近日，蚂蚁集团灵波团队正式官宣开源全球首个基于MoE混合专家架构、面向具身智能场景的视频生成基础模型LingBot-Video，打破了过往视频生成模型仅聚焦数字内容创作的行业惯性，为机器人产业的智能化升级提供了全新的视频AI底座，标志着视频基模正式从虚拟内容赛道，迈出了深度服务实体具身世界的关键一步。

不同于市面上主流面向影视、短视频创作的开源视频模型，LingBot-Video从设计之初就完全围绕机器人的核心需求重构了整套视频预训练范式，没有沿用通用视频模型的泛化训练逻辑，而是针对性地融合了7万小时的具身场景专属数据，覆盖工业车间、家庭服务、户外巡检等大量真实机器人工作场景的动作序列、物理交互过程与环境动态变化样本，从根源上强化了模型对真实世界物理规则的认知能力。

在核心性能表现上，LingBot-Video已经实现了对行业主流头部模型的全面超越。在北京大学联合字节跳动发布的权威具身视频评测基准RBench上，该模型最终取得0.620的总分成绩，大幅领先Wan2.6、Seedance 1.5 Pro、Cosmos3 Super等当前行业标杆模型。在蚂蚁内部针对具身场景搭建的专属基准测试中，与Cosmos3、Wan 2.2等五款主流开源模型进行横向对比，其在物理合理性、动作序列连贯性、任务场景还原度等核心维度的表现均位列第一，真正做到了生成的视频内容完全符合真实世界的物理运行逻辑，不会出现物体漂浮、动作穿模、运动轨迹违背常识等传统视频模型的常见问题。

架构层面，LingBot-Video创新性地采用了DiT+MoE的混合专家设计，模型总参数量达到30B，但在实际推理生成视频时，仅需要激活约3B的参数即可完成运算，推理效率约为同规模稠密Dense模型的3倍，大幅降低了具身场景下的部署门槛。这一特性让该模型无需依赖超大规模的云端算力集群，就能在边缘端的中等算力硬件上流畅运行，完美适配机器人设备算力资源有限的现实条件，解决了过往大参数视频模型难以在机器人端落地的核心痛点。

对于整个具身智能产业而言，LingBot-Video的开源将带来全新的技术范式变革：机器人可以借助该模型生成大量高真实度的虚拟训练场景，在数字世界中完成海量的动作试错与策略迭代，无需在真实物理环境中反复调试，大幅降低训练成本，缩短智能机器人的研发周期。同时，模型对动作序列的深度理解能力，也能帮助机器人更好地解析人类的动作指令，理解复杂的任务流程，大幅提升任务完成的准确率。

随着LingBot-Video的正式开源，全球具身智能产业将获得一款完全开放、性能领先的专属视频AI底座，这不仅标志着国产AI基础模型在细分赛道实现了全球引领，更将为下一代智能机器人的规模化落地注入强劲的技术动力，推动整个具身智能产业的发展进入全新的加速阶段。