乐聚、星海图借用蚂蚁灵波模型，机器人公司自研重点转向本体适配与工业数据训练

当人形机器人开始搭载第三方训练的视觉-语言-动作（VLA）模型，一家硬件制造商的核心研发重心是否正在转移？近期，乐聚、星海图等中国机器人公司公开的技术路径显示：它们不再从零构建基础大模型，而是选择接入已有的外部“大脑”，再通过自身积累的工业数据与硬件适配能力，将其转化为实际作业能力。

11月5日，LeRobot 0.7开源框架更新名单中并列出现三家中国团队的模型：星海图的G0.5、蚂蚁灵波的LingBot-VLA 2.0，以及自变量的Wall-OSS-0.5。表面看仅是软件兼容性进展，实则折射出行业协作模式的悄然转变——模型研发正从封闭自研走向开放共享与交叉支持。

乐聚8月发布的KUAVO-VLA-1.0模型是典型代表。该模型并非全新训练，而是以蚂蚁灵波的LingBot-VLA 2.0为基座，叠加乐聚自采的680小时双臂遥操作数据（覆盖100项工业任务，约5.88万段操作示教）进行领域微调。在“舍弗勒小件上料”真机测试中，其任务成功率达60%，显著高于仅用相同基座模型但未做工业适配的对照方案（27%）。值得注意的是，这些数据并非视频录制，而是由操作员通过遥控设备驱动真实Kuavo机器人完成任务时同步采集的多模态信号：包括头部与手腕相机画面、机械臂关节状态、末端执行器位姿及操作轨迹。

然而，直接套用外部模型远非终点。Kuavo拥有特定的关节构型、传感器布局与控制系统，而不同VLA模型对动作表示、数据结构和推理流程的要求各异。例如，双臂协同任务的数据需精确关联左右臂运动与视觉输入的时间戳与空间坐标，换用另一款机器人平台即需重构数据管道。为此，乐聚开发了专用工具链LeTools-Learning，涵盖数据转换、模型训练、推理服务与机器人部署四大模块，实现从原始ROS数据到可训练数据集的标准化处理。

这一流程揭示了当前机器人公司的核心自研环节：基础模型可外购，但本体适配、工业场景数据闭环与任务级精调仍必须自主完成。技术路径呈现清晰分层：第一层由通用VLA模型提供基础感知与动作理解能力；第二层通过工业领域再训练，使模型熟悉零件抓放、装配、包装等典型工序；第三层则针对具体客户任务进行后训练，形成“一任务一优化”的落地能力。

效果并非全面跃升。乐聚公布的25项任务评测显示，模型在已覆盖任务上表现优异（如“舍弗勒小件上料”过程分88%），但在未训练任务上仍存在短板：“零件尺寸分拣”成功率仍为0%，“快消品双手协调上料”达60%，低于π0.5模型的80%。这说明，外部模型提供的泛化能力有限，真正可靠的工业执行仍依赖针对性数据积累与系统性验证。

更值得关注的是企业间边界的模糊化。星海图不仅自研G0.5模型, 还曾为蚂蚁灵波的LingBot-VLA提供硬件平台、真实数据采集与评测支持；其开发平台EDP同时集成π0、π0.5及LingBot-VLA，并开放给乐聚等伙伴使用。这种“你中有我、我中有你”的协作模式，正推动行业从单点竞争转向生态共建。

公共工具链的成熟进一步降低了重复投入。LeRobot 0.7支持流式读取多源数据与模型，减少数据下载与训练组织成本；但抓取策略生成、本体控制逻辑、任务失败回溯与真机迭代验证等关键环节，仍高度依赖企业自有工程能力。

对比国际进展，苹果研究团队近期在arXiv发布的HALO系统提供了另一条路径：其采用宇树G1机器人本体，搭载Mac mini（M4 Pro芯片）运行千问Qwen3.6-35B-A3B模型，三层控制架构（任务编排→运动生成→运动跟踪）全部基于仿真合成数据训练。在360次单项任务测试中平均成功率91%，长序列复合任务达70%。尽管数据来源不同（纯仿真 vs 真机遥操），但核心逻辑一致——“大脑”可复用或调用，而“身体”与“经验”的耦合才是落地瓶颈。

资本流向印证了这一判断。据中泰证券统计，2026年上半年国内具身智能赛道融资438亿元，其中聚焦“具身大脑”（VLA/世界模型）的公司吸金222.53亿元，占比50.8%；而本体整机厂商仅获56亿元，占比12.8%。宇树科技IPO募资计划中，20.22亿元明确投向WMA世界模型与VLA研发项目。

行业共识正在形成：随着人形机器人硬件平台日趋标准化（如宇树G1、优必选Walker X等），差异化竞争焦点已从“能否造出机器人”转向“能否让机器人可靠干活”。模型开源与协作降低了入门门槛，但真机数据规模、任务覆盖广度与系统集成深度，仍是决定产品实用性的关键变量。

乐聚的实践表明，借用“别人的大脑”不是研发缩水，而是将资源聚焦于更难也更具价值的环节：让通用智能适配特定机械结构，再通过工业现场的真实反馈持续打磨。当模型成为基础设施，机器人公司的核心竞争力，正重新定义为“数据-硬件-任务”的闭环能力。