7月9日AI新产品讯息：蚂蚁灵波开源具身基座模型LingBot-VLA 2.0，支持20多种机器人构型、微软在部分软件中改用自研AI模型
内容导读前沿讯息
一、蚂蚁灵波开源具身基座模型LingBot-VLA 2.0，支持20多种机器人构型
1.7月8日，蚂蚁灵波科技宣布升级并开源新一代具身基座模型LingBot-VLA 2.0。作为今年1月开源版本LingBot-VLA 1.0的全面升级，新模型在预训练阶段融入了6万小时高质量真实物理数据，覆盖17个主流机器人品牌的20多种机器人构型，在构型泛化、自由度支持和落地效率等方面实现显著提升。
2.LingBot-VLA 2.0的核心升级在于其数据规模与构型覆盖范围的跨越式扩展——6万小时真实物理数据的引入，使模型能够学习到更加贴近现实世界的物理交互规律，而非仅依赖仿真环境中的理想化数据。在构型支持方面，模型扩展了对机器人头部、腰部、末端执行器及移动底盘等关键部件的自由度支持，覆盖从人形机器人到机械臂、从轮式底盘到四足平台等多种形态。这种广泛的构型泛化能力意味着，开发者无需为每种不同形态的机器人单独训练模型，而是可以基于LingBot-VLA 2.0进行快速适配与部署，大幅降低了具身智能应用的开发门槛和重复投入。相比1.0版本，2.0在落地效率上的提升体现在从模型加载到实际控制指令生成的端到端延迟缩短，以及对不同算力平台的更好兼容性，使模型更接近真实商业场景的部署要求。
3.蚂蚁灵波在相隔仅半年的时间窗口内完成从VLA 1.0到2.0的迭代并坚持开源路线，反映出具身智能领域正处于快速演进阶段，数据规模与模型能力之间的正相关关系仍在持续生效。通过开源策略，蚂蚁灵波有望吸引更多机器人厂商和开发者基于LingBot-VLA 2.0进行二次开发与场景适配，从而加速其在教育机器人、服务机器人、工业机械臂等多样化场景中的渗透。可以预见，具身智能基座模型的开源生态竞争正在形成——与通用大模型类似，谁能够建立更广泛的开发者社区和更丰富的硬件适配生态，谁就更有可能在具身智能的“Android时刻”到来时占据核心位置。
二、微软在部分软件中改用自研AI模型
1.微软公司正寻求降低人工智能成本，开始在Excel和Outlook等软件产品中以自研模型取代OpenAI和Anthropic的模型。据一位知情人士透露，这两款广泛使用的软件中，每周有数以万计的AI任务已由微软内部开发的MAI人工智能模型完成，而此前这些任务更多依赖外部供应商的模型。
2.这一转变的核心驱动力在于成本控制与自主可控的双重考量。微软MAI模型的研发投入已历经长期持续研发，随着其能力逐步成熟，将自研模型部署于Excel和Outlook等高频使用场景中，可有效减少向OpenAI和Anthropic支付的外部API调用费用，在AI推理成本居高不下的行业背景下实现显著的成本优化。与此同时，减少对外部模型供应商的依赖，也增强了微软在核心产品AI能力演进上的自主权与迭代节奏把控力——无需等待外部模型版本更新或受制于合作伙伴的定价策略变更，微软可根据自身产品需求和用户反馈快速调整模型表现。每周数万任务量级的内测部署，既是对MAI模型能力的实际验证，也为后续扩展至更多产品线积累了经验与数据。
3.微软此举折射出大型科技公司在AI生态中的深层博弈。尽管微软与OpenAI保持着紧密的战略合作关系，并在Copilot等旗舰产品中深度整合后者技术，但MAI模型在主力生产力软件中的悄然替换表明，微软并不希望在AI能力上形成对任何单一外部供应商的长期依赖。自研模型、合作伙伴模型与开源模型的多轨并行策略，将成为头部科技企业在AI时代构建技术护城河和议价能力的常见姿态。可以预见，随着MAI模型的进一步成熟，微软将逐步在更大范围内以自研技术承接AI工作负载，而外部AI模型供应商则需要在高价值场景中证明其不可替代性，以维持与平台型企业之间的合作地位。
