A subsidiária da Ant Group, Ant LingBot, lançou seis modelos de IA encarnada de código aberto. A empresa está conduzindo pesquisas paralelas nas áreas de VLA e modelos de mundo, mas enfrenta problemas de escassez de dados e concorrência no ecossistema.
Criação e Estratégia da LingBot
A Ant Group fundou a Ant LingBot como uma subsidiária totalmente pertencente em Xangai em dezembro de 2024. Esta estrutura é uma unidade responsável pela implementação de IA física e conta com mais de 90% dos funcionários possuindo mestrado ou doutorado. Sob a liderança do CEO Zhu Xin e do cientista-chefe Shen Yujun, a LingBot apresentou seis modelos de IA encarnada de código aberto na conferência WAIC 2026. Esses modelos abrangem áreas como visão, vídeo, percepção espacial, manipulação, modelos de mundo e modelos de ação mundial.
Abordagem Tecnológica Dupla
A estratégia tecnológica da LingBot se distingue por uma direção dupla. A rota VLA (visão-linguagem-ação), apresentada pelo LingBot-VLA 2.0, corresponde à arquitetura de percepção para ação amplamente aceita, utilizada por Figure e a série Google DeepMind RT. A segunda rota, baseada em modelos de mundo, apresentada pelo LingBot-VA 2.0, lida com a previsão de mudanças no mundo antes que as ações sejam geradas. O LingBot-VA 2.0 é posicionado como o primeiro modelo de ação mundial nativamente encarnado do setor, treinado do zero em uma arquitetura autorregressiva. Ele fornece inferência em tempo real a uma taxa de 150 Hz em uma única GPU. O design deste modelo inclui tokenização semântica visuo-acionável, pré-treinamento causal rigoroso, arquitetura MoE e saída assíncrona aprimorada, permitindo que o robô preveja estados futuros durante a execução de ações atuais, reagindo em 6,7 milissegundos, o que é significativamente mais rápido do que um piscar humano (300–400 milissegundos).
Ecossistema e Parcerias
A estratégia de código aberto é um elemento chave das ambições da LingBot na criação de um ecossistema. Como os padrões técnicos no campo da IA encarnada ainda estão em formação, a LingBot forneceu pesos completos, código, ferramentas de pós-treinamento e benchmarks de referência. Os modelos são compatíveis com várias configurações de robôs, permitindo que diferentes plataformas de hardware utilizem o mesmo 'cérebro'. Mais de uma dúzia de fabricantes de robôs celebraram acordos de parceria, incluindo Unitree Robotics, Xinghaitu e Leju Robotics. Por exemplo, o KUAVO 4 Pro da Leju Robotics adaptou com sucesso o LingBot-VLA em 95 cenários de manipulação real. Além disso, a LingBot desenvolveu seu próprio robô de serviço Robbyant R1, destinado ao uso doméstico, no cuidado de idosos e na saúde, embora os volumes de entrega permaneçam limitados.
Problema de Dados e Concorrência
A limitação mais séria para a LingBot é o problema de dados. A indústria de IA encarnada enfrenta uma lacuna fundamental de dados: enquanto os grandes modelos de linguagem podem ser treinados em trilhões de tokens de linguagem humana, os dados de interação física precisam ser coletados através do trabalho real de robôs. A LingBot utiliza um modelo de 'pegar ovos emprestados para fazer uma omelete', obtendo dados de robôs reais de parceiros do ecossistema, como Unitree, Leju e Xinghaitu, em vez de explorar sua própria grande frota de robôs. Essa dependência cria uma vulnerabilidade estratégica, pois os parceiros estão desenvolvendo simultaneamente suas próprias capacidades de IA. A LingBot é a única grande subsidiária de uma empresa de tecnologia chinesa que trabalha simultaneamente no desenvolvimento de modelos de cérebro básicos, modelos de mundo e implantação de hardware. Este amplo alcance estratégico gera uma luta por recursos dentro da Ant Group e concorrência com outras iniciativas de IA encarnada afiliadas à Alibaba. A LingBot está testando se o gigante de fintech pode desenvolver com sucesso negócios em robótica e se os modelos de ação mundial abertos e a prática de empréstimo de dados podem superar as limitações da IA encarnada. Ao contrário da Alibaba, Tencent, Huawei, JD.com e Meituan, que adotam estratégias mais focadas, a LingBot demonstra uma abordagem única de pilha completa — desde modelos de cérebro até modelos de mundo e implantação de hardware.