蚂蚁集团举办竞赛，以证明其机器人模型确实被使用

将基础模型开源是具身人工智能战略中相对简单的一环。关键在于能否让外部开发者基于该模型构建生产系统——而非仅仅下载权重后便不再深入——这将决定一次开源发布究竟能成为行业基础设施，还是沦为一篇被广泛引用却无人部署的论文。 蚂蚁集团的具身智能部门（旗下拥有Robbyant和LingBot两大品牌）于9月14日在上海外滩峰会上启动了首届开发者竞赛，旨在直面这一问题。本次竞赛围绕其LingBot-VLA 2.0基础模型展开，而非基于某篇研究论文或融资公告，现已开放报名。

本次竞赛分为两个阶段：线上预选赛报名截止至10月26日，随后将于11月13日至15日在上海举行线下决赛。 每支参赛队伍必须在机器人仿真基准平台 RoboTwin 2.0 上完成一项强制性仿真任务；此外，对于希望在实体硬件上（而非仅在仿真环境中）展示其方案的团队，还设有可选的“真实机器人创新赛道”， 蚂蚁集团将为入围队伍提供云计算资源，因此参赛门槛在于模型获取和技术能力，而非计算预算。 本次赛事由ModelScope开源社区与阿里云“天池”竞赛平台联合主办，芯片制造商AMD等合作伙伴也参与其中，使本次挑战赛的覆盖范围延伸至中国AI开发者常用的三大平台——这些平台正是他们寻找开源模型和参与竞赛的主要渠道。

一家开源公司为何需要举办竞赛

LingBot-VLA 2.0是蚂蚁集团面向机器人领域的视觉-语言-动作基础模型，旨在通过单一训练模型控制来自17家不同制造商的20多种机器人配置，而非为每个机器人平台单独构建模型——业内将这种方法简称为“一个大脑，多

“机器”。蚂蚁集团于2026年1月首次发布该模型，并于7月完成了训练后模型及其后处理代码的完全开源发布，这意味着在本次竞赛启动前，其底层技术已向公众开放两个月之久。 这一时间顺序至关重要：一家公司之所以围绕一个已经开源的模型发起开发者竞赛，正是因为仅靠开源本身并未能产生其期望的采用信号。下载量和GitHub星标只能衡量好奇心，而一场提供现金奖励、云服务积分并设有公开决赛活动的竞赛，则能检验开发者是否愿意投入实际的工程时间来构建真正可用的产品。

“对于开源模型而言，发布仅仅是开始，”蚂蚁集团一位高管在发布会上表示，“其真正价值在于开发者是否会使用它。”对于企业公告而言，这种表述异常坦率，同时也指出了蚂蚁集团正在应对的实际竞争风险： 对于中国机器人开发者而言，LingBot-VLA 2.0并非唯一的视觉-语言-动作模型；而开发者仅能使用却无法在此基础上进行构建的基础模型，最终只能成为这个竞争激烈领域中一个技术上可信的参与者，而非默认的选择。 作为蚂蚁集团旗下同集团公司的阿里巴巴，已大力推广其自主研发的“Qwen-Robot”具身人工智能系列；过去一年中，中国多家实验室也发布了竞争性的视觉-语言-动作模型。因此，跨平台兼容性， 覆盖17家制造商的实际部署范围，正是蚂蚁集团押注的差异化优势，而举办竞赛则是以相对低成本的方式向公众证明这一覆盖范围的有效途径。

将“RoboTwin 2.0”设为强制任务的实际意义

将基于RoboTwin 2.0的模拟测试设为强制要求，同时将实体机器人演示设为可选，是一种刻意设计的选择，旨在降低拥有研究访问权限的大学团队和个人开发者的参与门槛，

模拟环境，而非实体机器人硬件——在具身人工智能研究中，后者通常是成本更高且获取受限的资源。 这种结构将竞赛的覆盖范围扩展到了学术实验室和小型初创公司——这些机构原本无法参与需要实体硬件的机器人竞赛——但其代价是，强制赛道的结果与实际部署性能的直接可比性会降低。 可选的“真实机器人赛道”的存在，正是为了让资源更丰富的团队、机器人公司以及资金更充裕的实验室，来证明这一更具挑战性的主张：在模拟环境中训练和验证的模型，确实能够迁移到物理操作任务中，而不会出现那种曾导致业内多项“模拟到现实”尝试失败的性能崩溃。

对于蚂蚁集团正试图招募为LingBot-VLA 2.0采用者的机器人公司和系统集成商而言，参加公开竞赛所传递的信号与在内部悄悄评估模型截然不同： 若能在11月的决赛中表现出色，这将成为企业向客户推介自身机器人平台时可引用的公开参考案例，这种验证形式比供应商自报的基准测试结果更具说服力。 正是这种激励机制，使得基础模型竞赛在过去一年中，与中国具身AI领域的传统融资和合作公告一样，成为中国具身AI行业中反复出现的模式： 竞赛能产生公开且第三方可验证的证明点，表明模型可在多种硬件上运行，而这正是仅凭企业自身的营销材料最难验证的声明。