三、AI系统可将蛋白质序列“翻译”成文字描述
1.以色列理工学院和特拉维夫大学研究团队开发出一种名为BetaDescribe的AI系统，可将蛋白质序列“翻译”成文字，自动生成对蛋白质功能、特性等信息的描述。相关成果已于近日发表于最新一期《美国国家科学院院刊》。
2.BetaDescribe的核心创新在于构建了蛋白质“语言”与人类自然语言之间的映射桥梁。蛋白质的功能由其氨基酸序列决定，但传统研究方法需要依赖大量湿实验和结构分析才能解读序列所对应的生物学功能。该AI系统通过在大规模蛋白质序列-功能注释数据上进行训练，学习到了序列模式与功能描述之间的深层关联规则，从而能够将输入的一条氨基酸序列直接转化为描述其功能、结构特征、相互作用位点和潜在应用等信息的连贯文字说明。这一“序列到文本”的生成范式，相当于为生物学家配备了一个可实时解读未知蛋白质的智能助手——研究者无需等待耗时数周的实验验证，即可在几秒内获得对目标蛋白的初步功能预判，从而大幅缩小实验筛选范围、加速假设生成与验证周期，对药物靶点发现和功能酶设计等场景具有直接的提速价值。
3.BetaDescribe的问世进一步拓展了大型语言模型在生物序列理解中的应用边界。与AlphaFold等专注于结构预测的模型不同，BetaDescribe所代表的“序列语义化”方向着眼于将生物分子的底层信息转化为研究者可直接理解和推理的高层知识，这更接近科研人员实际工作流中的信息需求。随着蛋白质序列数据以指数级速度增长，单纯依赖人工注释已无法跟上数据积累的节奏，AI驱动的自动功能描述将成为连接“序列数据爆炸”与“知识发现延迟”之间鸿沟的关键桥梁。可以预见，类似的“生物序列-自然语言”跨模态生成模型将在基因组学、代谢工程和合成生物学等领域催生更广泛的应用创新。
四、Meta推出AI图像生成模型Muse Image，接入聊天机器人和Instagram
1.Meta Platforms Inc.发布一款新的图像生成式AI模型Muse Image，这是该公司一年前斥资数十亿美元重建AI实验室、由Alexandr Wang担任首席AI官以来首次发布此类模型。该模型于周二上线Meta AI聊天机器人，并将嵌入Instagram和WhatsApp等社交应用。
2.Muse Image的核心功能涵盖文本到图像生成与图片编辑两大方向——用户可输入文字提示让模型创作全新图像，也可上传现有图片并下达修改指令，如更换背景、调整风格或添加元素等。值得关注的是，Meta并非简单地将模型能力封装为独立产品，而是将其深度植入拥有数十亿月活用户的社交产品矩阵中：用户可在与Meta AI聊天机器人的对话中直接生成图像，也可在Instagram的动态发布或WhatsApp聊天中调用该能力，极大降低了AI图像创作的使用门槛。广告主也将很快能够使用该模型制作营销素材，这意味着Muse Image从一开始就兼顾了C端用户的创意表达需求与B端客户的商业化应用场景。
3.Muse Image的发布标志着Meta在生成式AI图像赛道上的正式入局，直接对标OpenAI的DALL-E、Midjourney和Stability AI等已占据先发优势的产品。但Meta的差异化策略在于其庞大的社交分发网络——用户生成的图像可一键分享至Instagram等平台，形成“创作-分享-社交裂变”的闭环生态，这是独立AI图像工具所不具备的流量优势。Alexandr Wang上任以来的首次重磅发布也释放出明确信号：Meta正将AI实验室的研发成果以更快的节奏推向产品化，并试图通过“AI能力+社交场景”的组合重新定义用户对社交平台的期待。可以预见，AI图像生成将成为主流社交平台的基础功能组件，而不仅仅是独立的创意工具。
