2026年9月4日，柏林国际消费电子展IFA开幕，AMD高级副总裁、计算与图形事业部总经理Jack Huynh在主题演讲中展示了一段实时生成、可交互的三维世界演示。驱动该演示的世界模型LingBot-World 2.0，来自蚂蚁集团旗下具身智能团队灵波科技（Robbyant）。三个月后回看，这一演示成为灵波系列模型从实验室走向产业生态的起点。
在学术研究层面，灵波已逐渐成为具身智能领域的参考基准。世界模型赛道长期存在“物体恒存”难题，即镜头离开物体再转回时，生成模型能否还原该物体。南洋理工大学、清华大学与普林斯顿大学的联合团队在测试中比较了LingBot-World v2、LongLive、Self-Forcing和Causal Forcing四个候选模型。在对象找回与场景重访测试中，LingBot-World v2生成的画面与目标画面的DINO特征相似度约为0.68，其他三个候选约为0.26。该团队据此放弃其他候选，直接在灵波底座上开展记忆压缩优化，最终提出的DeCoPrune方案将历史缓存token削减85％，生成速度提升四倍以上，画面相似度仍保持在0.67。
斯坦福大学视觉与学习实验室10月发布的OpenWAM项目，旨在为世界-动作模型（World-Action Model）建立统一的对比框架。由于各家模型架构不兼容、接口不统一，团队最终采用LingBot-VA的Transformer架构、文本编码器和分词器作为整个框架的参考实现。韩国KAIST与成均馆大学团队的联合研究成果FastOPD，则以LingBot-VLA作为教师模型，为约4.51亿参数的学生模型提供监督，使学生模型单步推理的平均成功率从35.3％提升至51.2％，增加15.9个百分点。
在开源社区，灵波同样催生了全球开发者的二次创造。LingBot-World 2.0除14B完整版外，还开源了面向普通开发者的1.3B快速版。爱沙尼亚独立开发者Kaarel Kaarelson在云平台使用RTX 5090显卡测试官方1.3B版本，原始实现生成一秒16帧视频需要2.68秒，画面生成速度跟不上播放。经过两周优化，他将VAE精度从FP32降至FP16，替换注意力算子为SageAttention，对线性层做FP8行式量化，用torch.compile合并计算图，将层间CPU-GPU同步从110次削减至2次，并完成算子融合。最终同一张显卡上的帧率从原版6帧每秒提升至16.1帧，速度提升2.7倍，画质几乎无损。相关对比视频与代码发布在GitHub和X上后，科技媒体Prismix在报道中认为其在动态模拟上已超过闭源的Genie 3。
Mac用户群体也参与其中。PandacatAI完成了MPS后端移植，使用M4 Pro、48GB统一内存，配合8位量化的文本编码器和磁盘提示词缓存，使Mac用户能够在本地运行LingBot-World生成世界。开发者Don Allen III则为LingBot-Map开发了完整的Mac桌面封装，用户将视频拖入窗口即可在本地生成三维点云，全程可视化进度并导出点云文件。
产业端的官方适配同步推进。英伟达在其开源高性能推理库FlashDreams中，将LingBot-World与自研的OmniDreams并列，作为三大官方集成模型之一，提供相机控制的图像转视频服务。值得注意的是，英伟达与AMD在AI硬件生态上向来独立发展，世界模型领域尤甚：英伟达有自研Cosmos系列，AMD在投资World Labs后与后者官宣技术与市场合作。灵波成为少有的同时被两家芯片厂商生态接纳的第三方模型。
从高校实验室的基线对比，到芯片厂商的开发套件，再到独立开发者的本地化工具，灵波系列模型正在进入全球具身智能的技术底层。当新研究普遍以灵波作为实验底座、验证方法有效性需先跑过其基线时，这一中国模型已从赛道参赛者转变为行业度量衡。其后续在垂直行业工作流中的渗透程度，将决定这一生态位能否持续稳固。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
