当Fable5.2闯入物理世界，具身新竞争在「指尖」

具身智能行业正在经历一场前所未有的态度分化。
一种是真实的迷茫派。 ClaudeFable5.2的发布，展示了大模型玩魔方、拧瓶盖，甚至操控机器人画画，点燃了「通用大模型“吃掉”具身智能」的讨论，也让「还要不要自研具身基座模型」成了行业的一个真问题。
但另一种是坚定的乐观派，不少中国具身团队并未受影响，而是坚定持续加码底座。以蚂蚁灵波为例，自7月发布LingBot 2.0，近期蚂蚁灵波团队又推出了面向灵巧操作的触觉预训练基础模型 LingBot-Touch，持续加码「具身原生」路线。
两种不同的反应背后，无关技术优劣的评价，相反是殊途同归，是对「具身智能从哪里来」的终局追问。
看好通用大模型的人认为，机器人任务看作通用智能的延续，它相信数字世界里积累的语义理解、上下文学习、推理纠错等能力可以迁移到物理世界，这也是为什么OpenAI大力布局硬件的原因。
蚂蚁灵波则将直接将物理世界里「机器人如何干活」作为起点，他们认为，只有以物理任务作为模型设计的第一原则，才能抵达具身智能的终局。
蚂蚁灵波首席科学家沈宇军此前在外滩大会上也提到，具身智能可以借鉴大模型的发展规律，Scaling Law也可能继续成立，但这不等于机器人可以照搬数字世界的技术路线。“根本差异在于，云端模型等待用户输入后再回答，机器人却必须在行动过程中持续接收视觉、触觉等传感器信号，边感知、边判断、边执行。”
因此争议的焦点不应是「谁“吃掉”谁」，而是谁最终能让具身智能在真实场景里实现规模化落地，实现「机器人好用—行业买单—规模越大-成本越低」的正向循环。
通用大模型的「触觉弱点」，成了具身竞争的关键价值点
理解蚂蚁灵波为什么要专门面向灵巧操作造「通用触觉层」，要回到GPT-6的真实弱点和具身产业落地的实际难点。
先来看，被不少具身人士看作「狼来了」的Astra。一个行业共识是，Astra的长处和短处，都很明显。Astra强在语义理解和对陌生空间场景的泛化，但从看清眼前场景到驱动机器人真正干活，还有一关卡——
在物理世界，机器人在执行真实任务时，需要在动作过程中感知自身姿态、物体状态和受力变化，接收视觉、触觉等传感器信号，来随时调整下一步的执行，而触觉就是其中一个典型。
举个例子，让机器人伸手去拿一个杯子，和让它抓稳一个杯子，是两件不同的件事。这之中，抓取杯子时该用多大的力？杯子是透明玻璃杯、还是塑料杯？杯子被挤压、碰撞后又会有什么变化？
这些都需要机器人在真实任务中，从连续的传感器信号和不同模态的信息里，边感知、边判断、边执行。
这也是不少关于Astra基准测试中提到的核心问题，一旦任务需要高精度或更复杂的动态控制，其表现就会明显变差。
再来看，触觉能力本身也在成为具身行业的关键价值点。
一方面，触觉离产业更近。当机器人开始落地工厂、家庭等更多真实场景，距离产业「最前一公里」的灵巧手，成了驱动具身规模化落地的关键。
另一方面，触觉亟需「共识」。
尽管2026年被称为「触觉元年」，据高工产业研究院(GGII)数据，2025年中国灵巧手市场销量约1.92万只，今年预计达7.02万只，是去年的3倍。
数字之下，从连杆、腱绳、直驱等不同传动方式的选择，视触觉、磁触觉、压阻式等不同传感器方案，再到自由度、抓取精度、响应速度等各类参数画像，短期内灵巧手固然是技术并行，但行业碎片化下，缺少统一标准、缺乏共识，这种重复造轮子，很难推动具身产业的规模化落地。
真实可见的机遇和难点，成了蚂蚁灵波做触觉基础模型的起点，团队提到模型训练的原点，第一，机器人要做好灵巧操作，离不开触觉；第二，触觉传感器种类多，各有优势，短期内很难收敛，所以需要一个模型把不同传感器的信号统一起来。
将「手感」做成通用能力
回到LingBot-Touch 模型，想要以一个触觉基础底座，支持不同硬件、不同任务、不同灵巧手和不同动作模型，灵波在做的事，相当于是为灵巧操作提供一个即插即用的「万用插座」。
从技术报告看，灵波基于 Sharpa Wave 和 XHand 两款灵巧手的真机测试结果，已呈现出这种「万用插座」能力，具体体现为四点：跨传感器、跨灵巧手、跨任务、跨动作模型。
第一是，跨传感器。磁触觉、视触觉和压阻式触觉记录接触的方式不同，但LingBot-Touch 技术报告的真机实验表明，同一种传感原理下，预训练没见过的传感器型号，LingBot-Touch 也能处理。
第二是跨灵巧手。XHand 使用的磁触觉传感器型号并不在预训练数据中，但真机实测显示，接入XHand时，团队保持 LingBot-Touch 参数不变，只用这只手的操作示范训练动作模型。这意味着，换手时，LingBot-Touch学会的「手感」可以直接沿用到新的灵巧手上，动作模型需要重新学习的，是如何根据这些触觉信息控制这只手。
第三跨任务。
技术报告显示，两款灵巧手合计完成 26 项真机任务测试（ Sharpa Wave 测试了 20 项真机任务，XHand 测试了 6 项），不同任务的动作差别很大。