五、支付宝“碰一下”将3000万线下触点升级为AI经营网络
1.7月8日，支付宝宣布“碰一下”完成AI升级：百万级商家侧碰一下设备整体升级为“碰设备Agent”，同步推出面向中小商家的“碰万物Agent”服务平台和面向开发者的“AI开放底座”。此次升级将支付宝线下3000万触点的覆盖优势转化为AI经营网络。
2.此次升级的核心在于将原本主要用于支付收单的线下NFC设备，赋予AI智能代理能力。“碰设备Agent”意味着消费者“碰一下”的动作不再仅仅是触发支付，还可能触发商品推荐、会员识别、优惠核销、服务预约等一系列AI驱动的经营动作——商家可通过设备端的AI能力感知用户身份与意图，并实时做出个性化响应。与此同时，面向中小商家推出的“碰万物Agent”服务平台，允许商家无需具备技术开发能力，即可通过简单配置将AI能力部署至自己的“碰一下”设备中；而“AI开放底座”则为开发者提供了标准化接口与开发工具，支持第三方基于该平台构建更丰富的AI应用场景。通过“设备升级+商家平台+开放底座”的三层架构，支付宝试图将线下3000万触点从单纯的支付终端转变为集感知、交互、经营于一体的AI服务节点。
3.支付宝此次动作反映出互联网平台对AI时代线下流量入口的重构思路——不再是简单地将AI能力封装成App或小程序，而是将其嵌入到用户已形成习惯的线下动作（“碰一下”）中，以极低的用户学习成本实现AI服务的自然渗透。对于中小商家而言，这意味着无需斥巨资自建AI能力即可通过支付宝的设备网络触达数亿用户，并实现AI驱动的经营升级。可以预见，线下场景的AI化将成为支付平台竞争的新维度，“碰一下”这类具备用户心智基础的动作，有望成为连接物理世界与AI服务的重要桥梁。
报告观点
一、电商场景领跑智能客服应用，全行业服务触点全面铺开
2026年中国消费者接触智能客服的场景中，电商平台购物以40.60%的占比位居首位，成为智能客服渗透最深的场景；办理手机业务（34.01%）、生活服务（33.16%）、政务服务咨询（31.67%）以及物流信息查询（31.35%）紧随其后，占比均超过三成，构成第二梯队；企业服务咨询（31.24%）、银行业务办理（31.03%）同样达到31%以上，交通业务办理（26.25%）虽相对靠后，但仍覆盖超过四分之一的消费者。整体来看，智能客服已从电商、物流等“线上服务高地”全面延伸至政务、金融、交通等公共服务领域，形成覆盖消费互联网与产业互联网的多维服务网络，表明AI驱动的智能化交互服务正加速成为各类场景中连接用户的基础设施级能力。
艾媒咨询 | 2026-2027年中国智能客服市场消费趋势调查报告
二、智能眼镜驶入高速增长快车道，规模化普及浪潮全面开启
从全球市场来看，智能眼镜销量从2022年的约55.4万副增长至2023年的约177.7万副，增长超3倍；而市场规模则从约10.3亿美元跃升至约31.2亿美元。更值得关注的是，预计到2025年，全球销量将突破千万级大关，达到约1344.8万副，市场规模跃升至约125.8亿美元；至2029年，销量有望突破13396万副，市场体量达到1387.3亿美元量级。这一爆发式增长态势表明，随着光学显示技术成熟、AI大模型能力嵌入以及AR内容生态逐步完善，智能眼镜正从早期的极客玩具和行业专用设备，加速演变为面向大众消费市场的下一代智能移动终端，规模化普及的窗口期已经全面开启。
内容导读
