蚂蚁灵波把药房夜班分拣搬上 WRC 2026:做「具身大脑」的公司第一次在真实门店里 7×24 上岗

2026 世界机器人大会(WRC)8 月 19 日在北京开幕。蚂蚁灵波科技在展台上做的不是 demo,是把已经在上海国大药房夜班岗位上跑了若干周的药品分拣机器人原样搬到了现场。机器人接到下单指令后,在药房货架前找药、取药、送到收银台,动作连贯——这不是演出,是真实作业的现场直播。

WRC 这两年的氛围一直在变。2025 年各家还在跳街舞、空翻、爬楼梯、做俯卧撑;2026 年所有展台都被同一个问题卡住了:这台机器人在真实世界里能干什么?蚂蚁灵波展位给出的答案是,直接在国大药房门店里 7×24 上岗,承担夜班分拣任务,而且没有对门店做任何硬件改造——机器人在原始环境下自主接单、识别药品、完成分拣。

这是中国具身智能在 2026 年 8 月底最值得标注的一步:一家互联网大厂孵化的具身智能公司,在真实零售场景里第一次跑通了"通用大脑+异构本体"的闭环。

这件事真正难的不是机器人会取药

机器人取药这件事,听起来简单,做起来要跨过三道坎。

第一道是本体适配。药房里药品的尺寸、形状、摆放姿态都不一致——同一盒药可能是竖着放、可能是横着放、可能被其他药品压着。蚂蚁灵波工作人员在展位现场披露,灵波大脑在预训练阶段就适配了 17 个机器人品牌、20 种构型,单臂、双臂、双足、轮式、头部、腰部、灵巧手都能协同控制。也就是说,这一颗大脑不是为某个具体机器人调出来的,而是跨本体的通用底座。

第二道是现场部署成本。传统自动化方案进零售门店需要改货架、加传送带、改灯光、改布局——光是改造成本就能让一个门店级的项目推到数月到一年的 ROI 周期。蚂蚁灵波的方案明确强调"没有对门店做任何硬件改造",机器人在原始环境下就能自主接单、识别药品、完成分拣。这一步省下来的不只是钱,是把"项目交付"变成了"产品上线"。

第三道是夜班真实场景。夜间药剂师人手紧张、药品流转频次低但种类多、缺货应急多——这是机器人最容易拿下的"非高峰"时段,出错代价(药剂师兜底)相对可控;一旦在夜班稳定跑通,日间场景就可以渐进铺开。

把机器人摆在真实门店里跑若干周后再上展会,本身就是一种工程化信号:不是实验室 demo,是按产品 SLA 在跑。

同一颗大脑,三种用法

WRC 现场,蚂蚁灵波的展台有三套并行的演示,用的是同一颗大脑。

药房场景用的是某型号人形机器人——不是自研硬件,展台工作人员反复强调"蚂蚁灵波选择不做硬件,只做具身大脑"。工业上下料场景用的是钛虎机器人,搭载 LingBot-VLA 2.0,在模拟工业流水线上完成抓取、转运、上料、取件的完整闭环——非结构化工况(工件规格不一、摆放姿态各异)一向是工业自动化的传统难点。仓储分拣场景用的是乐聚机器人,面对材质各异、堆叠杂乱的包裹,稳定输出高精度抓取策略。

一套大脑,三种用法。这不是"开源了所以啥都能跑",而是同一份通用基座在三个不同的本体、三个不同的任务域上同时生效。这是"一脑多机"和"一脑一机"之间的工程化分水岭。

蚂蚁灵波 7 月发布全栈大脑 2.0 时一口气推出六款开源模型:LingBot-VLA 2.0(具身基座模型)、LingBot-World 2.0(增强交互的世界模型),以及空间感知、视觉基座、视频生成基座三款新模型。截至 8 月,灵波全系列开源模型在 GitHub 上的 Star 数突破 3 万,据称位居国内具身智能项目第一。

真正的赛道问题不是"会不会做",而是"数据从哪里来"