举两个例子。用钥匙开锁是双手任务，最考验触觉，钥匙尖进入锁孔，摄像头很难看清，灵巧手需要感觉沿着钥匙传回来的阻力，利用指尖细微的受力变化，来修正动作。而单手任务拧瓶盖则需要根据几根手指的受力变化，一边要握稳瓶盖，一边要转动它。
尽管动作不同，但两项任务使用的是同一个触觉模型，这说明，LingBot-Touch的「手感」还可以跨任务复用。开发者和研发人员面对新任务不用再重新训练触觉模型，只需用少量示范数据就可以「教会」动作模型。
第四跨动作模型。本次测试灵波接入了四种不同动作模型，除了自研的 LingBot-VLA 模型，还接入了π0.5、Diffusion Policy 和 T-Rex 等外部动作模型。真机测试显示，与不用触觉相比，四种动作模型在 26 项真机任务上的平均成功率提升约 14 至 26 个百分点。
而LingBot-Touch能实现这一点，和其技术路线、训练策略和生态打法有关。
首先，「具身原生路线」的必然，将触觉手感做成通用能力是灵波「大脑全栈2.0」重要构成，也是其技术路线的必然选择。
LingBot-Vision 与 LingBot-Depth 2.0 解决的是如何让机器人「看得更清楚」，LingBot-World 2.0 与 LingBot-Video 则是负责让机器人「想得更明白」，LingBot-VLA 2.0 和LingBot-VA 2.0 解决的事如何让机器人「干得更利索」，负责触觉感知的LingBot-Touch ，就是让机器人「摸得更灵敏」。
其次，训练策略没有魔法，在预训练使数据、编码入口和效果评估等方面，都是务实的细节。
如在预训练使用的数据上，目前触觉数据十分稀缺，尚不存在达到表征学习所需规模的触觉语料库，但灵波通过收集近 5000 小时真实触觉数据预训练，动作覆盖了抓握、旋转、滑动、擦拭、装配、双手配合，以及操作易碎、易变形的物体等多样化的真实世界人类和机器人操作任务，解决了「缺数据」这一问题。
在编码入口上，团队为每个触觉Token 标明时间、手指编号和三维位置，给不同传感器分别设置编码入口，由此让不同传感器的触点能映射到标准化的指尖坐标中，而非按型号适配。训练过程中还会改变触点密度、轻微扰动位置，避免模型对某一款硬件的依赖。
更关键的，还有灵波大脑通用平台的开源开放打法。
行业内宣称为触觉提供「通用底座」能力的具身团队很多，但大抵分为三类：一类是软硬一体闭环，即布局触觉底座是为了拉动硬件产品；一类是纯平台工具底座，同样不做本体、不碰灵巧手，但为其提供工具链能力。
对比下来，灵波的位置较为独特，触觉能力是通用大脑平台的一部分。
一方面，开源策略让灵波聚焦在如何将不同硬件、不同任务积累的触觉经验，转化为可复用的基础能力。
另一方面，深入场景也更深。
灵波此前和乐聚、钛虎等本体厂商，落地药房、物流等实体场景，还与简智科技等数据伙伴共建数据标准化体系，而此次LingBot-Touch有望聚合灵巧手产业上下游，通过开放生态，助推具身智能「最前一公里」的落地。
「一只新手」的连锁效应
跳出LingBot-Touch 的技术报告，站在充满机遇，也正加速洗牌的具身行业，当具身新竞争走向「指尖」，中国具身的组合优势有望被放大，产业链新创新或将出现。
LingBot-Touch 本质在回答一个更接地气的问题：对触觉行业来说，当换一只灵巧手，哪些经验可以复用？哪些能力还需要靠自己的手、数据和垂直场景来学？
在灵巧手行业，厂商和传感器种类多，但多样性也意味着数据彼此割裂、行业标准不一。如果LingBot-Touch的技术思路能持续扩散，不仅能扩大训练数据的丰富程度，提升数据的使用价值，还能给不同本体、硬件厂商留下持续探索创新的空间。
一方面，对加码触觉能力研发的灵巧手厂商而言，有了可复用的触觉模型底座，既能不用从头训练一套通用触觉模型，将更多精力放在针对具体任务的执行、反馈和修正上，同时还能探索硬件性能上限和形态，迭代一只手的机械结构、驱动方式和传动方案。
另一方面，对传感器厂商而言，可以专注做好自身的算法优化，如传感器标定、降噪和读数校正等。
对本体厂商来说，也大有裨益。选型时，可以省下适配不同硬件和技术方案的算法开发成本，把更多精力放回真实任务本身，根据操作精度、覆盖面积和成本来选择更合适的方案，让硬件真正服务于任务，而不是让任务来迁就硬件。
LingBot-Touch 的发布当然不是终点，包括灵波在内的中国具身团队，还需持续通过模型迭代、场景验证和开放生态，回答自己「具身原生」路线的价值。
在输入端，在传感器有误差的现状下，除视觉、触觉外，需要进一步丰富物理感知模态、提升模态输入的质量。在输出端，持续研究从连续的传感器信号中形成有效表征，并将这些信息转化为可以在真实世界执行的动作；在任务定义上，现实物理世界任务复杂，灵波需要进一步将包括触觉在内的底层通用能力下放到真实产业和行业伙伴中。
这些能力和经验迭代固然需要时间来回答，但在GPT-6的冲击波下，将具身新竞争推到「指尖」的灵波，已经率先走出了一条自己的路。