螞蟻集團舉辦競賽，以證明其機器人模型確實被實際應用

將基礎模型開源，是具身人工智慧策略中最容易的一環。關鍵在於能否讓外部開發者以此為基礎建構生產系統——而非僅是下載權重後便置之不理——這將決定一次開源發布究竟能成為產業基礎設施，還是淪為一篇被廣泛引用卻無人部署的論文。 螞蟻集團的具身智慧部門（旗下擁有 Robbyant 和 LingBot 兩個品牌）於 9 月 14 日在上海外灘峰會上啟動了首屆開發者競賽，旨在直面這個關鍵問題。本次「具身 AI 模型挑戰賽」以該部門的 LingBot-VLA 2.0 基礎模型為核心展開，而非僅僅基於另一篇研究論文或資金公告，現已開放報名。

本競賽分為兩個階段：線上預選賽的報名將持續至10月26日，隨後於11月13日至15日在上海舉行線下決賽。 每支隊伍都必須在機器人模擬基準平台「RoboTwin 2.0」上完成一項強制性模擬任務；此外，對於希望在實體硬體上（而非僅限於模擬環境）展示其解決方案的隊伍，還設有可選的「實體機器人創新賽道」， 螞蟻集團將為入圍隊伍提供雲端運算資源，因此參賽門檻在於模型存取權限與技術能力，而非運算預算。 本活動由 ModelScope 開源社群與阿里雲的「天池」競賽平台共同主辦，並有晶片製造商 AMD 等合作夥伴參與，使這項挑戰得以覆蓋中國 AI 開發者常用的三大平台，讓他們能透過這些平台尋找開源模型並參與競賽。

為何一家開源公司需要舉辦競賽

LingBot-VLA 2.0 是螞蟻集團專為機器人領域打造的視覺-語言-動作基礎模型，旨在透過單一訓練好的模型來控制來自 17 家不同製造商的 20 多種機器人配置，而非為每個機器人平台分別建立獨立模型；業界將此方法簡稱為「一腦多機

「機器」。螞蟻集團於 2026 年 1 月首次發布該模型，並於 7 月完成訓練完成模型及其後訓練程式碼的全面開源發布，這意味著在本次競賽啟動前，其底層技術已對外公開兩個月。 這樣的時序安排至關重要：一家公司之所以針對一個已經開源的模型舉辦開發者競賽，正是因為單純開源並未能產生其期望的採用訊號。下載次數和 GitHub 星標僅能衡量好奇心；而一場提供現金獎勵、雲端代金券並設有公開決賽的競賽，則能檢驗開發者是否會投入實際的工程時間來打造真正可運作的成果。

「對於開源模型而言，發布僅僅是開始，」螞蟻集團一位高管在發布會上表示。「其真正價值在於開發者是否會使用它。」這對企業聲明而言是極為坦率的表述，也指出了螞蟻集團正在應對的實際競爭風險： 對中國機器人開發者而言，LingBot-VLA 2.0 並非唯一的視覺-語言-動作模型；而開發者雖能使用但無法基於其上進行開發的基礎模型，最終只會在競爭激烈的領域中成為技術上可信的參選者，而非首選方案。 同屬阿里巴巴集團旗下的螞蟻集團姊妹公司，已大力推廣其自有「Qwen-Robot」具身人工智慧產品系列；此外，過去一年間，中國多家研究機構也相繼發布了競爭性的視覺-語言-動作模型。因此，跨平台相容性， 以及橫跨 17 家製造商的實際部署覆蓋範圍，正是螞蟻集團押注的差異化優勢，而舉辦競賽則是以相對低成本的方式，向公眾證明這項覆蓋能力的有效途徑。

將「RoboTwin 2.0」設為強制任務的真正意涵

將 RoboTwin 2.0 上的模擬測試設為強制要求，同時將實體機器人演示列為可選項目，這是一項刻意設計的選擇，旨在降低大學團隊及擁有研究權限的個別開發者參與門檻，

模擬環境，而非實體機器人硬體——在具身人工智慧研究中，後者通常是成本更高且取得限制較大的資源。 這種架構使競賽的觸及範圍擴大至原本無法參與需要實體硬體的機器人競賽的學術實驗室和小規模新創公司，但代價是使得「強制賽道」的成果與實際部署表現的直接可比性降低。 可選的「實體機器人組別」正是為了讓資源更充沛的團隊、機器人公司以及資金更雄厚的實驗室，得以證明這個更具挑戰性的主張：即在模擬環境中訓練並驗證的模型，確實能夠轉移至實體操作任務，且不會出現那種曾動搖業界多項「模擬轉實」嘗試的性能崩潰現象。

對於蚂蚁集团正試圖招募為 LingBot-VLA 2.0 採用者的機器人公司與系統整合商而言，參與公開競賽所傳遞的訊號，與在內部低調評估模型截然不同： 若能在 11 月的決賽中表現出色，將成為該公司向客戶推介自家機器人平台時可引用的公開參考案例，這比供應商自身提出的基準測試聲明更具說服力。 正是這種激勵機制，使得基礎模型競賽在過去一年中，與更傳統的融資及合作公告並列，成為中國具身AI領域反覆出現的常態： 競賽能產生公開且第三方可驗證的實證，證明模型能在多元硬體上運作，而這正是僅憑企業自身的行銷資料最難驗證的主張。

