價,32k以內的輸入定價為3.2元/百萬tokens,輸出定價為16元/百萬tokens,相比Gemini 3 Pro和GPT 5.2有較大的成本優勢。豆包2.0 Lite更具性價比,綜合性能超越兩個月前發佈的上一代主力模型豆包1.8,百萬tokens輸入價格僅為0.6元。 (快科技)
螞蟻,投了“商湯系”機器人公司
機器人“大腦”賽道持續吸金。2月10日,記者獲悉,大曉機器人已於近期完成天使輪融資。本輪融資由螞蟻集團領投,啟明創投、金景資本、弘毅投資、聯想創投、上海交大母基金菡源資產等機構跟投,老股東商湯國香資本持續增資。大曉機器人成立於2025年,由商湯科技聯合創始人王曉剛掌舵,側重機器人“大腦”領域。產品層面,2025年12月中旬,大曉機器人發佈行業首創的“以人為中心”ACE具身研發範式,建構起“環境式資料採集—開悟世界模型3.0—具身互動”全鏈路技術體系。ACE具身研發範式中環境式資料採集可實現一年千萬小時的資料收集,開悟世界模型3.0不斷放大真實資料價值,使其達到上億小時資料規模的效果,有望解決制約具身智能產業發展的“資料荒”。大曉機器人推出的具身超級大腦模組A1,能靈活適配不同形態的機器人本體,讓各類機器狗都能“懂指令、會導航、能實幹”。其還與多家生態夥伴達成戰略合作,已在巡檢、文旅等多樣化場景驗證落地,實現規模化商業閉環。從行業趨勢上看,一級市場的審美,正從機器人硬體本體,逐漸轉向軟體。類似大曉機器人這樣的“大腦”公司,近期密集斬獲融資。2月10日,穹徹智能宣佈完成A輪融資。本輪融資金額達數億元,由C資本領投,Sea Limited、普華資本等多家海外產業方和國內頭部財投跟投,老股東Prosperity7 Ventures超額追投。穹徹智能專注於開發和應用具身智能技術,聚焦“以力為中心”的具身智能大模型和相關基礎設施的研發。1月12日,自變數機器人完成A++輪融資,金額為10億元人民幣。字節跳動、紅杉中國、深創投等頂級機構領投。人形機器人是人工智慧的“具身化”產物,其“大腦”——具身智能模型,與ChatGPT等大語言模型存在本質差異。後者主要處理文字符號,在抽象世界中演繹;而具身模型則必須將視覺、語言、觸覺、力覺等多模態資訊與複雜的物理動作相融合,技術難度高出幾個量級。未來,“大腦”是產業亟需攻克的關鍵,也是全球競爭的“新賽點”。宇樹科技創始人兼CEO王興興近期也直言,誰能把機器人用的大模型做出來,誰就是全世界最厲害的AI公司和機器人公司。 (上海證券報)
大事不好!機器人學會預測未來了
不得了,機器人現在開始學會腦補未來了。這就是螞蟻靈波又又又又(連續第4天)開放原始碼的狠活兒——全球首個用於通用機器人控制的因果視訊-動作世界模型,LingBot-VA。怎麼個腦補法?簡單來說啊,以前的機器人(尤其是基於VLA的)幹活兒,主打一個條件反射:眼睛看到什麼,手立刻就動一下。這叫“觀察-反應”模式。但LingBot-VA就不一樣了,它通過自回歸視訊預測打破了這種思考方式,在動手之前,腦子裡先把未來幾秒的畫面推演出來。說實話,用想像力做決策,在機器人控制這塊還是相當新鮮的。但這不是LingBot-VA唯一的亮點,還包括:記憶不丟失:做長序列任務(比如做早餐)時,它會記得自己剛才幹了什麼,狀態感知極強。高效泛化:只要給幾十個演示樣本,它就能適應新任務;換個機器人本體,也能hold住。因此在LingBot-VA的加持下,像清洗細小的透明試管這種高精度任務,機器人已經是可以輕鬆拿捏:正如我們剛才提到的,今天是螞蟻靈波連續第四天開源。如果說前幾天的開源是給機器人加強了眼睛(LingBot-Depth)、大腦(LingBot-VLA)和世界模擬器(LingBot-World),那麼今天的LingBot-VA,就是讓這具軀殼真正擁有了靈魂——一個行動中的世界模型,讓想像真正落到執行層面。如此一來,通用機器人的天花板,算是被螞蟻靈波往上頂了一截。正如網友所述:從預測到執行;說實話這是巨大的飛躍。讓想像力先行一步LingBot-VA在架構設計上選擇了一條更進一步的路徑。在傳統的VLA(視覺-語言-動作)範式中,模型通常會將視覺理解、物理變化推理、低層動作控制這三項複雜任務放在同一個神經網路中處理,這在學術界被稱為表徵纏繞(Representation Entanglement)。為了追求更高的樣本效率和更強的泛化能力,LingBot-VA選擇把這團亂麻解開,提出了一套全新的解題思路:先想像世界,再反推動作。為了實現這個想法,螞蟻靈波團隊採用了一個兩步走的策略:視訊世界模型:先預測未來的視覺狀態(接下來會發生什麼)。