LingBot-VLA 2.0 在技术栈中的定位

蚂蚁集团的模型并非在真空中推出。LingBot-VLA 2.0 已经适配了多家中国知名硬件制造商的机器人平台，这使得该模型在此次发布之前就已积累了跨平台集成的成功经验

竞争，而非一种纯粹理论上的普适性主张。现有的适配工作正是“一个大脑，多台机器”这一主张背后的实践证据： 一个视觉-语言-动作模型的实际价值，取决于它能在不需为每个平台进行高成本重新设计的情况下，实际控制多少个物理机器人机身；而每增加一家制造商的集成，都会降低新机器人公司决策时的转换成本——即决定是基于 LingBot-VLA 2.0 进行开发，还是从头开始训练专有模型。 对于正在构建新机器人平台的初创企业而言，采用已经集成的基础模型可以压缩控制软件的开发周期——否则，这将需要一支专门的机器学习团队花费近一年的时间。这正是蚂蚁集团在11月决赛中向其希望招募的开发者们提出的经济论证。

这种深度集成也解释了为何该竞赛的“真实机器人”赛道——尽管是可选的——却是机构投资者最应密切关注的环节。 仅在RoboTwin 2.0上获得的模拟结果虽能证明算法能力，却无法说明模型如何应对真实机械臂中的传感器噪声、光照变化以及机械误差——正是这些短板，曾让不少在模拟基准测试中表现强劲的具身AI模型最终折戟沉沙。 那些通过可选的实机赛道并晋级上海总决赛的团队，将提供恰恰是采购团队所需要的“从模拟到现实”的迁移能力证明——目前，这些团队在为自家机器人车队评估基础模型时，大多只能凭供应商的声明来判断。

作为招募工具的云计算补贴

向符合条件的参赛团队提供云计算资源，这一举措看似只是微不足道的后勤支持，实则是一种直接补贴，旨在将竞赛的参赛者范围从资金雄厚的机器人初创企业，扩展到大学实验室和独立开发者——否则这些群体本会

因成本过高而无法参与大规模视觉-语言-动作模型的微调和评估这一计算密集型过程。大型语言模型和视觉-语言-动作模型需要在图形处理单元上投入大量时间，才能针对数十种任务变体进行微调和评估， 对于一项严肃的竞赛参赛作品而言，这笔成本可能高达数万美元；而消除这一门槛，正是蚂蚁集团确保参赛者中包含那些最有可能发表独立、可信研究成果的学术团队，而非仅限于那些已拥有计算预算且（并非巧合地）与阿里云存在现有商业关系的企业团队。

蚂蚁集团无法控制的测试

蚂蚁集团为一个其无法完全掌控的问题设定了为期两个月的时限： 大学团队、初创公司和成熟的机器人公司是否认为LingBot-VLA 2.0值得投入工程资源参与竞赛，还是说本次挑战赛主要吸引的是那些已深度融入ModelScope和阿里云生态系统的开发者，而非真正的新用户——后者本应将该模型与其他竞品进行横向评估。 11月中旬的决赛将就这一问题提供首个公开数据点，无论谁获胜，这一点都值得关注： 参赛名单本身——即有多少支队伍来自蚂蚁集团现有企业生态系统之外——将比冠军团队在台上报告的任何成功率百分比，更能向买家和集成商揭示LingBot-VLA 2.0的实际市场影响力。

从10月26日报名截止到11月决赛之间的六周准备时间也相当紧迫，大多数参赛者将调整现有工作以适应比赛任务集，而非从零开始构建全新的系统，这意味着进入决赛的团队更有可能代表那些已经深入从事视觉-语言-动作研究领域，而非首次评估该领域的新手。这种紧凑的时间表对蚂蚁集团自身

即使规则对所有人开放，该生态系统在实际运作中仍存在不平衡，因为已经熟悉LingBot-VLA 2.0应用程序接口和文档的团队，相较于在注册时才首次接触该模型的团队，从一开始就占据了明显的先机。这种结构性优势究竟是削弱了该竞赛作为独立市场认可指标的价值， 还是仅仅反映了任何基础模型竞赛都会偏袒其早期采用者的现实，待蚂蚁集团于11月公布决赛入围名单后，外部分析师便可核查本轮竞赛开始前有多少入围团队此前与LingBot-VLA 2.0并无公开关联，届时情况将更加明朗。

本分析基于蚂蚁集团的公开竞赛公告以及在2026年外滩峰会上发表的声明。本文仅供一般信息参考，不构成投资、财务或法律建议。

封面图片来源：Robbyant（蚂蚁集团）。