LingBot-VLA 2.0 在技術架構中的現有定位

螞蟻集團的模型並非在真空環境中推出。LingBot-VLA 2.0 早已針對多家中國知名硬體製造商的機器人平台進行了適配，使該模型在此次競賽之前便已具備跨平台整合的實績。

這是一種競爭，而非純粹理論上的普世性主張。現有的適應性工作，正是「一個大腦，多台機器」這項主張背後的實證依據： 視覺-語言-動作模型的實用價值，取決於它能實際控制多少具實體機器人軀體，且無需針對每個平台進行耗費鉅資的重新設計；而每增加一家製造商的整合，都會降低新創機器人公司決策時的轉換成本——無論是選擇基於 LingBot-VLA 2.0 進行開發，還是從頭訓練專屬模型。 對於正在打造新機器人平台的初創企業而言，採用已整合的基礎模型可以壓縮控制軟體的開發時程——否則，這將需要一支專職的機器學習團隊耗費近一年時間來完成。這正是螞蟻集團向其希望在 11 月決賽中招募的開發者所提出的根本經濟論點。

這種整合深度也解釋了為何該競賽的「實機組」——儘管屬選修項目——卻是機構投資者最應密切關注的部分。 僅在 RoboTwin 2.0 上進行的模擬結果雖能展現演算法能力，卻無法說明模型如何處理實際機械手臂的感測器雜訊、光照變化及機械精度不足等問題——這些缺口曾讓不少在模擬基準測試中表現強勁的具身人工智慧模型功虧一簣。 成功通過可選的實體機器人賽道並晉級上海決賽的團隊，將能提供「從模擬到現實」的轉移能力實證——這正是目前採購團隊在為自身機器人車隊評估基礎模型時，大多只能憑藉供應商聲稱而不得不信賴的內容。

雲端運算補助作為招募工具

向符合資格的團隊提供雲端運算資源，這項細節看似只是微小的後勤支援，實則是一項直接補貼，旨在將競賽的參賽者範圍從資金雄厚的機器人新創公司，擴展至大學實驗室及獨立開發者——若非如此，這些群體原本會

因成本過高，而無法負擔大規模微調與評估視覺-語言-動作模型所需的計算密集型流程。大型語言模型及視覺-語言-動作模型在針對數十種任務變體進行微調與評估時，需要耗費大量圖形處理單元（GPU）時間， 對於一項嚴肅的競賽參賽作品而言，這項成本可能高達數萬美元；而消除這道門檻，正是螞蟻集團確保參賽者群體中包含最有可能發表獨立、可信研究成果的學術團隊，而非僅限於那些既擁有運算預算、又與阿里雲存在既有商業關係（這絕非巧合）的企業團隊。

螞蟻集團無法掌控的考驗

螞蟻集團針對一個其無法完全掌控的問題，設定了為期兩個月的時限： 大學團隊、新創公司及成熟的機器人公司是否認為 LingBot-VLA 2.0 值得投入工程資源來參賽，抑或這項挑戰主要吸引的，是那些已深耕於 ModelScope 和阿里雲生態系統的開發者，而非真正的新使用者——後者本應是將該模型與競爭對手的方案進行比較評估的群體。 11月中旬的決賽將為這個問題提供首個公開數據點，無論誰獲勝，這都值得追蹤： 參賽名單本身——即有多少隊伍來自螞蟻集團現有企業生態系統之外——將比冠軍隊伍在台上報告的任何成功率百分比，更能向買家和系統整合商揭示 LingBot-VLA 2.0 的實際市場影響力。

從 10 月 26 日報名截止日至 11 月決賽之間的六週準備期也相當短暫，這意味著多數參賽者將是針對競賽任務調整現有成果，而非從零開始建構全新系統；換言之，晉級決賽的隊伍更可能代表那些已深入投入視覺-語言-動作領域進行深入研究的團隊，而非初次評估該領域的新進者。這緊湊的時間表，對螞蟻集團自身而言更為有利

即使規則對所有人開放，該生態系統在實際運作中仍存在差異，因為已經熟悉 LingBot-VLA 2.0 應用程式介面與文件說明的團隊，相較於在報名時才首次接觸該模型的團隊，從一開始就擁有顯著的優勢。這種結構性優勢究竟會削弱這項競賽作為獨立市場反應指標的價值， 抑或僅反映了任何基礎模型競賽皆會偏袒其早期採用者的現實，待螞蟻集團於十一月公布決賽入圍名單後，外界分析師便能查核本輪競賽開始前，究竟有多少入圍團隊與 LingBot-VLA 2.0 並無任何公開往來，屆時情況將更為明朗。

本分析基於螞蟻集團的公開競賽公告及在 2026 年外灘峰會上的聲明。本文僅供一般參考之用，並不構成投資、財務或法律建議。

首圖來源：Robbyant（螞蟻集團）。