逆向動力學(Inverse Dynamics):基於視覺的變化,反推出應該執行什麼動作(為了達到這個畫面,手該怎麼動)。這與傳統VLA有著本質區別:它不直接從“現在”跳到“動作”,而是要經過一下“未來”這個步驟。如何實現?螞蟻靈波團隊主要將三個架構層面作為突破口。首先就是視訊與動作的自回歸交錯序列。在LingBot-VA的模型裡,視訊Token和動作Token被放進了同一條時間序列裡。為了保證邏輯嚴密,團隊引入了因果注意力(Causal Attention)。這就像給模型定了一條死規矩:只能用過去的資訊,絕對不能偷看未來。同時,借助KV-cache技術,模型擁有了超強的長期記憶。它清楚地知道自己三步之前做了什麼,任務絕對不會失憶。其次是Mixture-of-Transformers (MoT) 的分工協作。這一步主要是為瞭解決我們前面提到的表徵纏繞的問題。我們可以把過程理解為“左右互搏”,但又很默契的一種配合:視訊流:寬而深,負責繁重的視覺推演。動作流:輕而快,負責精準的運動控制。這兩個流共享注意力機制,資訊互通,但在各自的表徵空間裡保持獨立。這樣一來,視覺的複雜性不會干擾動作的精準度,動作的簡單性也不會拉低視覺的豐富度。最後就是工程設計相關的工作。畢竟光有理論是不好使的,“實踐才是檢驗真理的唯一標準”:部分去噪(Partial Denoising):做動作預測時,其實不需要每一次都把未來畫面渲染得高畫質無碼。模型學會了從帶有噪點的中間狀態裡提取關鍵資訊,計算效率大大提升。非同步推理(Asynchronous Inference):機器人在執行當前動作的時候,模型已經在後台瘋狂計算下一步了。推理和執行平行,延遲感幾乎消失。FDM 接地(Grounding):為了防止模型想像力脫離現實,系統會用真實的觀測資料不斷校正想像,避免出現開放式的幻覺漂移。實驗結果與能力驗證在瞭解完理論之後,我們再來看實驗效果。螞蟻靈波團隊在真機實驗和模擬基準上,對LingBot-VA進行了全方位的實測。在真機測試中,LingBot-VA覆蓋了三類最具挑戰性的任務。首先是長時序任務,比如準備早餐(烤面包、倒水、擺盤)、拆快遞(拿刀、劃箱、開蓋)。這些任務步驟繁多,但凡中間有一步有誤,那可以說是滿盤皆輸。從LingBot-VA的表現來看,一個字,穩。即便是不小心失敗了,機器人也會記得進度,嘗試重來。第二類是高精度任務,比如擦試管、擰螺絲。這要求動作精度達到毫米級,得益於MoT架構,動作流不再受視覺噪聲的干擾,手極穩。剛才我們已經看了擦拭管的案例,再來看個擰螺絲的:第三類任務是針對可變形物體,例如折衣服、折褲子。這些任務的難點在於物體處於一個隨時變化的狀態,但LingBot-VA通過視訊推演,預判了布料的形變,操作行雲流水。除此之外,LingBot-VA在RoboTwin 2.0和LIBERO這兩個硬核模擬基準上,也是很能打的。尤其是在RoboTwin 2.0的雙臂協作任務中,無論是簡單的固定場景(Easy),還是複雜的隨機場景(Hard),LingBot-VA都展現出了不錯的實力:RoboTwin 2.0 (Easy):成功率92.93%,比第二名高出4.2%。RoboTwin 2.0 (Hard):成功率91.55%,比第二名高出4.6%。而且有一個趨勢非常明顯:任務越難、序列越長(Horizon變大),LingBot-VA的領先優勢就越大。在 Horizon=3 的長任務中,它的優勢甚至擴大到了9%以上。而在LIBERO基準測試中,LingBot-VA更是拿下了98.5%的平均成功率,刷新了SOTA記錄。總結一下,通過這些實驗,我們可以清晰地看到LingBot-VA的三個核心特質:長期記憶:在一個來回擦盤子的計數任務中,普通VLA模型擦著擦著就忘了擦了幾下,開始亂擦;LingBot-VA 則精準計數,擦完即停。這就是KV-cache的起到的作用。少樣本適應:面對全新的任務,只需提供50條左右的演示資料,稍微微調一下,它就能學會。這比那些動輒需要成千上萬條資料的模型,效率高了幾個數量級。泛化能力:訓練時用的是某種杯子,測試時換個形狀、換個顏色,或者把杯子隨便擺個位置,它依然能精準識別並操作。連續四天開源,已經產生影響把時間軸拉長,回看這四天的連續開源,我們會發現螞蟻靈波下了一盤大棋。因為這四個開放原始碼專案拼湊在一起,就會形成一條非常清晰的技術主線:Day 1: LingBot-Depth——解決“看清”的問題。讓感知能夠更加清晰。Day 2: LingBot-VLA——解決“連接”的問題。