不想只卖机器人，乐聚还要做具身智能的infra。
编辑丨李希
具身智能现在最缺什么？
不是更会聊天的大模型，也不是又一台会翻跟头、会跳舞的人形机器人。真正卡住产业落地的，是一件更朴素、也更难的事：
怎么把一个在论文和demo里看起来很强的模型，稳定搬到真实机器、真实场景、真实任务里。
同样是“把瓶子拿起来”，瓶身材质变了，夹爪受力就变了；相机角度偏了一点，抓取点就可能漂掉；任务从单步抓放变成“识别、靠近、抓取、搬运、放置”的多阶段流程，中间任何一步失误，最后成功率都可能归零。
所以行业走到今天，一个越来越明显的共识是：具身智能不能只拼预训练模型。预训练模型像通才，知道很多东西，但它要进工厂、进真实生产线，还需要一套能把通才调成专才的系统。
乐聚最近联合蚂蚁灵波，进行了一次机器人与大模型配适的评测，并发布后训练系统，瞄准的就是这个位置。
这次不是简单做一个机器人本体，也不是只做一个模型适配demo，而是把真机数据采集、模型后训练、多本体部署、真实场景评测，连成一条闭环。换句话说，过去很多团队是在“调一个模型”，乐聚想做的是“交付一套让模型持续变好用、易部署的开发基础设施”。
这也是它值得被单独拿出来看的原因。
01
蚂蚁预训练，乐聚后训练
近日，乐聚完成了蚂蚁灵波LingBot-VLA具身大模型，在KUAVO 4 Pro上的后训练适配，并基于95个真机操作场景做了系统性测评。
看点不只是“跑通了一个模型”，而是做了两个方向的交叉验证。
一方面，以夸父KUAVO 4 Pro为本体，横向适配五个主流VLA模型，看不同模型在同一本体上的表现。
另一方面，把LingBot-VLA放到四款不同机器人本体上做适配测评，看同一个模型在不同硬件平台上的迁移能力。
这套设计本身就很能说明问题。
如果只是本体厂，最自然的展示方式是“我的机器人加我的合作模型，能完成任务”；如果只是模型厂，通常会强调“我的模型能在常见本体上运行”。
但乐聚这次参与做横纵交叉验证，实际上是在证明另一件事：它要站在基座模型和机器人本体之间，做后训练与真机落地的中间层。
我们先来看看结果。
以KUAVO 4 Pro为评价对象，使用乐聚真机数据训练的LingBot-VLA平均成功率SR为17.59%，平均过程得分PS为36.22%。两项指标均取得当前最优，其中PS比强基线π0.5高出9.87个百分点。
KUAVO4Pro-主流模型benchmark双指标对比
单看17.59%的成功率，很多人第一反应可能是：这也不高。但真机具身任务，不能只拿“最终成功率”当唯一指标。
这95个场景不是简单的单步抓放，而是覆盖多类型物体交互与长尾任务，包括精细插入、工具使用、小目标按压、动态接触、稳定搬运、多阶段状态转换等。很多任务换成人手做，也需要集中注意力。
SR只看最终是否完整做完。中间任何一步失败，最后都算0。对于多阶段任务来说，这个指标很严苛。
PS过程得分则更能体现模型推进任务的能力。比如一个机器人虽然最后没完成完整任务，但它正确识别了对象，完成了接近，抓取也基本成功，只是在最后放置环节失败。这样的能力进展，在SR里看不到，在PS里才能体现出来。
在纵向测试中，将LingBot-VLA放到四款不同机器人本体中进行比较，夸父则是唯一跑通完整闭环的双足人形平台。
LingBot-VLA多款机器人平台benchmark双指标对比
双足人形比轮臂、固定机械臂更难，这一点不需要过多解释。轮臂有稳定底盘，机械臂动作空间更规整，而双足人形光是保持姿态稳定，就已经消耗大量控制余量。
可以看出，乐聚把蚂蚁的预训练模型放到自己的双足本体上跑通，验证的不是某个单点能力，而是它能否把外部基座模型接入复杂真机系统，并通过后训练让它跑起来。
这件事的行业意义在于：模型会不断更新，本体会不断分化，场景也会越来越碎片化，谁能把不同模型、不同本体、不同场景连接起来，谁就有机会成为产业里的基础设施层。
乐聚这次押的，正是这一层，这比一次漂亮demo更重要。
02
后训练：把通才逼成专才
预训练模型解决的是“广泛知道”。后训练解决的是“具体会做”。
对于VLA模型来说，这个区别尤其明显。
一个预训练模型可能理解“拿起杯子”，“把物体放进盒子”，“按下按钮”，这些语言指令，也可能从大量数据里学到基本视觉和动作关联。但到了真实场景里，它还必须处理一堆非常局部、非常工程化、但又决定成败的问题。
比如，这个杯子是软的还是硬的？相机看到的抓取点和机械臂实际可达位置是否一致？
这些问题，靠预训练很难一次性解决。
后训练要做的，就是让模型在真实任务、真实本体、真实反馈中，把通用先验转化成稳定技能。
KUAVO 4 Pro机器人操作场景
乐聚这次发布的后训练系统，其核心是自研VLA后训练算法库。它针对的不是一个单一指标，而是VLA模型真机落地中一组高频痛点。
比如，模型微调最怕“学会新技能，忘了老本事”，乐聚用轻量化微调尽量保住基座模型的通用能力；传统VLA很多时候只是在模仿动作，乐聚则把物理世界预测引进来，让机器人动手前先“想一想后果”；语言指令和真实抓取点之间常常对不齐，乐聚也做了语义、几何和操作热区之间的映射。