具身大脑的关键卡点是数据。蚂蚁灵波首席科学家沈宇军此前接受访谈时明确说过:具身数据和互联网数据相比差距太大,至少要做到百万小时起步。他的判断是:"去年大家都在讲几万小时、十万小时的数据量,今年行业数据量级会从原来的几十万小时提升到千万小时,2027 年可能达到上亿小时。"

蚂蚁灵波 2.0 模型预训练数据达 6 万小时,相比第一代模型数据多了 3 倍。6 万小时听起来不多——和互联网文本的 PB 级相比差着数量级——但和具身行业当前的整体水平相比,已经是头部。

京东在 WRC 现场公布了更激进的计划:两年内采集超过 1000 万小时基于真实场景的无本体视频数据,同时完成 100 万小时的机器人本体数据采集。京东此前在宿迁建了一个 5000 平方米的数据采集中心,2025 年底启用。一家数据公司的 CEO 在 WRC 现场对媒体表示:今年下半年业务量增长接近 10 倍。

WRC 2026 现场还出现了新趋势:无本体数据采集开始成为主流,成本比真机遥操下降数倍。奥比中光首发 Physis 系列机器人视觉新品(瞳距 RGB 双目 + 单目 RGB),以与人眼相同的被动成像方式采集可见光与自然纹理。光轮智能发布全球首个十万小时级全模态人类行为开源数据集 EgoSuite-Open100K。这些都指向同一个判断:具身数据的采集范式正从"贵而精"换轨到"大而粗"再换轨到"结构化精筛"。

互联网大厂做具身的姿态正在分化

WRC 现场把互联网大厂做具身的姿态分成了三类。

第一类是"造大脑、不造硬件",代表是蚂蚁灵波和字节系。蚂蚁灵波走开源+通用底座路线,目标是把"具身大脑"做成一个跨本体的中间层;字节系的多家被投公司(星海图、星动纪元等)也都讲"大脑"故事。

第二类是"造数据、不造机器人",代表是京东。京东在 WRC 现场没有发布自研机器人硬件,而是把机器人当成"销售平台方";同时把 1000 万小时无本体数据 + 100 万小时本体数据当成自己的核心资产来堆。京东去年成立的具身智能相关部门,定位是"具身数据公司"。

第三类是"造本体、不造大脑",代表是宇树、智元。宇树 G1 已经在 WRC 现场做演示,智元的"一分为四"(觅蜂科技分出去做物理 AI 数据基础设施)也在 8 月底有重大进展。本体公司把硬件做好了,但大脑要采购或合作。

这种分化映射的是具身智能在 2026 年下半场的核心问题:护城河到底在哪里?

蚂蚁灵波的赌注是"通用大脑 > 通用本体"。沈宇军在访谈中说过一句话:"当具身的数据可以 Scale up(规模增大),能跟互联网达到相同数量级,那可能迎来 Chat GPT 时刻。"这话的本质是把具身大脑的发展路径对齐到大模型——一旦数据规模跨过临界点,模型能力会出现"涌现式"跳变。

回到药店夜班这件小事

把视野拉回到国大药房的夜班,反而能看清这次 WRC 的真正信号。

机器人夜班分拣这件事,本身不性感。它不像宇树 460% 涨幅那样炸眼,不像银河通用一脑多本体那样跨界,它就是一台机器人每天晚上在一家药房里把订单分拣完。但是,这是中国具身智能第一次把"通用大脑 + 异构本体 + 真实门店 + 7×24 上岗"这四件事在同一时间、同一家门店里跑通——而且这件事是用一颗开源通用大脑跑出来的。

这是 2026 年 8 月底具身智能最值得标注的一条主线:通用大脑的工程化拐点已经从"展台 demo"换轨到"门店 7×24 上岗"。这件事能不能持续跑下去、数据能不能回收到大脑训练里、本体能不能扩容到更多门店,会在未来 3-6 个月内决定"具身大脑"这条赛道是真拐点还是又一次泡沫。