VLA 解码手记（四）：国内重点玩家——蚂蚁灵波、小米、腾讯

0. 先澄清一个混淆

你提到的”小米还有 Hy3”这里要纠一下：Hy3 / HyVLA 是腾讯混元系的具身团队，不是小米。小米的 VLA 模型叫 Xiaomi-Robotics-0。下面把三家分开讲，免得张冠李戴。

1. 蚂蚁灵波：LingBot-VLA 2.0「一脑多机」

• 背景：蚂蚁灵波科技，蚂蚁集团全资子公司，2025-03 成立于上海浦东，聚焦机器人”通用大脑”。2026-08 启动首轮独立融资，拟募资 15 亿元。
• 旗舰 LingBot-VLA 2.0（2026-07 发布）：主打”一脑多机”——预训练阶段已适配宇树、智元、银河通用、乐聚等 17 个品牌、20 多种机器人构型，体现跨本体复用与泛化。
• LingBot 模型矩阵：VLA 2.0（基座/跨本体）、VA 2.0（世界动作模型）、Vision（空间原生视觉基模）、World 2.0（无限时长实时交互世界模型）、Video（MoE 架构开源视频生成）。
• 产业判断（CEO 朱兴）：过去几年”小脑”和硬件发展快，但大脑才是瓶颈；未来”AI 将反向定义硬件”。

2. 小米：Xiaomi-Robotics-0（开源实时 VLA）

• 发布：2026-02 开源，4.7B 参数，雷军亲自公布，权重/HF/代码全公开。
• 架构：MoT——VLM 大脑 + 16 层 DiT 小脑，KV Cache 松耦合（详见（二））。
• 性能：80ms 延迟、30Hz、RTX 4090 实时，LIBERO / CALVIN / SimplerEnv 全基准 SOTA。
• 亮点：解决”动作断层”——异步推理 + Action Proposal + Clean Action Prefix + Λ 型注意力。
• 意义：大厂把消费级可跑的实时 VLA 开源，降低了行业门槛，也方便在自有工厂产线做数据飞轮（90.2% → 98% 的逐帧优化）。

3. 腾讯：HyVLA 与 FlowPRO

• FlowPRO：用 flow-matching 回归损失当隐式奖励代理，不需要额外 Critic 网络；四个长时程双臂任务成功率 94%–99%，碾压传统 DAgger 的 83%–93%。
• 数据：直接上光学动捕系统，亚毫米级精度采集。
• 定位：腾讯混元（Hy 系）在具身方向的方法论输出，强调后训练创新比参数规模更影响落地。

4. 生态与格局

共同趋势：“拼大脑”阶段——谁先有完整模型体系 + 真实场景数据闭环，谁先跑出平台级公司。蚂蚁灵波已把 17 品牌接入同一大脑，是小脑/硬件厂商（宇树等）的上游”大脑供应商”逻辑。

5. 承上启下

国内玩家把 VLA 推向”跨本体 + 开源 + 工程闭环”。下一篇看 VLA 的下一站：世界模型、Sim-to-Real、数据飞轮与 scaling 瓶颈。