再往真机侧走，还会遇到视角变化、动作策略单一、多摄像头信息利用效率低等问题。乐聚把这些都纳入后训练系统里处理。
这些算法模块听起来偏技术，但它们共同指向一个非常实际的目标：让VLA模型不是只在数据里学会动作，而是在真实机器人上更稳地执行任务。
如果只有算法库，乐聚的故事还不完整。
真正让这套系统更接近开发基础设施的，是算法库之外的三条工具链。
第一条是数据采集与处理平台。
它覆盖数据采集、清洗、标注、质检、管理与输出等环节，支持全身运控数据、灵巧手操作数据、轮臂基础运控数据的标准化、规模化生产。乐聚把数据平台做成一站式处理平台，本质是在把过去很依赖人工经验的数据生产，变成更工业化的流水线。
第二条是后训练工具链。
它适配Pi系列、GR00T系列、OpenVLA、LingBot-VLA等主流VLA基础模型，并结合自研后训练算法库，面向触觉精细操作、桌面操作、移动搬运等场景做高效调优。它把不同模型纳入同一套开发流程里，让开发者更关注任务本身，而不是每次都从环境配置和适配细节开始。
第三条是部署评测工具链。
机器人本体算力有限，模型不可能无限大。乐聚这套工具链面向高性能量化压缩、端侧部署和现场效果评估，让模型不只是训练出来，而是真正能在机器人上跑、在场景里测。
三条工具链连起来，就是“数据采集—模型后训练—部署测评”的闭环。
这也是乐聚后训练系统优越性的核心：它不是只优化某一个环节，而是把具身智能开发中最容易断开的几个环节接上了。
现在这套系统也在垂直工业场景得到了验证。
比如，在汽车制造的料箱拆垛任务中，实现95%以上的综合成功率；在3C电子SMT出库环节，提升了高精度料盘的定位与抓取能力；在物流行业的快递分拣与纸箱搬运，显著提高了完成效率和稳定性。
后训练系统的意义，就是把“看起来会一点”的通用能力，压实成“在某个场景里可靠工作”的专用能力。
这也是为什么乐聚这套系统更像基础设施，而不只是算法能力展示。
03
打造开发者生态，把真机门槛降下来
具身智能产业要真正做大，只靠少数头部算法团队肯定不够。
原因很简单：真实世界里的机器人需求太碎了。
工厂里有大量场景和工位，理论上都可以用机器人。但每个工厂、每条产线、每个工位，都有自己的物体规格、空间布局、节拍要求、异常情况和验收标准。这些场景不是没有价值，而是太多、太散、太具体。
如果每一个工位都要由机器人厂商或头部算法公司从头开发，根本忙不过来。结果就是，大量本来可以被机器人改造的场景，卡在没人有精力专门为它开发这一步。
这也是乐聚后训练系统的商业化意义。
它要解决的不是某一个具体需求，而是把“为场景、工位开发机器人技能”这件事，变得更标准、更快、更容易复制。
过去，开发者想做机器人二次开发，门槛非常高。要懂模型、懂本体，要会采数据、清洗数据，要能训练、能部署。任何一环踩坑，项目都可能停住。
乐聚做后训练系统和一整套工具链，本质上是在把这条复杂链路产品化。
数据采集与处理平台负责把真机数据生产变得标准；后训练工具链负责把基础模型调成具体场景里的技能；部署评测工具链负责把模型压缩到端侧、跑到真机上，并用真实结果继续反馈迭代。
这套流程连起来，开发者就不必每次都从底层工程开始重搭，而是可以站在乐聚已经做好的工具链之上，围绕具体场景做二次开发。
一个很有代表性的例子，是ICRA 2026 REAL-I挑战赛。
全球高校学生依托乐聚开放的数据集和全栈工具链，一天之内从零起步，把模型部署到真机上，跑通金属件翻正、日化瓶取放、快递包裹扫描三个真实工业场景。
“一天，从零到真机跑通”，这个信号比单个指标更有意义。
它说明乐聚不是只把系统给内部工程师用，而是在尝试把机器人开发流程做成开发者也能用的工具。
对想做具身智能二次开发的团队来说，有了这套工具，不用先把底层链路摸一遍，而是可以更快进入具体应用，解决某个工位最具体的问题。
这对商业化落地很关键。
因为具身智能未来不可能只靠几款通用demo打开市场，只有让更多开发者、集成商、场景方参与进来，机器人应用才可能从少数标杆项目，扩展到大量中小场景。
乐聚在这里扮演的角色，有点像把手机系统先搭起来。
手机系统负责底层能力：硬件调度、应用接口、开发工具、分发和运行环境。开发团队则在这个系统之上，做导航、支付、办公、短视频、游戏等一个个APP。
放到具身智能里，乐聚后训练工具链就是类似的底层系统：它负责数据、模型、部署、评测这些基础能力；不同开发团队则可以基于这套系统，去开发面向汽车制造、电子、物流、仓储等具体行业的“机器人APP”。
对开发者来说，这意味着更低的开发部署门槛、更短的试错周期，以及更清晰的商业化路径。
对乐聚来说，这也意味着它的站位不只是“卖机器人”，而是成为具身智能应用开发的infra和入口。开发团队想做机器人技能、想快速验证一个工业场景，可以围绕乐聚的后训练工具链展开。
未来真正重要的，可能不只是“谁的模型最强”或“谁的本体最好”，而是谁能把模型、本体、数据、部署和开发者连接成一个可持续增长的生态。
未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！
公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。
热门跟贴