打通語言、視覺到動作的通用介面。Day 3: LingBot-World——解決“理解”的問題。建構可預測、可想像的世界模型。Day 4: LingBot-VA——解決“行動”的問題。把世界模型真正嵌入控制閉環,讓想像指導行動。這四塊拼圖湊在一起,釋放了一個強烈的訊號:通用機器人正在全面走向視訊時代。視訊,不再僅僅是訓練用的資料素材,它正在成為推理的媒介,成為連接感知、記憶、物理和行動的統一表徵。這對於整個行業來說,價值是巨大的。對通用機器人來說,長任務、複雜場景、非結構化環境,這些曾經的硬傷,現在有了系統性的解法。從具身智能路線來看,世界模型不再是一個可選項,它正式成為了機器人的中樞能力,從“能動”進化到“會想再動”。並且螞蟻靈波的持續不斷地開源動作,不僅僅是提供了程式碼、模型這麼簡單,更是一條可復現、可擴展的技術範式。而蝴蝶效應也在行業中開始顯現。就在這兩天,Google宣佈通過Project Genie項目讓更多人體驗Genie 3;宇樹科技宣佈開源UnifoLM-VLA-0……海外媒體也對螞蟻靈波的開源動作有了不小關注,點評道:螞蟻集團發佈了名為LingBot-World的高品質機器人AI模擬環境。這家中國金融科技公司完善了一套完整的開源工具包,用於物理AI系統的開發。這也是在全球機器人領域主導權爭奪戰中的一項戰略性舉措。嗯,螞蟻靈波的壓力是給到位了。總而言之,LingBot-VA的出現,標誌著世界模型第一次真正站上了機器人控制的主舞台。項目地址:https://technology.robbyant.com/lingbot-vaGitHub地址:https://github.com/robbyant/lingbot-va項目權重:https://huggingface.co/robbyant/lingbot-vahttps://www.modelscope.cn/collections/Robbyant/LingBot-va (量子位)
剛剛!第四家百億級人形企業完成股改
企查查資訊顯示,星海圖(北京)人工智慧科技有限公司已於 2026 年 1 月完成工商變更,更名為星海圖(北京)人工智慧科技股份有限公司,企業類型由有限責任公司變更為股份有限公司(外商投資、未上市)。這也使其成為 2026 年首家完成股改的具身智能企業。自成立以來,星海圖累計完成七輪融資,投資方包括螞蟻集團、美團、BV 百度風投、聯想創投、高瓴創投、IDG 資本、今日資本、無錫創投等,覆蓋戰略投資者、產業資本與頭部財務機構。公司方面披露,目前整體估值已達百億元,星海圖由此躋身繼智元、宇樹、銀河通用之後的百億級具身智能獨角獸陣營。在產品層面,星海圖已形成較為完整的“本體 + 平台”佈局:包括通用仿人形機器人 R1 Pro、輪式雙臂移動平台 R1 Lite,以及在 2026 CES 首次亮相的 17 自由度四指靈巧手 DEXO。公司披露,其輪式雙臂機器人已實現全球範圍內的規模化部署,R1 系列平台覆蓋超過 90% 的全球頂級開發者,被史丹佛大學李飛飛團隊、Physical Intelligence(PI)等多家國際頭部具身智能研究機構採用。模型與資料是星海圖的另一條核心主線。2025 年 8 月,公司發佈端到端雙系統 VLA 模型 G0;2026 年 1 月,升級版 G0 Plus 推出,定位為“開箱即用”的 VLA 模型方案。與此同時,星海圖對外開放的 Galaxea Open-World Dataset 下載量已超過 50 萬次。圍繞資料生產與開發效率,星海圖建構了面向開發者的一站式具身智能開發平台 EDP,覆蓋資料採集、管理與真機測試,並在傳統遙操作之外引入 UMI 等新型採集方式。公司預計,2026 年將進入數十萬小時級高品質真機資料的規模化訓練階段,並強調其目前已實現本體、資料、模型與開發工具鏈的全端開放。商業化方面,星海圖已與海內外多家製造、服務與物流企業展開真實業務場景驗證,並披露獲得國內頭部汽車製造商與物流企業的千台級訂單。回看 2025 年,智元、宇樹、雲深處、樂聚、銀河通用、傅利葉共6家具身智能企業已相繼完成股改。除宇樹明確指向上市節奏外,多數企業對外表述仍較為謹慎。隨著星海圖在2026年開年率先完成股改,具身智能幾乎被同時推入兩個戰場:一邊是商業化落地,一邊是 IPO。當股改、訂單、落地與上市想像被壓縮排狹窄的時間段,行業獲得的既是加速度,也是更高的失誤成本。具身智能究竟是在完成一次集體躍遷,還是在堆疊一輪更大的風險敞口,這其中的距離,可能只差一個真實場景的結果驗證。 (高工人形機器人)